Masterstudium

Bioinformatik

berufsbegleitend

 

Bioinformatik

Die Bioinformatik entwickelt Algorithmen und Programme, mit denen biochemische Prozesse simuliert und naturwissenschaftliche sowie medizinische Daten analysiert werden. Sie verknüpft Wissen über biochemische und molekularbiologische Abläufe in Organismen mit angewandter Informatik, Machine Learning und Modellentwicklung. Datenmanagement, -sicherheit und -integration sind genauso Teil des Feldes wie die Systembiologie oder Molecular Design. Heute ist Bioinformatik aus der Forschung, aber auch aus der industriellen Entwicklung und Produktion nicht mehr wegzudenken. Damit erwarten Sie ausgezeichnete Perspektiven an der Schnittstelle von Grundlagenforschung und Entwicklung.

Department
Applied Life Sciences
Thema
Technologien

Highlights

  • Fokus auf medizinische Bioinformatik, Molecular Design und Systembiologie

  • Schwerpunkt: Machine Learning und Automatisierung

  • Zugang zu Top-Netzwerk mit österreichischen sowie internationalen Universitäten und Fachhochschulen, Forschungseinrichtungen, sowie namhaften Biotech-Unternehmen

     

    Facts

    Abschluss

    Master of Science in Engineering (MSc)

    Studiendauer
    4 Semester
    Organisationsform
    berufsbegleitend

    Studienbeitrag pro Semester

    € 363,361

    + ÖH Beitrag + Kostenbeitrag2

    ECTS
    120 ECTS
    Unterrichtssprache
    Deutsch, teil. Englisch

    Bewerbung Wintersemester 2025/26

    01. Januar 2025 - 15. Juni 2025

    Studienplätze

    22

    1 Studienbeitrag für Studierende aus Drittstaaten € 727,- pro Semester. Alle Details zum Studienbeitrag in der allgemeinen Beitragsordnung.

    2 für zusätzliche Aufwendungen rund ums Studium (derzeit bis zu € 83,- je nach Studiengang bzw. Jahrgang)

    Perspektiven

    Alle Videos

    Vor dem Studium

    Sie kommen aus den Naturwissenschaften, begeistern sich für IT und bringen hier grundlegendes Wissen mit. Ihre Chance sehen Sie darin, beides zu kombinieren und IT dafür einzusetzen, die Datenflut der Life Sciences optimal darzustellen und zu verstehen. Sie zeichnen sich durch analytisches und prozessorientiertes Denken aus. Sie arbeiten gerne lösungsorientiert an der Schnittstelle verschiedener Disziplinen. Sie möchten berufliche Erfolge im Team und im Rahmen von Projekten erzielen und sind offen für Leitungsverantwortung. Sie können sich auch gut vorstellen, selbstständig Dienstleistungen zu erbringen. Durchschnittliche Englischkenntnisse werden erwartet.

    Das spricht für Ihr Studium bei uns

    Studienplatz = Laborplatz

    Teilen ist gut, aber bitte nicht den Laborplatz. Bei uns haben Sie garantiert Ihren eigenen.

    Gefragtes Wissen

    Was Sie hier lernen ist ausschlaggebend, um globale Probleme lösen zu können.

    International vernetzt

    Für ein Praktikum oder einen Job ins Ausland: auch darauf bereitet Sie Studium gut vor.

    Fachliche Zugangsvoraussetzung

    Die fachliche Zugangsvoraussetzung ist

    • ein abgeschlossenes naturwissenschaftlich-technisches Bachelorstudium oder
    • ein gleichwertiger Studienabschluss einer anerkannten inländischen oder ausländischen postsekundären Bildungseinrichtung.

    In Summe 180 ECTS und davon zumindest

    • 13 ECTS-Credits aus Naturwissenschaften wie Chemie, Biochemie, Molekularbiologie/Genetik, Mathematik/Statistik und
    • 13 ECTS-Credits aus technischen Fächern wie Bioinformatik, Datenbanken, Betriebssysteme, Programmieren.

    Nähere Informationen erhalten Sie auf Anfrage beim Sekretariat.

    Sprachliche Zugangsvoraussetzung

    Das erforderliche Sprachniveau gemäß dem Gemeinsamen Europäischen Referenzrahmen für Sprachen (GER) beträgt mindestens

    • Deutsch - Niveau C1.

    Beglaubigung ausländischer Dokumente

    Bewerber*innen, deren erforderliche Urkunden zur Bewerbung nicht aus Österreich stammen, benötigen je nach Staat gegebenenfalls eine Beglaubigung, damit sie die Beweiskraft inländischer öffentlicher Urkunden haben. Informationen zu den jeweils vorgeschriebenen Beglaubigungen finden Sie hier im PDF.

    Übersetzung Ihrer Dokumente

    Für Dokumente, die weder auf Deutsch noch auf Englisch verfasst sind, ist eine Übersetzung durch eine*n allgemein beeidigte*n und gerichtlich zertifizierte*n Dolmetscher*in erforderlich. Ihre Originaldokumente sollten vor der Übersetzung alle erforderlichen Beglaubigungsstempel aufweisen, damit die Stempel ebenfalls übersetzt werden. Die Übersetzung muss mit dem Originaldokument oder einer beglaubigten Kopie fest verbunden sein.

    Online-Bewerbung – Dokumente hochladen

    Laden Sie im Zuge Ihrer Online-Bewerbung Scans Ihrer Originaldokumente inklusive aller erforderlichen Beglaubigungsvermerke hoch. Bei nicht deutsch- oder englischsprachig ausgestellten Dokumenten müssen zudem Scans von den dazugehörigen Übersetzungen hochgeladen werden. Über die Gleichwertigkeit internationaler (Hoch-)Schulabschlüsse entscheidet die Studiengangs- bzw. Studienprogrammleitung. Die Prüfung Ihrer Dokumente ist daher ausschließlich im Zuge des laufenden Bewerbungsverfahrens möglich.

    Ihr Weg zum Studium beginnt mit der Registrierung auf unserer Bewerbungsplattform. In Ihrem Online-Account können Sie direkt mit der Bewerbung starten oder einen Bewerbungsfristen-Reminder aktivieren, wenn die Bewerbungsphase noch nicht begonnen hat.

    Dokumente für Ihre Online-Bewerbung

    1. Identitätsnachweis
      • Reisepass oder
      • Personalausweis oder
      • österreichischer Führerschein (Staatsbürgerschaftsnachweis erforderlich) oder
      • Aufenthaltstitel (Staatsbürgerschaftsnachweis erforderlich)
    2. Nachweis über eine Namensänderung, falls zutreffend (z.B. Heiratsurkunde)
    3. Nachweis über die Erfüllung der fachlichen Zugangsvoraussetzung
      • Studienabschlussurkunde und
      • Transcript of Records oder Diploma Supplement (siehe auch Nr. 4)
      • Wenn Sie Ihr Studium noch nicht abgeschlossen haben, laden Sie bitte einen Nachweis über alle bisher im Zuge des facheinschlägigen Studiums absolvierten Lehrveranstaltungen inkl. ECTS-Credits hoch.
    4. (optional als 2. Datei) Transcript of Records oder Diploma Supplement (ergänzend zu Nr. 3)
    5. Sprachnachweis Deutsch Niveau C1 gemäß des Gemeinsamen Europäischen Referenzrahmens für Sprachen (GER). Als Nachweis gilt:
      • Reifezeugnis einer deutschsprachigen Schule
      • Abschluss eines mindestens dreijährigen deutschsprachigen Studiums
      • Ergänzungsprüfung Vorstudienlehrgang - Deutsch C1
      • Deutsch-Zertifikat (nicht älter als 3 Jahre)
        • Österreichisches Sprachdiplom Deutsch: ÖSD Zertifikat C1
        • Goethe Institut: Goethe Zertifikat C1
        • telc: Deutsch C1 Hochschule
        • Deutsche Sprachprüfung für den Hochschulzugang ausländischer Studienwerber*innen: DSH-2
        • Deutsches Sprachdiplom der Kultusministerkonferenz: DSD II - C1
        • Test Deutsch als Fremdsprache (Test DaF): Niveau TDN 4 in allen Teilen
        • Sprachenzentrum der Universität Wien: Kurs und erfolgreich abgelegte Prüfung auf Niveau C1/2
        • Nachweise über ein höheres Sprachniveau gelten ebenfalls.
    6. tabellarischer Lebenslauf auf Deutsch
    7. Motivationsschreiben auf Deutsch
    8. Beglaubigungen und Übersetzungen, falls zutreffend (Details im Reiter "Ausländische Dokumente und Abschlüsse")

    Ihre Bewerbung ist gültig, wenn Sie die erforderlichen Unterlagen vollständig hochgeladen haben. Sollten Sie zum Zeitpunkt Ihrer Online-Bewerbung noch nicht über alle Dokumente verfügen, reichen Sie diese bitte umgehend nach Erhalt per E-Mail an das Sekretariat nach.

    Nach Abschluss Ihrer Online-Bewerbung erhalten Sie eine E-Mail-Bestätigung mit Informationen zum weiteren Ablauf.

    Das Aufnahmeverfahren umfasst einen schriftlichen Test und ein Gespräch mit der Aufnahmekommission.

    • Ziel
      Ziel des Aufnahmeverfahrens ist es, jenen Personen einen Studienplatz anzubieten, die das mehrstufige Aufnahmeverfahren mit den besten Ergebnissen abschließen. Die Testverfahren orientieren sich an den Fähigkeiten, die für den angestrebten Beruf erforderlich sind.
    • Ablauf
      Der schriftliche Aufnahmetest überprüft Ihr Wissen aus Programmieren, Bioinformatik, Statistik, Molekularbiologie und Genetik. Mit einem positiven Testergebnis werden Sie zu einem weiteren Termin eingeladen und führen ein Bewerbungsgespräch, das einen ersten Eindruck von der persönlichen Eignung vermittelt. Dazu gehören Berufsmotivation, Berufsverständnis, Leistungsverhalten und zeitliche Kapazität. Jeder Testteil wird mit Punkten bewertet.
    • Kriterien
      Die Kriterien, die zur Aufnahme führen, sind ausschließlich leistungsbezogen. Geographische Zuordnungen der Bewerber*innen haben keinen Einfluss auf die Aufnahme. Die Zugangsvoraussetzungen müssen erfüllt sein. Die abschließende Reihung der Bewerber*innen ergibt sich aus folgender Gewichtung:
      > Schriftlicher Aufnahmetest (60%)
      > Bewerbungsgespräch (40%)

      Die Studienplätze werden nach dieser Reihung spätestens Mitte Juli vergeben. Der Gesamtprozess sowie alle Testergebnisse und Bewertungen des Aufnahmeverfahrens werden transparent und nachvollziehbar dokumentiert.

    Berufsbegleitend studieren mit dem waff-Stipendium für Frauen

    Der waff – Wiener Arbeitnehmer*innen Förderungsfonds unterstützt Frauen, die berufsbegleitend in den Bereichen Digitalisierung, Technik und Ökologie studieren wollen. Unter anderem wartet ein Stipendium in Höhe von 12.000 Euro für ein Bachelor- und 9.000 Euro für ein Masterstudium auf Sie. Detaillierte Informationen und Voraussetzungen finden Sie auf der Website des waff: waff – Frauen, Beruf und Studium

    Für weitere Förderungsmöglichkeiten besuchen Sie unsere Seite Förderungen und Stipendien.

    Schriftlicher Aufnahmetest und Bewerbungsgespräche

    Zwischen April und Juni werden mehrere Termine angeboten. Details werden mit Beginn der Bewerbungsfrist veröffentlicht.

    Voraussichtlicher Semesterstart für das 1. Semester

    Mitte August

    Es sind noch Fragen zum Studium offen geblieben?

    Dann vereinbaren Sie einen Termin mit Elisabeth Holzmann (Sekretariat) für eine persönliche Beratung via Zoom:

    elisabeth.holzmann@fh-campuswien.ac.at


    Im Studium

    In Lehre und Forschung profitieren Sie von unserem starken Netzwerk mit der Industrie.In unserem Studiengang lehren Expert*innen aus der Praxis und bringen ihr anwendungsorientiertes Know-how ein. Unsere IT-Infrastruktur (Linux) steht Studierenden in Vorlesungen und für Masterarbeiten zur Verfügung. Zahlreiche F&E-Projekte am Studiengang bieten Ihnen die Möglichkeit, sich mit topaktuellen Anwendungen auseinanderzusetzen und wertvolle Kontakte für Ihre berufliche Zukunft zu knüpfen. Praxisnähe ist auch garantiert, wenn wir mit hochkarätigen Expert*innen einen unserer frei zugänglichen Vortragsabende im Rahmen der Campus Lectures veranstalten.

    Das Studium hat einen molekularbiologischen Schwerpunkt und ist speziell auf die Anforderungen in der Pharma und Biotech Branche zugeschnitten, bietet aber auch genügend Basiswissen und Diversität um die Bedürfnisse der modernen Medizin abzudecken. Die Datenflut der Life Science Forschung kann schon lange nicht ohne Bioinformatik bewältigt werden, und in der pharmazeutischen und biotechnologischen Industrie wird immer mehr Fokus auf eine computerbasierte Auswertung und Modellierung gelegt. In den letzten Jahren hat sich aber auch im medizinischen Bereich klar gezeigt welche Bereicherung die Verwendung von Bioinformatik in das Feld bringt.

    Egal ob Risikofaktoren über genetischer Marker bestimmt oder das Mikrobiom analysiert werden soll, seltenen Krankheiten erkannt, oder Krankheitsverläufe vorhergesagt werden sollen, Verfahren der Bioinformatik machen es möglich. Egal ob neue Medikamente entwickelt, oder die Produktion von biotechnologischen Produktion optimiert werden soll, der Bedarf an Bioinformatiker*innen nimmt rasant zu. Mit unserer produktionsnahen Ausbildung sind Sie gefragt.

    Bioinformatik bilden die Schnittstelle zwischen IT und Biologie, zwischen Experiment und Erkenntnis. Sie kombinieren daher im Studium Angewandte Informatik und Maschine Learning mit biologischer Datenanalyse.

    • Bei Angewandter Informatik und Maschine Learning setzen Sie sich mit Programmieren, Netzwerken und Datenbanksystemen, klassischer Statistik und Maschine Learning Methoden auseinander. Mit Algorithmen und Softwareentwicklung bekommen sie die Werkzeuge um Projekte sinnvoll und effizient umsetzen zu können.
    • Im Bereich der biologischen Datenanalyse lernen Sie mit den unterschiedlichsten Sequenzierdaten umzugehen, das Mikrobiom zu erforschen, Struktur- und Funktionsvorhersagen zu treffen und mit metabolischen Modellen zu arbeiten.
    • Kompetenzen in Projektmanagement und Unternehmensführung ergänzen Ihre Ausbildung.
    • Die Methoden wissenschaftlicher Arbeit wenden Sie im Rahmen der Masterthesis an.

    Lehrveranstaltungsübersicht*

    Modul Grundlagen der Bioinformatik

    Grundlagen der Bioinformatik

    7.5 SWS   15 ECTS

    Lernergebnisse

    • Die Studierenden analysieren komplexe biologische Datensätze unter Anwendung fortgeschrittener statistischer Verfahren sowie datenwissenschaftlicher Methoden in R und leiten daraus wissenschaftlich fundierte Schlussfolgerungen ab.

    • Die Studierenden entwickeln anwendungsorientierte Skripte zur automatisierten Datenverarbeitung, integrieren unterschiedliche Datenquellen und optimieren datenanalytische Workflows für bioinformatische Problemstellungen.

    • Die Studierenden evaluieren statistische Modelle hinsichtlich ihrer Eignung für bioinformatische Fragestellungen, treffen methodisch reflektierte Entscheidungen und dokumentieren ihre Ergebnisse nachvollziehbar und dem FAIR Datenstandard entsprechend.

    7.5 SWS
    15 ECTS
    Einführung in das Programmieren | ILV

    Einführung in das Programmieren | ILV

    2.5 SWS   5 ECTS

    Inhalt

    Programmiertechniken mit Python im Kontext biologischer Problemstellungen:

    • Variablen, Datentypen, Operatoren, Kontrollstrukturen, Funktionen
    • Sequenzielle Datentypen, Zuordnungen und Mengen
    • Konzepte der Objektorientierten Programmierung und Modularisierung
    • IO Funktionalitäten lokal und im Netz

    Laufzeitumgebung mit Compiler und Google Colab

    Lernergebnisse

    • Die Studierenden konzipieren und implementieren strukturierte Programme zur Lösung komplexer fachbezogener Problemstellungen und integrieren dabei grundlegende Prinzipien der Softwareentwicklung mit Fokus auf Effizienz und Wartbarkeit.

    • Die Studierenden analysieren vorliegende Anforderungen an bioinformatische Anwendungen, wählen geeignete Programmierparadigmen aus und reflektieren die Auswirkungen ihrer Entscheidungen auf Funktionalität, Skalierbarkeit und Reproduzierbarkeit.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Präsentation der Übungen und schriftliche Prüfung

    Literatur

    Think Python: How to Think Like a Computer Scientist; O'Reilly Media; 3rd ed. Edition (2. Juli 2024); ISBN-13:978-1098155438

    • Ältere Edition auch als Open Book Online: https://openbook.rheinwerk-verlag.de/python/

    Python 3: Das umfassende Handbuch,  Rheinwerk Computing; 7. Edition (5. Januar 2023), ISBN-13:‎978-3836291293

    Online Ressource: 

    Unterrichtssprache

    Deutsch

    2.5 SWS
    5 ECTS
    Grundlagen Algorithmen | VO

    Grundlagen Algorithmen | VO

    1 SWS   2 ECTS

    Inhalt

    Zentrale algorithmische Paradigmen (brute force, branch and bound, divide and conquer, greedy, …. ) werden anhand klassischer wie auch aktueller bioinformatischer Problemstellungen besprochen. Weiters werden wahrscheinlichkeitstheoretische und graphentheoretische Ansätze, sowie einige Aspekte aus der theoretischen Informatik (Komplexitätstheorie) vorgestellt.

    Lernergebnisse

    • Die Studierenden analysieren algorithmische Konzepte hinsichtlich ihrer Effizienz, Skalierbarkeit und Anwendbarkeit in komplexen Problemstellungen und bewerten deren Eignung für die spezifischen Anforderungen der Fragestellung kritisch.

    • Die Studierenden evaluieren und implementieren Algorithmen zur Lösung strukturierter und unstrukturierter Probleme unter Berücksichtigung unterschiedlicher Datenstrukturen, Laufzeitverhalten und Ressourcenanforderungen.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Endprüfung: Schriftliche Prüfung sowie Beurteilung der praktischen Aufgabenstellungen

    Literatur

    • Introduction to Algorithms, fourth edition; Thomas H. Cormen et al.; The MIT Press; 4th edition (April 5, 2022); ISBN-13:978-0262046305
    • Bioinformatics Algorithms: Design and Implementation in Python, Miguel Rocha and Pedro G. Ferreira; Academic Press; 1st edition (June 26, 2018); ISBN-13:978-0128125205
    • BIOINFORMATICS ALGORITHMS; Phillip CompeauPavel Pevzner; Active Learning Publishers; 3rd edition (January 1, 2018) ; ISBN-13:978-0990374633

    Unterrichtssprache

    Deutsch

    1 SWS
    2 ECTS
    R for Data Science | ILV

    R for Data Science | ILV

    1.5 SWS   3 ECTS

    Inhalt

    Grundlagen in R für Data Science

    • Einführung in R zur Daten Analyse
    • Einführung in Data Science und relevante Methoden
    • Überblick über verfügbare R Pakete 
    • Überblick verschiedener analytischer Verfahren bis hin zu Big Data Methoden
    • Einblick in Visualisierungen
    • Vor- und Nachteile der Darstellungen und Methoden

     

    Lernergebnisse

    • Studierende entwickeln R Skripte zur optimierten und effizienten naturwissenschaftlichen Datenanalyse und argumentieren ihre Analyseentscheidungen in strukturierter From.

    • Studierende integrieren R Pakete im Bereich Data Science und Visualisierung in ihre Anwendungen und konzipieren verständliche und strukturierte Reports ihrer Analyseergebnisse.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Beurteilt wird eine aktive Mitarbeit, sowie die Übungsarbeiten und Präsentationen.

    Literatur

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS
    Shell Essentials | ILV

    Shell Essentials | ILV

    1 SWS   2 ECTS

    Inhalt

    Diese Vorlesung führt in den Umgang mit einer Shell ein.

    • Es werden Unterschiede in der Shell zwischen unterschiedlichen Betriebssystemen besprochen. 
    • Es wird eine Arbeitsumgebung für weitere Lehrveranstaltungen eingerichtet.
    • Grundlegende Unix Shell Befehle und Möglichkeiten werden vermittelt.
    • Die Verbindung und der Umgang mit Linux Servern über Command Line Tools wird erklärt und geübt.
    • Studierende lernen, eigene Shell Skripte zu schreiben.

     

    Lernergebnisse

    • Studierende entwickeln Shell Skripte die eine effiziente, optimierte und sichere Arbeitsweise garantieren.

    • Studierende integrieren die Verwendung von Linux Server Ressourcen in ihre Analyseschritte und konzipieren Analyseabläufe welche in einer Serverumgebung umgesetzt werden können.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungsaufgaben und schriftlicher Test

    Literatur

    Shell-Programmierung: Das umfassende Handbuch; Frank Sommer, Stefan Kania, Jürgen Wolf; Rheinwerk Computing; ISBN 978-3-8362-8923-8

    • Ältere Edition auch als Open Book Online: http://openbook.rheinwerk-verlag.de/shell_programmierung/

    www.hostinger.com/tutorials/linux-commands

    thelinuxtutorials.com/20-essential-linux-commands-for-beginners/

    Unterrichtssprache

    Deutsch-Englisch

    1 SWS
    2 ECTS
    Statistik | ILV

    Statistik | ILV

    1.5 SWS   3 ECTS

    Inhalt

    Deskriptive, induktive und explorative Statistik mit Fokus auf explorativer Statistik, Hypothesenerstellung und -testung, multiples testing problem; Einführung in R, Grundlegender Umgang, einfache Beispiele. Es wird mit der Statistik-Software „R“ gearbeitet (Freeware).

    Lernergebnisse

    • Die Studierenden interpretieren komplexe statistische Ergebnisse kritisch, kommunizieren diese verständlich und leiten daraus fundierte Entscheidungen für Forschung oder Praxis ab.

    • Die Studierenden wählen fortgeschrittene statistische Methoden unter Berücksichtigung der Datenstruktur und Fragestellung aus, wenden diese korrekt an und reflektieren deren Aussagekraft im Kontext wissenschaftlicher Evidenz.

    • Die Studierenden wenden Konzepte der deskriptiven und inferenzstatistischen Analyse eigenständig auf komplexe Datensätze an, bewerten die statistische Aussagekraft der Ergebnisse kritisch und begründen ihre methodischen Entscheidungen im fachlichen Diskurs.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungsbeispiele, Mitarbeit, schriftliche Prüfung

    Literatur

    • R Einführung durch angewandte Statistik; R. Hatzinger, K. Hornik, H. Nagel; 2014
    • Introduction to Statistics: an integrated textbook and workbook using R (Sean Raleigh​), Westminster University (Salt Lake City, UT): jingsai.github.io/intro_stats/
    • Modern Statistics with R (Måns Thulin), 2024-07-01 - Second edition: https://modernstatisticswithr.com/index.html

     

    Unterrichtssprache

    Deutsch

    1.5 SWS
    3 ECTS
    Modul OMICS

    OMICS

    7.5 SWS   15 ECTS

    Lernergebnisse

    • Die Studierenden analysieren OMICS-Daten aus Genomik, Transkriptomik, Proteomik und Metabolomik integrativ, wählen geeignete bioinformatische und analytische Verfahren aus und interpretieren die Ergebnisse im Hinblick auf biologische Relevanz und Systemzusammenhänge.

    • Die Studierenden planen und steuern eigenständig komplexe Analyseprozesse entlang des OMICS-Workflows, koordinieren die Probenvorbereitung, Sequenzierung und Datenverarbeitung unter Anwendung aktueller Labor- und Softwarestandards.

    • Die Studierenden reflektieren die Grenzen und Potenziale OMICS-basierter Methoden kritisch, bewerten deren Anwendung in Forschung und Praxis und argumentieren methodische Entscheidungen im interdisziplinären Diskurs.

    7.5 SWS
    15 ECTS
    Proteomics and Metabolomics | ILV

    Proteomics and Metabolomics | ILV

    2.5 SWS   5 ECTS

    Inhalt

    Teil1: Proteomics Grundlagen, Analysen von Proteinen mittels Massenspektrometrie (MS) mit Fokus auf bottom-up shotgun MS Datenanalyse:

    • Identifikation von Peptiden & Quantifizierung,
    • Datenbanken, öffentliche Repositories,
    • Qualitätskontrolle,
    • Anwendungen und statistische Analyse

    Teil2: Metabolomics Grundlagen:

    • Metabolite und deren Analysemethoden
    • Anwendungsfelder für Metabolomics
    • Datentypen und Formate: Überblick über die gängigen Datentypen (z. B. Massenspektren, Chromatogramme) und eine Einführung in Standardformate (z. B. mzML, mzXML)
    • Werkzeuge zur Datenanalyse
    • Von Metabolomics zu Systembiology

    Lernergebnisse

    • Studierende verstehen die spezifischen Eigenheiten von Proteomics-Daten (MS1/MS2, PTMs)

    • Studierende analysieren Proteomics-Daten und entwickeln Analyseverfahren welche die nötigen Arbeitsschritte in einer automatisierten Weise implementieren.

    • Die Studierenden integrieren bioinformatische Tools und Pipelines (z. B. XCMS, MetaboAnalyst) zur Verarbeitung und Analyse von Metabolomics-Daten, um Muster und Unterschiede in biologischen Datensätzen zu identifizieren.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Endprüfung: schriftliche Prüfung

    Literatur

    • Proteomics Data Analysis 2021, Daniela Cecconi (Editor); Springer Protocols; Volume 2361; ISBN : 978-1-0716-1640-6
    • Patel, K., Singh, M., Gowda, H. (2017). Bioinformatics Methods to Deduce Biological Interpretation from Proteomics Data. In: Keerthikumar, S., Mathivanan, S. (eds) Proteome Bioinformatics. Methods in Molecular Biology, vol 1549. Humana Press, New York, NY. doi.org/10.1007/978-1-4939-6740-7_12
    • Computational Methods and Data Analysis for Metabolomics; Shuzhao Li; Springer Protocols; 2020; doi.org/10.1007/978-1-0716-0239-3
    • Wehrens, R., & Salek, R. (Eds.). (2019). Metabolomics: Practical Guide to Design and Analysis (1st ed.). Chapman and Hall/CRC. doi.org/10.1201/9781315370583

    Unterrichtssprache

    Deutsch-Englisch

    2.5 SWS
    5 ECTS
    Sequencing Lab | ILV

    Sequencing Lab | ILV

    2 SWS   4 ECTS

    Inhalt

    Im Labor (wet lab) wird DNA extrahiert und eine Sequenzierung durchgeführt. Die erzeugten Daten werden analysiert und interpretiert.

    Lernergebnisse

    • Studierende reflektieren, wo Störfaktoren wie z.B. Kontamination oder Batch Effekte im Labor entstehen, welchen Bias die Erzeugung von Daten hat und deren Auswirkungen auf die Datenanalyse.

    • Studierende bewerten geeignete Arbeitsmethoden im molekularbiologischen Labor und setzen ein biologisches Experiment basierend auf SOPs und Laboranweisungen strukturiert um.

    Lehrmethode

    Flipped classroom, mit Laborübung und anschließendem Analyseprojekt

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Protokoll der Ergebnisse der Übung

    Literatur

    • SOPs
    • nanoporetech.com/support
    • Lee, J.Y., Kong, M., Oh, J. et al. Comparative evaluation of Nanopore polishing tools for microbial genome assembly and polishing strategies for downstream analysis. Sci Rep 11, 20740 (2021). doi.org/10.1038/s41598-021-00178-w
    • Latorre-Pérez, A., Villalba-Bermell, P., Pascual, J. et al. Assembly methods for nanopore-based metagenomic sequencing: a comparative study. Sci Rep 10, 13588 (2020). doi.org/10.1038/s41598-020-70491-3

    Unterrichtssprache

    Englisch

    2 SWS
    4 ECTS
    Transcriptomics and Genomics | ILV

    Transcriptomics and Genomics | ILV

    3 SWS   6 ECTS

    Inhalt

    Theoretische Grundlagen in der Genom- und Transkriptomanalyse:

    • Einführung in die Themenbereiche Genomik und Transkriptomik, inklusive der Erzeugung der Daten.
    • Softwarelösungen und Algorithmen im Bereich Genomik und Transkriptomik

    Praktische Analysebeispiele aus Genomik und Transkriptomik. Anwendung entsprechender bioinformatischer Werkzeuge für

    • Qualitätskontrolle und Prozessierung von Sequenzierdaten
    • Assemblieren von Genomen und Transkriptomen.
    • Mappen (Alignen) von Sequenzdaten
    • Spezialisierte Beispiele aus dem Themenbereich (z.B. scRNA-Seq, ChIP-Seq o. a.)

    Lernergebnisse

    • Studierende sind in der Lage, mit den Datentypen und Formaten aus Genomics und Transcriptomics-Experimenten umzugehen und diese zu analysieren.

    • Die Studierenden analysieren komplexe Genom- und Transkriptomdaten unter Einsatz spezialisierter bioinformatischer Tools und leiten daraus biologisch und klinisch relevante Erkenntnisse unter Berücksichtigung aktueller Forschung ab.

    • Die Studierenden bewerten Sequenzierungsstrategien sowie Datenanalyseverfahren hinsichtlich ihrer Eignung für spezifische Fragestellungen in Genomics und Transcriptomics und begründen methodische Entscheidungen im wissenschaftlichen Diskurs.

    Lehrmethode

    Blended learning, flipped classroom

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Praktische Übungsaufgaben und schriftlicher Test

    Literatur

    • Wick RR, Judd LM, Holt KE (2023); Assembling the perfect bacterial genome using; Oxford Nanopore and Illumina sequencing. PLoS Comput Biol 19(3): e1010905. doi.org10.1371/journal.pcbi.1010905
    • Alser, M., Rotman, J., Deshpande, D. et al. Technology dictates algorithms: recent developments in read alignment. Genome Biol 22, 249 (2021). doi.org/10.1186/s13059-021-02443-7
    • Zhang et al., GAEP: a comprehensive genome assembly evaluating pipeline. 2023; www.sciencedirect.com/science/article/pii/S1673852723001194

    Unterrichtssprache

    Englisch

    3 SWS
    6 ECTS

    Modul Angewandte Bioinformatik

    Angewandte Bioinformatik

    4 SWS   10 ECTS

    Lernergebnisse

    • Die Studierenden analysieren aktuelle Entwicklungen und Spezialgebiete der Bioinformatik, reflektieren deren methodische, technologische und ethische Implikationen und leiten fundierte Handlungsempfehlungen für forschungsnahe Anwendungen ab.

    • Die Studierenden modellieren und evaluieren biomolekulare Strukturen unter Anwendung computergestützter Verfahren und leiten daraus Designstrategien für molekulare Wirkstoffe in Forschungs- und Entwicklungsprojekten ab.

    • Die Studierenden integrieren bioinformatische Methoden zur Analyse epigenetischer Daten, interpretieren regulatorische Mechanismen auf molekularer Ebene und bewerten deren Bedeutung für Genexpression und Krankheitsentwicklung.

    4 SWS
    10 ECTS
    Ausgewählte Themen der Bioinformatik | SE

    Ausgewählte Themen der Bioinformatik | SE

    1 SWS   4 ECTS

    Inhalt

    Aktuelle Themen der Bioinformatik werden anhand von Beispielen aus der Forschung bzw. Industrie erörtert.

    Absolvent*innen erzählen von ihrem Werdegang und den Erfahrungen, die sie nach dem Studium gemacht haben.

    Es soll ein Überblick über die aktuelle Entwicklung des Feldes gegeben werden, sowie den Anforderungen und Erwartungen die an Absolvent*innen gestellt werden.

    Den Studierenden sollen mögliche Themen für die Masterarbeit näher gebracht werden.

    Lernergebnisse

    • Studierende reflektieren über das lokale Feld der Bioinformatik und leiten daraus Optionen für Optimierung und Innovation ab.

    • Studierende evaluieren die derzeitigen beruflichen Anforderungen an Studierende und Absolvent*innen.

    Lehrmethode

    Seminarreihe mit Vorträgen und Diskussionen

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Schriftlicher Report und Diskussionen

    Literatur

    Im Seminar werden jedes Jahr andere Fokusthemen besprochen daher kann keine generelle Literaturangabe gemacht werden. Aktuelle Literatur und Tutorials werden am Beginn der Lehrveranstaltung bekannt gegeben da sich diese Ressourcen laufend ändern. / Additional current literature and tutorials will be announced at the beginning of the course as these resources are constantly changing.

    Unterrichtssprache

    Deutsch-Englisch

    1 SWS
    4 ECTS
    Epigenetics | ILV

    Epigenetics | ILV

    1 SWS   2 ECTS

    Inhalt

    Kurze Einführung in die Grundlagen der Epigenetik

    • Mechanismen der epigenetischen Regulation: DNA-Methylierung, Histonmodifikationen, Chromatin-Struktur, und nicht-kodierende RNAs.
    • Unterschiede zwischen genetischen und epigenetischen Veränderungen.

    Epigenetische Datentypen und Experimentelle Verfahren zur Erzeugung epigenetischer Daten

    • DNA-Methylierungsdaten (z. B. aus Bisulfit-Sequenzierung), Histonmodifikationsdaten (z. B. aus ChIP-Seq), Daten zur Chromatinzugänglichkeit (z. B. ATAC-Seq, DNase-Seq), Transkriptionelle Auswirkungen durch nicht-kodierende RNAs (z. B. miRNAs, lncRNAs).
    • Überblick über spezifische Sequenzierungstechnologien (z. B. WGBS, RRBS), Methoden für ChIP-Seq und ATAC-Seq.

    Bioinformatische Analyse epigenetischer Daten

    • Identifikation differenziell methylierten Regionen (DMRs) und Vergleich zwischen Proben.
    • Erkennung von Histonmodifikationsmustern und deren biologischer Interpretation.
    • Analyse von Chromatinzugänglichkeit und deren Beziehung zur Genexpression.
    • Einführung in gängige bioinformatische Tools

    Datenbanken

    • Überblick über relevante Datenbanken (z. B. ENCODE, GEO, Roadmap Epigenomics).

    Anwendungsbeispiele mit Interpretation und Visualisierung

    • Darstellung epigenetischer Daten (z. B. Heatmaps, Genome Browser).
    • Interpretation der Ergebnisse in einem biologischen und klinischen Kontext.
    • Epigenetische Biomarker in der Medizin (z. B. Krebsdiagnostik).
    • Rolle der Epigenetik in der Entwicklung und Umweltantwort.

     

    Lernergebnisse

    • Die Studierenden können bioinformatische Werkzeuge und Methoden zur Analyse epigenetischer Daten, wie DNA-Methylierung und Histonmodifikationen, anwenden und differenziell methylierten Regionen sowie epigenetische Muster in experimentellen Datensätzen identifizieren.

    • Die Studierenden sind in der Lage, epigenetische Daten (z. B. aus ATAC-Seq oder ChIP-Seq) zu integrieren, zu visualisieren und ihre Bedeutung im Kontext biologischer Fragestellungen wie Genregulation und Krankheitsmechanismen zu interpretieren.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Protokoll und Präsentation

    Literatur

    • Introduction to Epigenetics; Renato Paro et al.; Springer 2021
      • Open Access Textbook: https://link.springer.com/book/10.1007/978-3-030-68670-3
    • Gautam, B., Goswami, K., Mishra, N.S., Wadhwa, G., Singh, S. (2018). The Role of Bioinformatics in Epigenetics. In: Wadhwa, G., Shanmughavel, P., Singh, A., Bellare, J. (eds) Current trends in Bioinformatics: An Insight. Springer, Singapore. doi.org/10.1007/978-981-10-7483-7_3
    • Yuanyuan Li, Modern epigenetics methods in biological research, Methods, Volume 187, 2021, Pages 104-113, ISSN 1046-2023,

    Unterrichtssprache

    Englisch

    1 SWS
    2 ECTS
    Structural Biology and Molecular Design | ILV

    Structural Biology and Molecular Design | ILV

    2 SWS   4 ECTS

    Inhalt

    Diese Vorlesung gibt eine Einführung in die Grundlagen der Protein- und RNA-Struktur mit Hilfe von Top-Down- und Bottom-Up-Ansätzen für Strukturvorhersagen.

    • Einführung in experimentelle Methoden zur Strukturbestimmung von Biopolymeren
    • In-Silizium-Vorhersage der RNA-Struktur
    • Genomweite Screens der RNA-Struktur
    • Einführung in die grundlegenden Strukturprinzipien von Proteinen
    • In-Silizium-Vorhersage der Sekundär- und Tertiärstruktur von Proteinen mit physikalisch basierten, statistischen und Deep-Learning-Ansätzen
    • Benchmarking von Strukturvorhersagewerkzeugen, einschließlich neuer Deep-Learning-Modelle
    • Visualisierungen von RNA- und Proteinstrukturen

    Molecular Design:

    • von der Beschreibung kleiner Moleküle bis zu Protein-Ligand- und RNA-Ligand-Komplexen sowie Protein-RNA-Wechselwirkungen
    • Prinzipien der strukturbasierten Arzneimittelentdeckung
    • Grundsätze der Struktur- und Clustering-Methoden für kleine Moleküle
    • experimentelle und In-silico-Methoden für das Fragment-Screening
    • ncRNA bei menschlichen Krankheiten
    • Pharmakophormodelle
    • Krankheitsnetzwerke
    • Molekulares Docking 
    • Repurposing von Arzneimitteln

    Lernergebnisse

    • Studierende evaluieren und implementieren Methoden zur Strukturvorhersage von RNA und Proteinstrukturen.

    • Studierende integrieren Programme zur Vorhersage von RNA und Proteinstrukturen in ihre Analysen und reflektieren deren Ergebnisse.

    • Studierende verstehen die Prinzipien des molekularen Designs und können dieses praktisch umsetzen.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungen und ein Abschlussprojekt

    Literatur

    • Molecular Modeling and Drug Design; Monalisa Kesh, Abhirup Ghosh, Diptanil Biswas; Book Editor(s):Mithun Rudrapal; First published: John Wiley & Sons, Inc.; 29 November 2024; doi.org/10.1002/9781394249190.ch1
    • RNA Design; Alexander Churkin, Danny Barash; Springer Protocols; 2025; doi.org/10.1007/978-1-0716-4079-1
    • Subramaniam, S., Kleywegt, G.J. A paradigm shift in structural biology. Nat Methods 19, 20–23 (2022). doi.org/10.1038/s41592-021-01361-7
    • Xu Q, Dai H, Zhao T, Wei D. Introduction to structural bioinformatics. Adv Exp Med Biol. 2015;827:1-7. doi: 10.1007/978-94-017-9245-5_1. PMID: 25387955.

    Unterrichtssprache

    Englisch

    2 SWS
    4 ECTS
    Modul Data Science und KI

    Data Science und KI

    5 SWS   10 ECTS

    Lernergebnisse

    • Die Studierenden wenden spezialisierte Machine-Learning- und KI-Methoden auf komplexe biomedizinische Datensätze an, analysieren deren Leistungsfähigkeit systematisch und leiten daraus evidenzbasierte Entscheidungen für Forschung und Anwendung ab

    • Die Studierenden integrieren fortgeschrittene statistische Konzepte, reflektieren deren Einsatz im Kontext biomedizinischer Datenanalytik kritisch und argumentieren ihre methodischen Entscheidungen auf interdisziplinärer Ebene.

    • Die Studierenden entwickeln datenbasierte Programme unter Anwendung fortgeschrittener Methoden und validieren diese hinsichtlich Generalisierbarkeit und Anwendbarkeit im jeweiligen Fachkontext.

    5 SWS
    10 ECTS
    Machine Learning and AI | ILV

    Machine Learning and AI | ILV

    2 SWS   4 ECTS

    Inhalt

    Grundlagen von Machine Learning und AI

    • Einführung in ML-Algorithmen: Überwachtes, unüberwachtes und verstärkendes Lernen.
    • Vergleich von ML und traditionellen statistischen Ansätzen.
    • KI-Konzepte und aktuelle Methoden.

    Kernalgorithmen und biologische Anwendungsbeispiele

    • Klassifikation: z.B. Vorhersage von Krankheitsrisiken aus Genomdaten.
    • Clustering: z.B. Entdeckung von Zelltypen in Single Cell Daten (z. B. scRNA-Seq).
    • Regression: z.B. Modellierung von Genexpression basierend auf epigenetischen Profilen.

    Deep Learning für komplexe Daten

    • Einführung in neuronale Netze und Convolutional Neural Networks (CNNs) für Bildanalyse (z. B. Mikroskopiedaten).
    • Einsatz von Recurrent Neural Networks (RNNs) z.B. für Sequenzanalysen.

    Werkzeuge und Frameworks

    • Bioinformatische Tools und Libraries in Python
    • Spezialisierte Plattformen wie DeepVariant oder AlphaFold.

    Herausforderungen und ethische Aspekte

    • Interpretierbarkeit von ML-Modellen in der Biologie.
    • Umgang mit Bias und Unsicherheiten in biologischen Daten.
    • Datenschutz und ethische Implikationen in der Gesundheitsforschung.

    Lernergebnisse

    • Die Studierenden evaluieren grundlegende Machine-Learning-Algorithmen wie Klassifikation, Clustering und Regression auf bioinformatische Datensätze, um biologische Muster und Vorhersagen zu identifizieren.

    • Die Studierenden implementieren und bewerten, Deep-Learning-Techniken wie Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs) für spezifische bioinformatische Anwendungen.

    • Die Studierenden entwickeln Methoden zur Vorbereitung und Analyse von bioinformatischen Daten, dabei integrieren sie stat of the art Tools und Frameworks und reflektieren zu ethischen und datenschutzrechtlichen Herausforderungen.

    Lehrmethode

    Blended Learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungsbeispiele sowie eine Projektarbeit am Ende

    Literatur

    • Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow: Konzepte, Tools und Techniken für intelligente Systeme; Aurélien Géron; O'Reilly; 3. Auflage, aktualisiert und erweitert (31. August 2023); ISBN-13:978-3960092124
    • Deep Learning with Python, Third Edition (2025); François Chollet and Matthew Watson; ISBN 9781633436589
    • Sarker IH. Machine Learning: Algorithms, Real-World Applications and Research Directions. SN Comput Sci. 2021;2(3):160. doi: 10.1007/s42979-021-00592-x. Epub 2021 Mar 22. PMID: 33778771; PMCID: PMC7983091.
    • Jamialahmadi H, Khalili-Tanha G, Nazari E, Rezaei-Tavirani M. Artificial intelligence and bioinformatics: a journey from traditional techniques to smart approaches. Gastroenterol Hepatol Bed Bench. 2024;17(3):241-252. doi: 10.22037/ghfbb.v17i3.2977. PMID: 39308539; PMCID: PMC11413381.

    Unterrichtssprache

    Deutsch

    2 SWS
    4 ECTS
    Programming for Biomedical Data Science | ILV

    Programming for Biomedical Data Science | ILV

    2 SWS   4 ECTS

    Inhalt

    Datenhandling und -aufbereitung

    • Laden und Speichern von Daten in verschiedenen Formaten (CSV, Excel, JSON).
    • Vorverarbeitung von biomedizinischen Daten: Bereinigung, Normalisierung, und Transformation.

    Arbeiten mit biomedizinischen Bibliotheken

    • Nutzung von pandas für Datenrahmenoperationen.
    • Visualisierung von Daten mit matplotlib und seaborn.
    • Analyse von biomedizinischen Sequenzdaten mit Biopython.

    Verarbeitung großer Datensätze

    • Arbeiten mit großen biomedizinischen Datensätzen mithilfe von Dask und SQL.
    • Grundlagen der Parallelisierung und Effizienzsteigerung.

    Beispiele aus Bioinformatik-spezifischen Anwendungen

    • z.B. Analyse von Genom-, Proteom- und Transkriptomdaten.
    • z.B. Visualisierung von Netzwerken und biologischen Beziehungen (z. B. mit NetworkX).

    Lernergebnisse

    • Die Studierenden analysieren und strukturieren biomedizinische Datensätze mit Python, sowie gängigen Bibliotheken aus dem Data Science Feld zur Optimierung und Visualisierung.

    • Die Studierenden entwickeln Methoden um zwischen kleinen und große biomedizinischen Datensätze effizient zu skalieren und bewerten Konzepte der Parallelisierung und Speicheroptimierung im Kontext ihrer Anwendung.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Abgabe von Programmierbeispielen

    Literatur

    • Python for Data Analysis: Data Wrangling with Pandas, NumPy, and Jupyter; O'Reilly Media; Wes McKinney; 3rd Edition (20. September 2022); ISBN-13:978-1098104030
    • Fluent Python: Clear, Concise, and Effective Programming; Luciano Ramalho; O'Reilly Media; 2nd Edition (10. Mai 2022); ISBN-13: 978-1492056355
    • Advanced Python Programming; Dr. Gabriele Lanaro, Quan NguyenSakis Kasampalis; Packt Publishing (February 22, 2019); ISBN-13: 978-1838551216

     

    Unterrichtssprache

    Deutsch-Englisch

    2 SWS
    4 ECTS
    Spezielle Statistik | ILV

    Spezielle Statistik | ILV

    1 SWS   2 ECTS

    Inhalt

    In der Lehrveranstaltung werden allgemeine Themen der Statistik behandelt:

    Einführung in statistische Modelle und deren Bewertung:

    • Kritische Bewertung der Aussagekraft statistischer Ergebnisse.

    Anwendung statistischer Software:

    • Anwendung von R/Python für bioinformatische Datenanalysen und Modellierung sowie die Nutzung spezieller Bibliotheken.

    Statistische Methoden zur Datenintegration

    • Zusammenführung und Harmonisierung heterogener Datensätze (z. B. Genom-, Proteom-, und Metabolomdaten).
    • Metaanalyse und Pooling-Strategien für biologische Studien.
    • Umgang mit fehlenden Daten: Imputationstechniken.

    Lernergebnisse

    • Studierende bewerten statistische Methoden im Sachkontext der Biostatistik, und reflektieren die Anwendbarkeit auf die spezifische Fragestellung.

    • Studierende entwickeln statistische Lösungen zur integration von biomedizinischen Daten aus heterogenen Datenquellen.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungen und Prüfung

    Literatur

    • Zitnik M, Nguyen F, Wang B, Leskovec J, Goldenberg A, Hoffman MM. Machine Learning for Integrating Data in Biology and Medicine: Principles, Practice, and Opportunities. Inf Fusion. 2019 Oct;50:71-91. doi: 10.1016/j.inffus.2018.09.012. Epub 2018 Sep 21. PMID: 30467459; PMCID: PMC6242341.
    • Yoon BJ. Hidden Markov Models and their Applications in Biological Sequence Analysis. Curr Genomics. 2009 Sep;10(6):402-15. doi: 10.2174/138920209789177575. PMID: 20190955; PMCID: PMC2766791.
    • Statistical Methods; 4th Edition - April 16, 2021; Donna L. Mohr, William J. Wilson, Rudolf J. Freund; ISBN: 9780128230435; eBook ISBN: 9780323899888

     

     

    Unterrichtssprache

    Deutsch

    1 SWS
    2 ECTS
    Modul Virtualisierung und Automatisierung

    Virtualisierung und Automatisierung

    4.5 SWS   10 ECTS

    Lernergebnisse

    • Studierende konfigurieren und optimieren virtuelle Umgebungen um bioinformatische Arbeitsabläufe transparent und reproduzierbar zu entwickeln.

    • Die Studierenden wenden Automatisierungswerkzeuge zur Steigerung der Effizienz von Datenanalysen an und interpretieren Schlüsselzahlen um die Qualität der Implementation zu bewerten.

    • Die Studierenden verstehen die Prinzipien der Containerisierung, erstellen Container für bioinformatische Anwendungen und konfigurieren Containerlösungen für einen optimalen Analyseablauf.

    4.5 SWS
    10 ECTS
    Cloud Computing | ILV

    Cloud Computing | ILV

    1.5 SWS   3.5 ECTS

    Inhalt

    Grundlagen des Cloud Computing:

    • Konzepte und Service-Modelle sowie Ressourcenmanagement.
    • Vergleich von Cloud-Architekturen.

    Technologien und Plattformen:

    • Nutzung gängiger Cloud-Plattformen.
    • Automatisierung und Orchestrierung.
    • Datenmanagement und Speicherlösungen in der Cloud.

    Sicherheit und Skalierung:

    • Cloud-Sicherheitsprinzipien (Datenverschlüsselung, Zugriffsmanagement).
    • Skalierungsstrategien für Anwendungen und Services (Auto-Scaling, Load Balancing).
    • Kostenmanagement und Effizienz in Cloud-Umgebungen.

    Lernergebnisse

    • Studierende integrieren Cloud-Umgebungen in ihre Analysen und entwickeln optimierte Lösungen für diese Art von Umgebung.

    • Studierende reflektieren die Vor- und Nachteile von Cloud Umgebungen und setzen diese differenziert und unter Einhaltung der FAIR Datenstandards und Datenschutzrichtlinien ein.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Praktische Übungen und Abschlussprojekt sowie schriftliche Prüfung

     

    Literatur

    • Cloud Computing: Concepts, Technology, Security, and Architecture; Thomas Erl und Eric Barceló Monroy; Prentice Hall; 2. Edition (12. August 2023); ISBN-13: 978-0138052256 
    • docs.aws.amazon.com
    • Cloud Computing: Concepts, Technology, and Architecture; Thomas Erl and Eric Barcelo Monroy; Second Edition, 2nd edition; Pearson (August 14, 2023)

     

    Unterrichtssprache

    Deutsch

    1.5 SWS
    3.5 ECTS
    Container and Collaboration | ILV

    Container and Collaboration | ILV

    1.5 SWS   3.5 ECTS

    Inhalt

    Grundlagen der Containerisierung und Virtualisierung:

    • Einführung in Container-Technologien (z.B. Docker).
    • Erstellung, Verwaltung und Optimierung von Containern für bioinformatische Anwendungen.
    • Vergleich von Containern und virtuellen Maschinen im Kontext der Bioinformatik
    • Entwicklung reproduzierbarer und portabler bioinformatischer Pipelines.

    Grundlagen Versionskontrolle und Collaboration

    • Einführung in die Versionierung und Methoden der Teamarbeit in der IT
    • Einführung in Git und GitLab, einschließlich der Automatisierung von Prozessen mit Git-Hooks und GitLab CI/CD.

     

    Lernergebnisse

    • Studierende beherrschen den strukturierten Umgang mit Git/GitLab zur Verwaltung von Softwareprojekten und zur Kollaboration mit Projektpartnern.

    • Studierende entwickeln, eigenständig reproduzierbare Softwareumgebungen im bioinformatischen Kontext mithilfe von Containerimages.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Praktische Übungen und Abschlussprojekt sowie schriftliche Prüfung

    Literatur

    • Git: Projektverwaltung für Entwickler und DevOps-Teams.; Bernd Öggl und Michael Kofler; Rheinwerk Computing; 2. Edition (5. Mai 2022); ISBN-13:978-3836288453
    • Git – kurz & gut; Nina Siessegger; O'Reilly; 2., erweiterte Edition (29. Februar 2024); ISBN-13:978-3960092247
    • Docker: Das Praxisbuch für Entwickler und DevOps-Teams. Grundlagen, Einstieg, Konzepte.; Bernd Öggl und Michael Kofler; Rheinwerk Computing; 4. Edition (9. Oktober 2023); ISBN-13:978-3836296465
    • docs.docker.com

    Unterrichtssprache

    Deutsch

    1.5 SWS
    3.5 ECTS
    Workflow Design | ILV

    Workflow Design | ILV

    1.5 SWS   3 ECTS

    Inhalt

    Einführung in die Automatisierung:

    Einführung in die Notwendigkeit und den Zweck der Automatisierung  in der Bioinformatik. 

    Workflowsysteme:

    GNU-Make (Verständnis der Grundlagen der Automatisierung in der Bioinformatik).

    Erkundung moderner Workflow-Management-Systeme, die im Bereich der Bioinformatik verwendet werden. z.B. Galaxy, Nextflow, Snakemake

    Praktische Übungen durch die Erstellung von Skripten zur Automatisierung.

    Lernergebnisse

    • Studierende evaluieren die Struktur und die Regeln unterschiedlicher Workflow Design Ansätze und entwickeln optimierte Workflows zur spezifischen Fragestellung.

    • Studierende synthetisieren einen effizienten bioinformatischen Workflow aus komplexen Arbeitsschritten eines Analyseprozesses.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Praktische Übungen und Abschlussprojekt sowie schriftliche Prüfung

    Literatur

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS

    Modul Datenmanagement und Softwareengineering

    Datenmanagement und Softwareengineering

    5 SWS   10 ECTS

    Lernergebnisse

    • Die Studierenden entwickeln Softwarelösungen zur Verwaltung und Analyse großer biologischer Datenmengen.

    • Die Studierenden entwerfen und implementieren, Datenbanken und Datenstrukturen für bioinformatische Anwendungen.

    • Studierende setzen Best Practices im Bereich Datenmanagement um, und gewährleisten damit die Nachvollziehbarkeit und Wiederverwendbarkeit von Forschungsdaten.

    5 SWS
    10 ECTS
    Datenbanksysteme | ILV

    Datenbanksysteme | ILV

    3.5 SWS   7 ECTS

    Inhalt

    Anwendung der theoretisch vermittelten Lehrinhalte, Arbeiten mit Datenbanken und Bedienen von Datenbanken

    • Grundlagen und Architekturen von Datenbanksystemen
    • Transaktionskonzept und SQL-Kern
    • Entity Relationship (ER) Modell
    • Relationales Modell
    • Relationaler Datenbankentwurf
    • Datenbankimplementierung mit SQL-DDL
    • Praktische Entwurfsaufgabe in der Kleingruppe

    Lernergebnisse

    • Studierende verstehen den Anwendungsbereich von Datenbanksystemen und können Anforderungen an Datenbanken erkennen und zuordnen.

    • Studierende können relationale Datenbanken entwerfen, implementieren und verwalten.

    Lehrmethode

    Flipped classroom, blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Präsentationen und Mitarbeit sowie Abgabe einer praktischen Projektaufgabe

     

    Literatur

    • Bücher: Saake, Heuer: Datenbanken Konzepte und Sprachen, mitp, 2018 (6.Auflage)
    • MySQL Crash Course: A Hands-on Introduction to Database Development; Rick Silva; No Starch Press (May 23, 2023); ISBN-13: 978-1718503007
    • www.w3schools.com/sql/sql_intro.asp
    • Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems; Martin Kleppmann; O'Reilly Media; 1st edition (April 2, 2017); ISBN-13: 978-1449373320

     

    Unterrichtssprache

    Deutsch

    3.5 SWS
    7 ECTS
    Software Development | ILV

    Software Development | ILV

    1.5 SWS   3 ECTS

    Inhalt

    Softwareentwicklung mit Python, es wird auf die Planung und Umsetzung von Softwareprojekten eingegangen.

    Es wird anhand von praktischen Beispielen auf folgende Bereiche eingegangen:
    - Verwendung von Strings und Containerklassen 
    - Datenmodellierung mit Klassen
    - Erstellen von Graphischen Benutzeroberflächen (GUI) mit QT

    Nicht sprachbezogene Schwerpunkte sind:
    - Verständnis für Projektplanung und den Entwicklungszyklus
    - Effizienter Entwicklungsablauf bei kleinen Projekten
    - Klarer Programmierstil

    Lernergebnisse

    • Die Studierenden bewerten Software Design Entscheidungen und konzipieren effiziente und optimierte Softwarelösungen.

    • Die Studierenden reflektieren den Softwareerstellungsprozess und synthetisieren eine Vorgehensweise die den Regeln der Effizienz, Reproduzierbarkeit und Transparenz folgt.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungen und Praktische Arbeit zum Vorlesungsende

    Literatur

    • Hands-On Software Engineering with Python; Brian Allbee; Packt Publishing (October 2018); ISBN: 9781788622011
    • www.geeksforgeeks.org/software-engineering/
    • Software Engineering: Basic Principles and Best Practices; Ravi Sethi; Cambridge University Press; 1st edition (March 9, 2023); ISBN-13: 978-1316511947

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS
    Modul Electives

    Electives

    2.5 SWS   5 ECTS

    Lernergebnisse

    • Nach Abschluss der Lehrveranstaltung können Studierende komplexe Fragestellungen aus verschiedenen interdisziplinären Bereichen (medizinisch, technisch oder wirtschaftlich) analysieren und bioinformatische Methoden zur Lösung solcher Probleme vorschlagen.

    • Nach Abschluss der Lehrveranstaltung sind Studierende in der Lage, spezifisches Wissen aus einem gewählten Themengebiet auf neuartige Szenarien zu übertragen und die Implikationen kritisch zu bewerten.

    • Nach Abschluss der Lehrveranstaltung können Studierende bioinformatische Technologien und Daten für die Entwicklung innovativer Geschäftsmodelle analysieren und dabei wirtschaftliche, ethische und gesellschaftliche Aspekte berücksichtigen.

    2.5 SWS
    5 ECTS
    Electives (5 ECTS nach Wahl)
    Businessplanung und Kostenrechnung | VO

    Businessplanung und Kostenrechnung | VO

    1.5 SWS   3 ECTS

    Inhalt

    • Betriebswirtschaftliche praxisnahe Grundkonzepte
    • Ausarbeitung eines Businessplans
    • Praktische Anwendung von Prinzipien der Betriebswirtschaftslehre und Kostenrechnung

    Lernergebnisse

    • Studierende reflektieren betriebswirtschaftliche Zusammenhänge und synthetisieren eine geeignete Vorgehensweise für Start-ups.

    • Die Studierenden entwickeln einen strukturierten und businessorientierten Zugang zu Innovation und Design.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Ausarbeitung & Präsentation eines Businessplans

    Literatur

    Josse, G. (2011): Basiswissen Kostenrechnung: Kostenarten, Kostenstellen, Kostenträger, Kostenmanagement, Deutscher Taschenbuch Verlag

    Unterrichtssprache

    Deutsch

    1.5 SWS
    3 ECTS
    Computational Systems Biology | ILV

    Computational Systems Biology | ILV

    2.5 SWS   5 ECTS

    Inhalt

    Mit Computermodellen von biochemischen Netzwerken ist es möglich, bei bekanntem Genotyp Vorhersagen über den Phänotyp zu machen. In dieser Lehrveranstaltung geben wir eine Einführung in die Analyse von metabolischen Netzwerken. Wir behandeln die Rekonstruktion von Netzwerken und stellen constraint-basierte Verfahren vor. Ein Schwerpunkt wird auf (genome-scale) metabolischen Modellen und ihrer Analyse durch Flux-Balance-Analysis und verwandter Methoden liegen, mit Beispielen aus der Biotechnologie zu erfolgreichen Anwendungen. Zusätzlich wird es eine kurze Einführung zu mechanistischen (kinetischen) Modellen in der Systembiologie geben.

    • Grundlegende mathematische Konzepte in der Systembiologie
    • Rekonstruktion von (biologischen) Netzwerken
    • Stöchiometrische Netzwerke und ihre Analyse 
    • Anwendungen in der Biotechnologie
    • Grundlagen kinetischer Modelle in der Systembiologie

    Lernergebnisse

    • Studierende kennen die Herausforderungen in der mathematischen Modellierung biologischer Systeme

    • Studierende verstehen die Grundkonzepte kinetischer Modelle in der Systembiologie.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Endprüfung: Praktische Übungen und schriftliche Prüfung

    Literatur

     

    • An Introduction to Systems Biology, Uri Alon, Chapman and Hall/CRC; 2nd edition (August 5, 2019), ISBN-13: 978-1439837177
    • An Introduction to Computational Systems Biology: Systems-Level Modelling of Cellular NetworksDr. Karthik Raman, Chapman and Hall/CRC; 1st edition (May 29, 2023), ISBN-13: 978-0367752507
    • Yue, R., Dutta, A. Computational systems biology in disease modeling and control, review and perspectives. npj Syst Biol Appl 8, 37 (2022). doi.org/10.1038/s41540-022-00247-4
    • Zanghellini J, Ruckerbauer DE, Hanscho M, Jungreuthmayer C. Elementary flux modes in a nutshell: properties, calculation and applications. Biotechnol J. 2013 Sep;8(9):1009-16. doi: 10.1002/biot.201200269. Epub 2013 Jun 21. PMID: 23788432.

    Unterrichtssprache

    Deutsch-Englisch

    2.5 SWS
    5 ECTS
    Immunologie | VO

    Immunologie | VO

    1 SWS   2 ECTS

    Inhalt

    • Die Lehrveranstaltung bietet einen umfassenden Überblick über das menschliche Immunsystem, einschließlich der beteiligten Gewebe und zellulären Komponenten.
    • Es werden Krankheiten diskutiert, bei denen das Immunsystem eine wesentliche Rolle spielt, wie Infektionskrankheiten, Allergien und Autoimmunerkrankungen.
    • Die Anwendung von T-Zellen und dendritischen Zellen in der Krebstherapie wird erläutert.
    • Die Biologie der B-Zelle und die Entstehung der großen Vielfalt an Antikörpern im menschlichen Immunsystem werden erklärt.
    • biopharmazeutische Bedeutung von Antikörpern, einschließlich ihrer Struktur und biologischen Funktion.
    • Methoden zur biochemischen Charakterisierung von Antikörpern werden vorgestellt.
    • Verfahren zur Antikörperselektion in der Wirkstoffentwicklung sowie Methoden zum gezielten Engineering von Antikörpern und Antikörperfragmenten werden behandelt.
    • Verschiedene Herstellungsverfahren von poly- und monoklonalen Antikörpern werden erläutert.
    • Abschließend werden verschiedene medizinische Anwendungen von Antikörpern, insbesondere in der Krebstherapie und bei Autoimmunerkrankungen, vorgestellt.

    Lernergebnisse

    • Die Studierenden können die Hauptkomponenten des menschlichen Immunsystems, einschließlich lymphoider und myeloider Zellen, und deren Funktionen erklären.

    • Die Studierenden können beschreiben, wie das Immunsystem bei verschiedenen Krankheiten, wie Infektionskrankheiten, Allergien und Autoimmunerkrankungen, eine Rolle spielt und die Anwendung von T-Zellen und dendritischen Zellen in der Krebstherapie erläutern.

    • Die Studierenden können die Struktur und biologische Funktion von Antikörpern erklären sowie verschiedene biochemische Charakterisierungsmethoden und Herstellungsverfahren von poly- und monoklonalen Antikörpern beschreiben.

    • Die Studierenden können die Bedeutung von Antikörpern in der Wirkstoffentwicklung, einschließlich der Verfahren zur Selektion und gezielten Weiterentwicklung von Antikörpern und deren therapeutische Anwendungen, insbesondere in der Krebstherapie und bei Autoimmunerkrankungen, erläutern.

    Lehrmethode

    Vortrag

    Prüfungsmethode

    Endprüfung: Präsentation

    Literatur

    Alberts, Molecular Biology of The Cell, 6th Edition

    Janeway Immunologie Murphy, Kenneth P., 1963- [MitwirkendeR] Travers, Paul [MitwirkendeR] Walport, Mark [MitwirkendeR] Janeway, Charles A., 1943-2003 [Begründer des Werks] Heidelberg : Spektrum Akad. Verl. 2009

    Der Experimentator: Immunologie Luttmann, Werner, 1962- [MitwirkendeR] Bratke, Kai [MitwirkendeR] Küpper, Michael [MitwirkendeR] Myrtek, Daniel [MitwirkendeR] Berlin : Springer 2014

    Grundwissen Immunologie Schütt, Christine, 1947- [VerfasserIn] Bröker, Barbara, 1960- [VerfasserIn] Heidelberg : Spektrum Akademischer Verl. 2011

    Basiswissen Immunologie Kaufmann, Stefan H. E., 1948- [VerfasserIn] Berlin [u.a.] : Springer 2014

    Unterrichtssprache

    Deutsch

    1 SWS
    2 ECTS
    Patentwesen | VO

    Patentwesen | VO

    1 SWS   2 ECTS

    Inhalt

    • Gewerbliche Schutzrechte
    • Umgang mit Patentschriften
    • Schutzbereich von Patenten
    • Neuheit und Stand der Technik
    • Erfinderische Tätigkeit
    • Sonstige Patentierbarkeitsvoraussetzungen
    • Patentanmeldeverfahren
    • internationaler Patentschutz
    • Patentprivatrecht insb. Lizenzverträge

    Lernergebnisse

    • Die Studierenden entwickeln komplexe Patentstrategien für innovative pharmazeutische Technologien und analysieren potenzielle rechtliche Herausforderungen, ethische Implikationen und globale Marktdynamiken kritisch.

    • Die Studierenden sind in der Lage, die Auswirkungen von Patentrechtsänderungen auf die pharmazeutische Industrie zu evaluieren und daraus resultierende innovative Ansätze für den Schutz geistigen Eigentums zu konzipieren, unter Berücksichtigung internationaler Rechtsrahmen und gesellschaftlicher Bedürfnisse.

    Lehrmethode

    Vortrag

    Prüfungsmethode

    Immanente Leistungsüberprüfung: schriftliche Zwischentests

    Hausarbeit

    mündliche Prüfung

    Literatur

    Anderl, A. (2020): Praxisleitfaden "IP in der Praxis", MANZ Verlag Wien

    Stadler, Koller (2019): PatG | Patentgesetz, Linde Verlag

    Kucsko, G. (2023): Geistiges Eigentum (f. Österreich), MANZ Verlag Wien

    Unterrichtssprache

    Deutsch

    1 SWS
    2 ECTS
    Physiologie | VO

    Physiologie | VO

    1 SWS   2 ECTS

    Inhalt

    • Die Studierenden erlernen die Prinzipien der allgemeinen Physiologie im Kontext der ADME (Absorption, Distribution, Metabolismus, Exkretion) und deren Bedeutung für die Entwicklung von Arzneistoffen.
    • Dabei werden zentrale physiologische Prozesse auf molekularer, zellulärer und Systemebene analysiert, um ein tiefes Verständnis für die Wechselwirkungen zwischen physiologischen Mechanismen und pharmakologischen Effekten zu entwickeln.
    • Zudem werden die Grundlagen der Organphysiologie, Neurophysiologie und Immunphysiologie behandelt, um die physiologischen Basiskenntnisse zu vermitteln. 

    Lernergebnisse

    • Die Studierenden können die komplexen Wechselwirkungen zwischen funktioneller Anatomie und den pharmakokinetischen Prozessen (Absorption, Verteilung, Metabolismus und Ausscheidung) kritisch analysieren und daraus innovative Ansätze für die Optimierung von Arzneimittelformulierungen und personalisierten Therapiestrategien ableiten.

    • Die Studierenden können die Wirkprinzipien und potentiellen Nebenwirkungen von Biopharmazeutika, insbesondere rekombinanter zugelassener Produkte, kritisch evaluieren und daraus innovative Strategien zur Optimierung der Wirksamkeit und Sicherheit neuer biopharmazeutischer Therapien ableiten, unter Berücksichtigung komplexer regulatorischer Anforderungen und ethischer Implikationen.

    Lehrmethode

    Vortrag

    Prüfungsmethode

    Endprüfung: Schriftliche Prüfung

    Literatur

    • Krämer, I. et al (2011): Rekombinante Arzneimittel, Springer
    • Pape, H. (2014): Physiologie, Thieme Verlag

    Unterrichtssprache

    Deutsch

    1 SWS
    2 ECTS
    Prozessmodellierung und Simulation | VO

    Prozessmodellierung und Simulation | VO

    2.5 SWS   5 ECTS

    Inhalt

     Diese Lehrveranstaltung gibt eine praxisnahe Einführung in die Modellierung (Modul1: BPM, Modul2: BPR) und Simulation (Modul 3: DES, Modul 4: ABS/SD) von Prozessen. Anwendungsbeispiele, Fallstudien und Tutorials werden in den Softwarepaketen Bee-Up und AnyLogic umgesetzt, analysiert und interpretiert.

    Aufbau:
    1. Modul: Business Process Modelling (BPM)
    2. Modul: Business Process Reengineering (BPR)
    3. Modul: Discrete Event Simulation (DES)
    4. Modul: Agent-based Simulation (ABS) und System Dynamics (SD)

    Lernergebnisse

    • Die Studierenden modellieren, komplexe Abläufe eigenständig, evaluieren dabei geeignete Simulationstechniken und analysieren Ergebnisse systematisch. Sie wenden dazu fundierte Methoden zur Erfassung und Optimierung komplexer Prozessketten an und entwickeln innovative Ansätze zur Effizienzsteigerung.

    • Die Studierenden reflektieren Modellierungsergebnisse kritisch, integrieren interdisziplinäre Perspektiven und übernehmen Verantwortung für strategische Entscheidungen im Kontext der Prozessgestaltung.

    Lehrmethode

    Das Flipped-Classroom-Konzept kombiniert Online-Lehre und Selbstlerneinheiten, um eine praxisnahe Einführung in die Prozessmodellierung (BPM, BPR) und Simulation (DES, ABS, SD) zu bieten. Anwendungsbeispiele, Fallstudien und Tutorials mit Bee-Up und AnyLogic werden umgesetzt und analysiert. Zoom-Einheiten klären Fragen und integrieren interaktive Elemente, während Moodle-basierte Selbstlerneinheiten Inhalte flexibel und individuell vermitteln. Unterstützende Materialien wie Simulationsbeispiele, Screencasts, Lernfragen, Tutorials und ein Skriptum ergänzen die Lehre.

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Immanente Leistungsüberprüfung durch u.a.: Mitarbeit, Abgaben, Tests, Challenges, Gruppenarbeiten, Präsentationen, Übungsbeispiele

    Literatur

    M. Hammer/J. Champy (2006); Reengineering the Corporation; Harper Business Verlag
    A. Borshchev (2014); The Big Book of Simulation Modeling; Lightning Source Inc
    Dr. Arash Mahdavi (2019); The Art of Process-Centric Modeling with AnyLogic; AnyLogic

    Unterrichtssprache

    Deutsch

    2.5 SWS
    5 ECTS
    Wahlfach Bioinformatik | ILV

    Wahlfach Bioinformatik | ILV

    2.5 SWS   5 ECTS

    Inhalt

    Verschiedene Inhalte im Bereich Bioinformatik. Es sind Lehrveranstaltungen anrechenbar aus folgenden Bereichen:

    • Biologisch/Medizinischer Fokus
    • Technischer Fokus
    • Wirtschaftlich/Rechtlicher Fokus

    Lernergebnisse

    • Studierende sind in der Lage, sich eigenständig mit bioinformatisch relevanten Themen auseinanderzusetzen.

    • Studierende sind in der Lage, inter- und multidisziplinäre Abhängigkeiten zu verstehen und in ihren Arbeitsablauf zu integrieren.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Praktische Übungen sowie Prüfung

    Literatur

    In dieser LV ändern sich die Themen jedes Jahr, daher kann keine Übergreifende Literaturliste hinterlegt werden.

    Aktuelle Literatur und Tutorials werden am Beginn der Lehrveranstaltung bekannt gegeben da sich diese Ressourcen laufend ändern. / Additional current literature and tutorials will be announced at the beginning of the course as these resources are constantly changing.

    Unterrichtssprache

    Deutsch-Englisch

    2.5 SWS
    5 ECTS
    Modul Medizinische Datenanalyse

    Medizinische Datenanalyse

    5 SWS   10 ECTS

    Lernergebnisse

    • Die Studierenden setzen, statistische Methoden zur Analyse und Interpretation klinischer Daten ein, um medizinische Diagnosen zu unterstützen .

    • Die Studierenden konzipieren und wenden Techniken des maschinellen Lernens zur Identifizierung von Biomarkern und zur Vorhersage von Krankheitsverläufen an.

    • Studierende reflektieren ethische und datenschutzrechtliche Aspekte bei der Analyse sensibler medizinischer Daten, und stellen sicher dass diese in ihren Entwicklungen berücksichtigt werden.

    5 SWS
    10 ECTS
    Bioinformatics for Clinical Applications | ILV

    Bioinformatics for Clinical Applications | ILV

    1.5 SWS   3 ECTS

    Inhalt

    Die Studierenden lernen, commandline-tools anzuwenden um bioinformatische Analysen zu skripten, um genetische Auffälligkeiten zu detektieren.

    Anforderungen an die Software bzw. Datenanalyse bei klinischen Studien. Analysen die im Rahmen der personalisierten Medizin relevant sind (z.B. genetische Marker) und deren Anforderungen an das Datenmanagement und die Datensicherheit.

    Lernergebnisse

    • Die Studierenden entwickeln bioinformatische Methoden, die den Reglen der Anwendung im klinischen Umfeld entsprechen.

    • Studierende verantworten in ihren Applikationen die ethischen und datenschutzrechtlichen Hintergründe die mit der Analyse von medizinischen Daten einhergehen.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungen und praktisches Abschlussprojekt

    Literatur

    • Bioinformatics workflows for clinical applications in precision oncology, Natalie Jäger, Seminars in Cancer Biology, Volume 84, 2022, Pages 103-112, ISSN 1044-579X, doi.org/10.1016/j.semcancer.2020.12.020.
    • Recommendations for Bioinformatics in Clinical Practice: https://www.biorxiv.org/content/10.1101/2024.11.23.624993v1.article-info
    • Development of a Body of Knowledge for the Clinical Bioinformatician: Perspectives from the Association for Molecular Pathology's Clinical Bioinformatician Body of Knowledge Steering Committee: https://www.sciencedirect.com/science/article/pii/S1525157824003155

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS
    Biomarker and predictive medicine | ILV

    Biomarker and predictive medicine | ILV

    2 SWS   4 ECTS

    Inhalt

    Einführung in Biomarker und ihre Rolle:

    • Definition und Klassifikation von Biomarkern (diagnostisch, prognostisch, prädiktiv).
    • Anwendungen von Biomarkern in personalisierter Medizin und Krankheitsüberwachung.
    • Beispiele für Biomarker in Genomik, Proteomik und Metabolomik.

    Datenanalyse und Validierung von Biomarkern:

    • Nutzung bioinformatischer Methoden zur Identifikation und Analyse potenzieller Biomarker.
    • Statistische und maschinelle Lernansätze für prädiktive Modellierung.
    • Validierungsstrategien: Robustheit, Reproduzierbarkeit und klinische Relevanz.

    Anwendungen in der prädiktiven Medizin:

    • Integration von Multi-omics-Daten zur Vorhersage von Krankheitsrisiken und Therapieansprechen.
    • Entwicklung prädiktiver Modelle für individuelle Behandlungsstrategien.
    • Herausforderungen und ethische Aspekte der Biomarker-Nutzung in der Medizin.

     

    Lernergebnisse

    • Die Studierenden können bioinformatische Methoden anwenden, um potenzielle Biomarker aus Multiomics Daten zu identifizieren und deren prädiktive Relevanz durch statistische und maschinelle Lernansätze zu analysieren

    • Die Studierenden sind in der Lage, prädiktive Modelle für personalisierte medizinische Anwendungen zu entwickeln und die Validität sowie klinische Anwendbarkeit von Biomarkern kritisch zu bewerten.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungen während der Vorlesung sowie Prüfung

    Literatur

    Unterrichtssprache

    Englisch

    2 SWS
    4 ECTS
    Software als Medizinprodukt | VO

    Software als Medizinprodukt | VO

    1.5 SWS   3 ECTS

    Inhalt

    Teil1: Vermittlung des essenziellen Know Hows zum Thema "Software als Medizinprodukt":

    • Was ist ein Medizinprodukt, welche rechtliche Basis hat es, wie ist es definiert und abzugrenzen? Wann kann Software ein Medizinprodukt sein?
    • Welche Phasen der Entwicklung eines Medizinproduktes gibt es, was ist im Zusammenhang damit zu beachten? Qualitätssicherungsmaßnahmen und aktuelle Anforderungen aus sich ändernden Rechtsmaterien (MDR - Medical Device Regulation). Ein weiterer Schwerpunkt im o.a. Kontext wird auf die Validierung von Software als Medizinprodukt gelegt, in welcher auch die klinische Prüfung mit behandelt wird.

    Teil 2: Legale Grundlagen bzgl. der Integration von AI Algorithmen in medizinischer Software (AI Act) sowie die Umsetzung der DSVG in bioinformatischen Softwarelösungen.

    Lernergebnisse

    • Studierende sind in der Lage (Software als) Medizinprodukt zu definieren und abzugrenzen, sowie die Phasen der Entwicklung von Medizinprodukten zu nennen.

    • Studierende kennen die Grundlagen zur operationalen Durchführung von Projekten zur Entwicklung von Medizinprodukten, insbesondere Validierung von Software als Medizinprodukt.

    • Studierende kennen die rechtlichen Anforderungen an Medizinprodukte und Software im medizinisch- naturwissenschaftlichen Umfeld.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungsaufgaben und Präsentationen

    Literatur

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS
    Modul Projektmanagement

    Projektmanagement

    1.5 SWS   5 ECTS

    Lernergebnisse

    • Die Studierenden planen, koordinieren und leiten Projekte im Bereich der Bioinformatik eigenständig. Sie führen interdisziplinäre Teams und treffen strategische Entscheidungen im Kontext von Forschungsprojekten.

    • Die Studierenden evaluieren verschiedene Projektmanagement-Methoden und konzipieren eine geeignete Lösung im Kontext des spezifischen bioinformatischen Projektes.

    • Die Studierenden strukturieren Projekte in Teams wo sie Entwicklungsentscheidungen verantworten und reflektieren.

    1.5 SWS
    5 ECTS
    Projektmanagement | ILV

    Projektmanagement | ILV

    1 SWS   2 ECTS

    Inhalt

    Grundlagen des IT-Projektmanagements:

    • Einführung in Projektmanagement-Methoden (z. B. Wasserfall, Agile, Hybrid).
    • Projektlebenszyklus: Initiierung, Planung, Durchführung, Überwachung und Abschluss.
    • Rollen und Verantwortlichkeiten in IT-Projekten (z. B. Projektmanager, Scrum Master).

    Werkzeuge und Techniken:

    • Nutzung von Projektmanagement-Tools.
    • Ressourcen-, Zeit- und Kostenmanagement in IT-Projekten.
    • Risikomanagement und Change-Management im IT-Umfeld.

    Team- und Kommunikationsmanagement:

    • Förderung von Zusammenarbeit und effizienter Kommunikation in interdisziplinären Teams.
    • Konfliktlösung und Stakeholder-Management.
    • Erfolgskriterien und Evaluierung von IT-Projekten.

    Beispiele aus dem medizinisch/naturwissenschaftliche Umfeld.

    Lernergebnisse

    • Die Studierenden können Projektmanagement-Methoden und -Werkzeuge anwenden, um IT-Projekte effizient zu planen, durchzuführen und deren Fortschritt sowie Ressourcen zu überwachen.

    • Die Studierenden sind in der Lage, effektive Kommunikationsstrategien und Teammanagement-Techniken einzusetzen, um die Zusammenarbeit in interdisziplinären IT-Projektteams zu fördern und Stakeholder-Anforderungen erfolgreich zu managen.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Übungen sowie praktisches Projekt

    Literatur

    • Project Management for Small Projects, Third Edition; Sandra F. Rowe; Berrett-Koehler Publishers; 3rd edition (August 25, 2020); ISBN-13: 978-1523097685
    • www.geeksforgeeks.org/agile-project-management/
    • Project Management Overview; Kenton Lennard Jones; Independently published (March 1, 2025); ISBN-13: 979-8312671759

    Unterrichtssprache

    Englisch

    1 SWS
    2 ECTS
    Scientific writing and thesis proposal | ILV

    Scientific writing and thesis proposal | ILV

    0.5 SWS   3 ECTS

    Inhalt

    Einführung in das wissenschaftliche Schreiben und das Verfassen der Themenschrift.

    • Richtige Zitierweise
    • Schreibworkshop

     

    Lernergebnisse

    • Studierende sind in der Lage, einen qualitativ hochwertigen wissenschaftlichen Text zu verfassen.

    • Studierende sind in der Lage, ihr geplantes Masterprojekt im Rahmen einer Themenschrift klar darzustellen und wissenschaftlich korrekt zu formulieren.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Endprüfung: Masterarbeitsproposal (Themenschrift), Praktisches Projekt

    Literatur

    • www.fh-campuswien.ac.at/lehre/zentrum-fuer-wissenschaftliches-schreiben.html
    • Apoorv TS. Writing for Clarity: A Concise Guide for Scientific Writing and Tips for Selecting a Journal. Indian J Radiol Imaging. 2025 Jan 9;35(Suppl 1):S49-S52. doi: 10.1055/s-0044-1800802.
    • Writing and publishing a scientific paper: https://link.springer.com/article/10.1007/s40828-022-00160-7?fromPaywallRec=true
    • Writing a scientific article: A step-by-step guide for beginners: https://www.sciencedirect.com/science/article/pii/S1878764915001606

    Unterrichtssprache

    Englisch

    0.5 SWS
    3 ECTS

    Modul Electives

    Electives

    2.5 SWS   5 ECTS

    Lernergebnisse

    • Nach Abschluss der Lehrveranstaltung können Studierende komplexe Fragestellungen aus verschiedenen interdisziplinären Bereichen (medizinisch, technisch oder wirtschaftlich) analysieren und bioinformatische Methoden zur Lösung solcher Probleme vorschlagen.

    • Nach Abschluss der Lehrveranstaltung sind Studierende in der Lage, spezifisches Wissen aus einem gewählten Themengebiet auf neuartige Szenarien zu übertragen und die Implikationen kritisch zu bewerten.

    • Nach Abschluss der Lehrveranstaltung können Studierende bioinformatische Technologien und Daten für die Entwicklung innovativer Geschäftsmodelle analysieren und dabei wirtschaftliche, ethische und gesellschaftliche Aspekte berücksichtigen.

    2.5 SWS
    5 ECTS
    Electives (5 ECTS nach Wahl)
    Advanced Sequencing Lab | ILV

    Advanced Sequencing Lab | ILV

    2.5 SWS   5 ECTS

    Inhalt

    Vertiefung in die Sequenziermethodik, mit speziellen Anwendungen wie z.B.

    • Direct RNA-Sequencing
    • Selective Sequencing
    • Sequencing of cfDNA
    • Exosome Sequecing

    Lernergebnisse

    • Studierende entwickeln und evaluieren Methoden für neue biologische Fragestellungen und setzen diese praktisch um.

    • Studierende etablieren Protokolle für spezialisierte Sequenziermethoden und reflektieren kritisch über mögliche Fehler- und Kontaminationsquellen.

    • Studierende entwickeln Workflows für die Analyse der eigenständig erstellten Daten, und stellen die Ergebnisse eloquent und klar dar.

    Lehrmethode

    Laborübung mit anschließender Auswertung

    Flipped classroom

    Prüfungsmethode

    Endprüfung: Moodle Tests und Report

    Literatur

    • SOPs und Protokolle
    • nanoporetech.com
    • Chen, X., Xu, H., Shu, X. et al. Mapping epigenetic modifications by sequencing technologies. Cell Death Differ 32, 56–65 (2025). doi.org/10.1038/s41418-023-01213-1
    • Dai Y, Yuan BF, Feng YQ. Quantification and mapping of DNA modifications. RSC Chem Biol. 2021 May 21;2(4):1096-1114. doi: 10.1039/d1cb00022e. PMID: 34458826; PMCID: PMC8341653.

    Unterrichtssprache

    Deutsch-Englisch

    2.5 SWS
    5 ECTS
    Entrepreneurship | VO

    Entrepreneurship | VO

    1.5 SWS   3 ECTS

    Inhalt

    • Grundzüge Entrepreneurship
    • Aktuelle Herausforderungen im Start-up-Bereich
    • Ideengenerierung
    • Entrepreneurial Spirit: Start-up-Teams bilden
    • Elemente einer Unternehmensgründung/Aufbau eines Start-ups
    • Fehlerkultur
    • Pitch-Vorbereitung

    Lernergebnisse

    • Die Studierenden sind mit Begriffen aus dem Bereich Entrepreneurship und Ideengenerierung vertraut und können damit verbundene Tools theoretisch und praktisch anwenden.

    • Die Studierenden sind in der Lage, die ersten Schritte einer Start-up-Gründung von Beginn an bis zur Vorstellung der Geschäftsidee in Form eines Pitches auszuüben.

    • Die Studierenden können Teamstrukturen erkennen und anwenden.

    Lehrmethode

    Blended learning

    Projektarbeit in Teams

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Endpräsentation der Projektarbeit (Pitches)

    Literatur

    Bücher:

    Barringer B., Ireland, R. (2018): Entrepreneurship: Successfully Launching New Ventures. 6. Edition. Pearson Education Limited

    Ries, E. (2017): The Lean Startup: How Today's Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. Currency

    Catmull, E; Wallace, A. (2014): Creativity, Inc.: Overcoming the Unseen Forces That Stand in the Way of True Inspiration. Random House

     

    Artikel:

    Etemad, H. (2021): The evolutionary trends of international entrepreneurship in the past two decades: The state of the field in the face of COVID-19’s global crisis. J Int Entrep 19, 149–163/2021. doi-org.uaccess.univie.ac.at/10.1007/s10843-021-00299-

    Yoonseock, L.; Young-Hwan, L. (2020): University Start-Ups: The Relationship between Faculty Start-Ups and Student Start-Ups. doi.org/10.3390/su12219015

    Moffitt, K; O´Leary, D.E. (2019): Gathering and evaluating innovation ideas using crowdsourcing: Impact of the idea title and the description on the number of votes in each phase of a two-phase crowdsourcing project. doi-org.uaccess.univie.ac.at/10.1111/exsy.12430

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS
    Life Cycle Analysis | VO

    Life Cycle Analysis | VO

    1.5 SWS   3 ECTS

    Inhalt

    • Historischer Hintergrund von LCA
    • Environmental Impact Kategorien
    • Prozesse und Flüsse
    • Funktionale Einheiten
    • ISO 14040/44
    • Vergleichende LCA
    • Ökologischer Fußabdruck des Produkts
    • LCA Projektmanagement

    Lernergebnisse

    • Die Studierenden reflektieren den Impact von Forschungsprojekten und evaluieren Lifecycle Assessments für biotechnologische Produkte und Prozesse kritisch.

    • Die Studierenden beherrschen das Modell des ökologischen Fußabdrucks und Verfahren, um Prozessschritte im Hinblick auf ihre Nachhaltigkeit zu bewerten und zu optimieren.

    Lehrmethode

    Blended Learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Zwischenprüfung

    Gruppen Report

    Mitarbeit

    Endprüfung

    Literatur

    Rolf Frischknecht: Lehrbuch der Ökobilanzierung. Springer-Verlag GmbH. Berlin, 2020

    ILCD Handbook – General Guide for Life Cycle Assessment – Detailed guidance. European Union, 2010

    Product Environmental Footprint Category Rules Guidance. Version 6.3. European Union, 2018

    Unterrichtssprache

    Englisch

    1.5 SWS
    3 ECTS
    Wahlfach Bioinformatische Spezialisierung | ILV

    Wahlfach Bioinformatische Spezialisierung | ILV

    2.5 SWS   5 ECTS

    Inhalt

    Verschiedene Inhalte im Bereich Bioinformatik. Es sind Lehrveranstaltungen anrechenbar aus den folgenden Bereichen:

    • Biologisch/Medizinischer Fokus
    • Technischer Fokus
    • Wirtschaftlich/Rechtlicher Fokus

    Lernergebnisse

    • Studierende sind in der Lage, sich in spezifische Themen im weiteren Bereich der Bioinformatik eigenständig einzuarbeiten.

    • Studierende sind in der Lage, Projekte in bioinformatischen Themenbereichen zu konzipieren und umzusetzen.

    Lehrmethode

    Blended learning

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Praktische Übungen und Prüfung

    Literatur

    Diese Vorlesung ändert sich jedes Jahr eine generelle Literaturliste kann daher nicht angegeben werden.

    Aktuelle Literatur und Tutorials werden am Beginn der Lehrveranstaltung bekannt gegeben da sich diese Ressourcen laufend ändern. / Additional current literature and tutorials will be announced at the beginning of the course as these resources are constantly changing.

    Unterrichtssprache

    Deutsch-Englisch

    2.5 SWS
    5 ECTS
    Modul Masterarbeit

    Masterarbeit

    1 SWS   25 ECTS

    Lernergebnisse

    • Studierende haben praktische Erfahrung in der Planung, Gestaltung, Durchführung, Dokumentation und Präsentation von wissenschaftlichen bzw. ingenieur-technischen Arbeiten. Sie entwickeln Masterarbeitsthemen, konzipieren diese als Themenschrift, führen die Arbeit durch und verfassen diese.

    • Die Studierenden sind in der Lage, ein wissenschaftliches Forschungsprojekt eigenständig zu planen, durchzuführen und abzuschließen, indem sie Expertenwissen aus ihrem Fachbereich und angrenzenden Disziplinen anwenden, geeignete Methoden und Werkzeuge auswählen sowie kritisch reflektierte und innovative Lösungen für komplexe Problemstellungen entwickeln.

    • Die Studierenden sind in der Lage, eine naturwissenschaftlich-technische Masterarbeit eigenständig zu verfassen, indem sie auf Basis ihres Expertenwissens und unter Berücksichtigung wissenschaftlicher Standards eine komplexe Fragestellung analysieren, relevante Daten erheben, auswerten und interpretieren. Sie können ihre Ergebnisse in einem strukturierten und nachvollziehbaren Dokument darstellen, das den Anforderungen an wissenschaftliche Redlichkeit und methodische Sorgfalt entspricht, und diese in einem interdisziplinären Kontext reflektieren und verteidigen.

    1 SWS
    25 ECTS
    Masterarbeit | MT

    Masterarbeit | MT

    0 SWS   23 ECTS

    Inhalt

    Der Inhalt dieser Lehrveranstaltung ist das Verfassen einer Masterarbeit.

    Viele Studierende entwickeln Masterarbeitsthemen, forschen und verfassen ihre Masterarbeit in Kooperation mit bzw. auf Vorschlag von Unternehmen. Etwa 20% finden ein Thema mit Hilfe ihrer Lehrenden bzw. Betreuer*innen.

    Lernergebnisse

    • Studierende können eine wissenschaftliche Arbeit auf Masterniveau verfassen.

    • Studierende bearbeiten eigenständig wissenschaftliche Forschungsfragen und wählen adäquate Methoden um neue Erkenntnisse abzuleiten.

    Lehrmethode

    Die Masterarbeit ist in Rücksprache mit der FH-Betreuerin / dem FH-Betreuer und nach Genehmigung der Studiengangsleitung zu verfassen.

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Beurteilung der Masterarbeit nach einem standardisierten Katalog.

    Literatur

    Pospiech, U. (2012): Wie schreibt man wissenschaftliche Arbeiten? Duden Ratgeber

    Unterrichtssprache

    Deutsch-Englisch

    23 ECTS
    Masterarbeit Seminar | SE

    Masterarbeit Seminar | SE

    1 SWS   1 ECTS

    Inhalt

    • Anleitungen und Präsentation der Masterarbeit mit Diskussion zur Planung, Gestaltung, Durchführung, Dokumentation und Präsentation der wissenschaftlichen bzw. ingenieurtechnischen Arbeiten.
    • Übung der im Rahmen der Masterprüfung abzuhaltenden Präsentation
    • Was ist besonders bei der Präsentation einer wissenschaftlichen Arbeit zu beachten?
    • Feedback erhalten & geben.

    Lernergebnisse

    • Nach Absolvieren der Lehrveranstaltung können Studierende ihre Masterarbeit effektiv zusammenfassen und präsentieren. Sie kennen die Grundlagen in Bezug auf Aufbau der Präsentation, Darstellung der Ergebnisse, Präsentationsstil und Einhaltung der zeitlichen Vorgaben.

    • Studierende können facheinschlägige Literatur kritisch bewerten und zusammenfassen.

    • Die Studierenden sind am Ende der Lehrveranstaltung in der Lage, ein wissenschaftliches Thema aufzuarbeiten.

    Lehrmethode

    Präsentationen, Diskussion eines wissenschaftlichen Artikels

    Prüfungsmethode

    Immanente Leistungsüberprüfung: Beurteilung der Präsentation (Aufbau, Gestaltung der Folien, Vortragsstil, Einhaltung der zeitlichen Vorgaben)

    Literatur

    Eco, U. (2020): Wie man eine wissenschaftliche Abschlußarbeit schreibt: Doktor-, Diplom- und Magisterarbeiten in den Geistes- und Sozialwissenschaften, utb

    Müller, E. (2013): Schreiben in Naturwissenschaften und Medizin, utb

    Unterrichtssprache

    Deutsch-Englisch

    1 SWS
    1 ECTS
    Masterprüfung | AP

    Masterprüfung | AP

    0 SWS   1 ECTS

    Inhalt

    Prüfungsgespräch über studienrelevante Inhalte.

    Lernergebnisse

    • Die Studierenden beweisen in einem Prüfungsgespräch über die Masterarbeit und studienrelevante Inhalte ihr quervernetztes Wissen in der Bioinformatik.

    • Die Studierenden können Projekte präsentieren.

    Lehrmethode

    Selbststudium

    Prüfungsmethode

    Endprüfung: Präsentation der Masterarbeit, Diskussion, Prüfungsgespräch

    Literatur

    Pospiech, U. (2012): Wie schreibt man wissenschaftliche Arbeiten? Duden Ratgeber

    Unterrichtssprache

    Deutsch-Englisch

    1 ECTS

    Semesterdaten:
    Wintersemester: Mitte August bis Ende Jänner
    Sommersemester: Anfang Februar bis Mitte Juli

    Anzahl der Unterrichtswochen
    20 pro Semester

     

    Unterrichtszeiten
    18.00-21.15 Uhr (ca. vier Mal zwischen Mo und Fr); Sa (ganztägig; ca. alle zwei Wochen, ab 8.30 Uhr)

    Unterrichtssprache
    Deutsch

    Wahlmöglichkeiten im Curriculum
    Angebot und Teilnahme nach Maßgabe zur Verfügung stehender Plätze. 

    * Vorbehaltlich der Genehmigung durch die entsprechenden Gremien.

     

    Das Mikrobiom im öffentlichen Raum – ORF-Beitrag zu einer internationalen Studie

    Bakterien und Viren sind seit der Corona-Pandemie im Fokus. Jede Metropole, jeder Ort hat seinen eigenen Mix an Bakterien und Viren. Diese findet man an Plätzen, wo besonders viele Menschen unterwegs sind. Bioinformatikerin Alexandra Graf hat DNA-Proben entnommen, die im Labor sequenziert wurden. Die Untersuchung war Teil einer groß angelegten internationalen „Studie zum urbanen Mikrobiom“.

    (Mayrs Magazin vom 20.08.2021)

     

    Vernetzen mit Absolvent*innen und Organisationen

    Wir arbeiten eng mit zahlreichen Industrieunternehmen, Universitäten wie der Universität für Bodenkultur Wien, dem Austrian Centre of Industrial Biotechnology (ACIB) und weiteren Forschungsinstituten zusammen. Das sichert Ihnen Anknüpfungspunkte für Ihre berufliche Karriere oder Ihre Mitarbeit bei Forschungs- und Entwicklungsaktivitäten. Viele unserer Kooperationen sind auf der Website Campusnetzwerk abgebildet. Ein Blick darauf lohnt sich immer und führt Sie vielleicht zu einem neuen Job oder auf eine interessante Veranstaltung unserer Kooperationspartner*innen!


    Nach dem Studium

    Als Absolvent*in dieses Studiums stehen Ihnen vielfältige Berufsfelder und Karrierechancen offen, auch auf globaler Ebene.

    Ausgehend von der historisch gewachsenen Brau- und Pharmaindustrie hat sich Wien zu einem Zentrum der biotechnologischen Forschung entwickelt. Viele Betriebe dieser Branchen haben in den letzten Jahren eigene Bioinformatik-Abteilungen gegründet. Hochdurchsatz-Sequenzanalysen und Vergleiche größerer Genome erfordern besonders leistungsfähige Sequenzanalyse- und Modellierungsmethoden, Datenbankverwaltungssysteme und graphische interaktive Anzeige-Tools für die teilautomatisierte Verarbeitung riesiger Genomik-Datenmengen. Neben der Genomikanalyse befasst sich die Bioinformatik mit verschiedenen anderen Bereichen wie z.B. der Genexpressionsanalyse. Als Absolvent*in sind Sie in der Lage, Datenbanken zu erstellen und zu betreiben sowie Applikationssoftware zu entwickeln. Sie wissen, wie Sequenz- und Funktionsanalysen von Biomolekülen funktionieren. Sie können molekularbiologische Experimente simulieren und softwaregestützte Vorhersagen treffen. Das Studium schafft auch eine gute Basis, um selbstständig Dienstleistungen anzubieten.

    • Biotechnologische Forschungsunternehmen

    • Biopharmazeutische Industrie

    • Industrielle Biotechnologie

      • Medizinische und molekularbiologische Forschung

      • Bioinformatik-Dienstleistungsanbieter*innen

        Herr in hellblauem Hemd sitzt neben anderem Herrn in dunkelrotem Pullover auf einer Bank im Hintergrund eine Wiese und eine Straße

        Im Gespräch

        Bioinformatiker sprechen die Sprache der Medizin

        Anton Grünberg und Andreas Redl sind erfolgreiche Unternehmer. Mit dem Softwareunternehmen Datamedrix haben sie sich auf die Pharmazeutische Industrie, HealthCare und Bioinformatik spezialisiert. Sie selbst sagen rückblickend: ihre beste Entscheidung war, das Studium Bioinformatik absolviert zu haben und auch warum.

        Weiterlesen

        Studieren einfach gemacht

        Bücher mit Geld
        Förderungen & Stipendien
        >
        Hände zeigen auf Weltkarte
        Auslandsaufenthalt

        Fachwissen, Sprachkenntnisse, Horizont erweitern.

        >
        Fisch springt in einen Wassertank mit anderen Fischen
        Offene Lehrveranstaltungen
        >
        Bücher und Laptop
        Wissenschaftliches Schreiben
        >
        Intensiv-Deutschkurs
        >
        EICC
        >
        Doktoratsservice
        >
        Nostrifizierung
        >
        Barrierefrei studieren
        >
        queer @ FH Campus Wien
        >

        Gruppe von Menschen
        27. November 2024

        Ines Swoboda auf Alpha-Gal Symposium an der University of Georgia

        Von 20. bis 21. November 2024 versammelten sich führende Expert*innen, darunter Allergieforscherin Ines Swoboda, an der University of Georgia, um die neuesten wissenschaftlichen Erkenntnisse zur Alpha-Gal-Allergie zu diskutieren.

        • Forschungszentrum Molecular Biotechnology
        • Applied Life Sciences
         

        Events

        Alle Events
        <
        >
         

        Aktivitäten in Forschung & Entwicklung

        Nachhaltigkeit bei Verpackungen und bei der Herstellung von Organismen, oder etwa Allergieforschung auf der Zellebene – hier passiert zukunftsfähige Forschung.


        Downloads

        Themenfolder Applied Life Sciences
        pdf, 1 MB

        Kontakt

        Studiengangsleitung

        Sekretariat

        Elisabeth Beck
        Elisabeth Holzmann, Bakk. techn.
        Johanna Bauer
        Barbara Philipp

        Favoritenstraße 222, E.3.22
        1100 Wien
        +43 1 606 68 77-3600
        +43 1 606 68 77-3609
        bioengineering@fh-campuswien.ac.at

        Lageplan Hauptstandort Favoriten (Google Maps)

        Öffnungszeiten während des Semesters
        Mo bis Do, 16.30-18.15 Uhr

        Telefonische Erreichbarkeit
        Mo bis Do, 10.00-18.15 Uhr
        Fr, 10.00-14.00 Uhr


         

        Sie möchten mehr wissen? Wir helfen Ihnen.

         

        Haben Sie alle gewünschten Informationen gefunden?

        • Ja
        • Nein