Open-Source Simulationsumgebungen und Visualisierungen für Kernfächer des Informatik-Studiums. Wählen Sie unten einen Fachbereich, um in die jeweiligen interaktiven Übungstools und Simulatoren zu navigieren.
Relationales Datenmodell, deklarative Algebra, SQL Optimierungs-Pipelines, B+ Baum Indexstrukturen, Normalisierung und 2-Phasen-Sperrprotokolle (2PL).
Interaktive visuelle Labore für Kürzeste-Wege-Algorithmen (Dijkstra), selbstbalancierende AVL-Bäume mit allen 4 Rotationen, Sortierverfahren und Master-Theorem.
Architektur-Visualisierungen: 5-Stufen RISC-V Pipeline mit Hazards & Forwarding, CPU Cache-Simulator (Direct / N-Way Set), IEEE-754 Bit-Labor und Amdahl's Law.
Modellierung, Spezifikation & Semantik: Hoare-Kalkül $\{P\}\,c\,\{Q\}$, Weakest Precondition $wp$, Big-Step Semantik ($\Downarrow$), LTL/CTL Model Checking und Resolution.
Endliche Automaten (DFA, NFA), Reguläre Ausdrücke, Kontextfreie Grammatiken, Turingmaschinen und Berechenbarkeit.
Syntax und Semantik von PL1, Resolution, Unifikation, Herbrand-Theorie und Logikprogrammierung (Prolog).
Analysis: Grenzwerte, Stetigkeit, Differentialrechnung, Integralrechnung.
Lineare Algebra: Vektorräume, Matrizen, Eigenwerte, lineare Gleichungssysteme.
Stochastik & Wahrscheinlichkeit sowie Propädeutikum (Logik, Mengen, Induktion).
Empfohlene Reihenfolge mit Lernzielen, Schwierigkeitsgrad, Selbsttests und direktem Next-Step je Fachbereich.
Lernziel: Solides Verständnis für Programmierung, Algorithmen, Softwarebau und KI-Grundlagen.
Lernziel: Hardware-nahe Prinzipien von Digitaltechnik bis Rechnerarchitektur und Netze verstehen.
Lernziel: Formale Methoden, Logik und Berechenbarkeit sicher anwenden.
Lernziel: Analysis, Lineare Algebra und Stochastik als Werkzeug für Informatik aufbauen.
Lernziel: Studienorganisation, wissenschaftliches Arbeiten und gesellschaftliche Reflexion verbinden.