Neue Softwarelizenzen zur Programmierung eingeworben

16.04.2019
Von: Stabsstelle Hochschulkommunikation und Öffentlichkeitsarbeit

Prof. Dr. Daniel Münch von der Fakultät Informatik und Mathematik hat Softwarelizenzen im Wert von 45.660 US-Dollar zur kostenlosen Nutzung für Forschung und Lehre eingeworben.

Für die kostenlose Nutzung für Forschung und Lehre konnte Prof. Dr. Daniel Münch von der Fakultät Informatik und Mathematik Softwarelizenzen im Wert von 45.660 US-Dollar einwerben.

Für die kostenlose Nutzung für Forschung und Lehre konnte Prof. Dr. Daniel Münch von der Fakultät Informatik und Mathematik Softwarelizenzen im Wert von 45.660 US-Dollar einwerben. Foto: Florian Hammerich, OTH Regensburg

Grafik zur Entwicklung von Hardware-beschleunigten Funktionen.

Grafik zur Entwicklung von Hardware-beschleunigten Funktionen. Grafik: Prof. Dr. Daniel Münch

Softwarelizenzen im Wert von 45.660 US-Dollar zur kostenlosen Nutzung für Forschung und Lehre konnte Prof. Dr. Daniel Münch von der Fakultät Informatik und Mathematik der Ostbayerischen Technischen Hochschule Regensburg (OTH Regensburg) einwerben. Insbesondere den Bereichen Embedded Systems und Cloud Computing steht damit neueste Technologie zur Verfügung. Bei den Lizenzen handelt es sich um spezielle Xilinx-Softwarelizenzen für die Entwicklung von FPGA-Technologie (Field Programmable Gate Array).

Damit können die bisher schon vorhandenen Angebote in den Fächern Angewandte FPGA Programmierung (DAFP) in Bachelorstudiengängen der Informatik als auch in Hardware-Software-Codesign (HSC) im Master Informatik weiter ausgebaut werden. Insbesondere das Entwickeln von Hardware-beschleunigten Funktionen für Embedded Systems als auch für Cloud Computing wird dadurch vertieft.

Typische Anwendungen für Embedded Systems sind unter anderem die (Echtzeit-)Datenverarbeitung für Funkkommunikation, Netzwerk und Video. Typische Anwendungen im Cloud Computing und Serverumfeld sind Security-Funktionen (Encryption/Decryption), Big Data-Funktionen (Compression) und Bilderkennung (Machine Learning).

Zurück