docs: add obsidian hwr docs

Komplexitätstheorie/vortrag/Randbedingungen_Struktur.md

@@ -0,0 +1,42 @@
+# Vortrag
+### Randbedingungen
+**Thema**: Shortest Vector Problem
+**Dauer**: 10-15min
+**Präsi-Software**: RevealJS
+### Gliederung
+**1. Einleitung & Motivation (~1–2 min)**
+- Warum Gitterprobleme? Kurzer Kontext: Post-Quantum-Kryptografie baut auf der _Härte_ von Gitterproblemen auf — SVP ist das zentrale davon.
+- Ziel des Vortrags: SVP als Problem der Komplexitätstheorie verstehen.
+
+**2. Grundlagen: Was ist ein Gitter? (~2 min)**
+- Mathematische Definition (Linearkombinationen über ℤ einer Basis B ∈ ℝⁿˣⁿ)
+- Anschauliches 2D-Beispiel (Visualisierung Gitterpunkte + Basisvektoren)
+- Begriffe: Basis, Dimension, kürzester Vektor (Minimum λ₁)
+
+**3. Problemdefinition: SVP und Varianten (~2 min)**
+- **Exact SVP**: Finde einen Gittervektor mit Norm = λ₁
+- **Entscheidungsvariante (GapSVP_γ)**: Gegeben Gitter L und Schwelle d — ist λ₁(L) ≤ d oder λ₁(L) > γ·d? (Promise-Problem!)
+- Warum die Gap-Variante? → Approximationsfaktor γ ist der Schlüssel zur Komplexitätsanalyse.
+- Kurzer Hinweis auf verwandte Probleme (CVP — Closest Vector Problem)
+
+**4. Komplexitätstheoretische Einordnung (~4–5 min)** ← Herzstück
+- **NP-Härte**: Ajtai (1998) — SVP ist NP-hart unter randomisierten Reduktionen. Micciancio (2001) verschärft das auf bestimmte Approximationsfaktoren.
+- **GapSVP_γ ∈ NP ∩ coNP** für γ ≥ √n — was bedeutet das? (Zertifikate für JA- und NEIN-Instanzen)
+- **Nicht bekannt ob NP-vollständig** — warum? (Promise-Problem, keine bekannte deterministische Reduktion)
+- **Worst-Case zu Average-Case Reduktion** (Ajtai 1996): Einzigartig in der Komplexitätstheorie — wenn man _zufällige_ Instanzen lösen kann, kann man auch _alle_ lösen. Bedeutung für Kryptografie.
+- Optional: Bezug zur Polynomiellen Hierarchie / Vermutung SVP ∉ P
+
+**5. Algorithmen & bekannte Schranken (~2 min)**
+- **LLL-Algorithmus** (Lenstra, Lenstra, Lovász 1982): Polynomialzeit, aber nur Approximation mit exponentiell großem γ = 2^(n/2)
+- **Exakte Algorithmen**: Enumeration (superexponentiell), Sieving (2^O(n)) — kein bekannter Polynomialzeit-Algorithmus
+- Einordnung: Die Lücke zwischen „effizient approximierbar" und „exakt hart" spiegelt die Komplexitätslandschaft wider.
+
+**6. Bedeutung für Post-Quantum-Kryptografie (~1–2 min)**
+- NIST-Standards (Kyber/ML-KEM, Dilithium/ML-DSA) basieren auf Gitterproblemen (LWE → verwandt mit GapSVP)
+- Sicherheitsannahme: GapSVP ist für kleine γ auch für Quantencomputer hart
+- Verbindung zurück zur Komplexitätstheorie: Worst-Case-Härte als Fundament kryptografischer Sicherheit
+
+**7. Zusammenfassung & offene Fragen (~1 min)**
+- SVP: eines der seltenen Probleme mit Worst-Case-to-Average-Case-Reduktion
+- Offene Fragen: Exakte Komplexität von SVP? Optimale Approximationsgrenzen? Quantenalgorithmen?
+