Digitale Technologien M.Eng.

In diesem Modul wird der Wandel der Arbeitswelt durch Industrie 4.0 zum Gegenstand gemacht und mit unterschiedlichen Schwerpunkten behandelt. Wie wirkt sich die Digitalisierung der Arbeitsprozesse auf die Arbeitsorganisation aus? Welche Anforderungen werden an das Management gestellt, wenn uns um die verschwimmenden Grenzen zwischen Arbeit und Privatleben geht? Wie können Menschen ihre subjektiven Fähigkeiten gewinnbringend in ihre Arbeit einbringen? Die Studierenden lernen neue Formen der Arbeitsorganisation kennen und entwickeln daraus Schlüsselqualifikationen für erfolgreiche Führung. Am Ende des Moduls sind sie in der Lage, neue Herausforderungen proaktiv anzugehen, erproben Gestaltungsmöglichkeiten und Lösungsstrategien und können diese anschließend bewerten.

Apple, Google, Tesla – allesamt bekannte Geschäftsmodell-Innovationen. Welche Innovationsregeln und Muster liegen diesen Unternehmen zugrunde? Und was macht generell ein erfolgreiches Geschäftsmodell – vor allem unter dem Aspekt der Digitalisierung – aus? Diese Fragen werden im Modul unter Analyse zahlreicher Beispiele thematisiert. Die Studierenden lernen außerdem erfolgreiche Strategien kennen, wissen wie sich Organisationen gestern und heute unterscheiden müssen und erstellen z.B. einen eigenen Businessplan.

Bis ein neues Produkt auf den Markt kommt, braucht es viele Schritte. Und auch nach der Markteinführung ist eine ständige Kontrolle vonnöten, um den nachhaltigen Erfolg zu sichern. Ziel des Moduls ist es, den Studierenden fundierte Kenntnisse um Bereich des modernen Produkt- und Innovationsmanagements zu vermitteln. Markt- und Unternehmensanalyse, Produktstrategien, Innovationsprozesse, Markteinführung und Produktführung – die Inhalte des Moduls befähigen Studierende die Verantwortung für ein Produkt über den gesamten Produktlebenszyklus hinweg zu tragen.

Selbstlernende Systeme werden immer selbstverständlicher. Sie halten verstärkt Einzug in unseren Alltag und sind auch in Zukunft nicht mehr wegzudenken. Doch wie funktioniert der Prozess des maschinellen Lernens? Wie sehen die Möglichkeiten und Einsatzgebiete, aber auch Grenzen aus?

Grundlegende Fragestellungen und Ziele zu verstehen, die Vorgehensweise des maschinellen Lernens zu kennen und das Wissen um die wichtigsten Begriffe oder auch Problemklassen, ist das Ziel dieses Moduls. Die Studierenden sind nach dem Modul in der Lage, den Einsatz maschineller Lernmethoden für eigene Anwendungsaufgaben zu beurteilen und auch die Grenzen einzuordnen.

Mittels Daten lassen sich vielerlei Rückschlüsse ziehen, um z.B. Prozesse zu optimieren, Ressourcen gewinnbringender einzuplanen oder Produkte innovativ zu gestalten. Dazu muss die riesige Menge an anfallenden Daten allerdings zielführend strukturiert und analysiert werden. Im Modul erarbeiten die Studierenden die Grundlagen der computergestützten Datenverarbeitung und lernen wichtige Speichertechnologien von relationalen Datenbanken bis hin zu NoSQL-Datenbanken und anderen Speichertechnologien für Big Data kennen.

Betriebliches IT-Sicherheitsmanagement ist ein wichtiger Prozess heutiger Unternehmen und Organisationen. Damit die Absicherung der Systeme erfolgreich gelingen kann, braucht es zunächst grundlegendes Wissen über die wichtigsten Typen von Rechnernetzen und deren Einsatzbereiche. Dies wird im Modul zunächst vermittelt, bevor sich die Studierenden mit typischen Angriffs- und Abwehrmethoden beschäftigen. Am Ende verfügen sie über die Kompetenz, typische Schwachpunkte in IT-Infrastrukturen auszumachen und Empfehlungen zu deren Verbesserung auszusprechen. Im letzten Teil der Veranstaltung wird auf Grundlagen von Datenschutz und ethischen Aspekten der Datenverarbeitung eingegangen.

Im Bereich des maschinellen Lernens sind neuronale Netze ein beliebtes Werkzeug, da sie das menschliche Gehirn imitieren und so komplexe Aufgaben lösen können. Im Modul „Neuronale Netze und Deep Learning“ geht es u.a. um die Frage, welche Bedeutung neuronale Netze einnehmen sowie um ihre grundlegende Konzeption und Anwendung. Am Ende des Moduls verfügen die Studierenden über Wissen über typische Netzwerkarchitekturen für bestimmte Anwendungsgebiete, über technologisches Trends und Entwicklungen und können das Potential von Neuronalen Netzen und Deep Learning in Unternehmen einordnen.

Im Modul wird den Studierenden aufgezeigt, dass dem Thema Gender & Diversity auch im Bereich Digitale Technologien/Informatik/Technikentwicklung eine große Bedeutung zukommt. So sind Algorithmen nachweislich nicht immer neutral und objektiv. Das kann sich dahingehend auswirken, dass z.B. Menschen mit heller Hautfarbe bei automatischen Bildzuschnitten häufiger in den Fokus gesetzt werden oder Frauen durch den Algorithmus schlechtere Chancen auf ein Vorstellungsgespräch erhalten trotz gleicher Eignung. Im Modul werden den Studierenden die Grundlagen zu Gender & Diversity vermittelt und in projektorientierten Arbeiten die bestehenden digitale Systeme analysiert und Einzelaspekte ausgearbeitet.

This module aims to introduce students to the fundamental concepts and underlying principles of systems engineering, including systems thinking, as well as the design and management of a range of engineering systems, especially combining mechanical, electronical, and software systems. The focus is on modelling complex systems using SysML with tool support. A running example of an cyber-physical system is used for the exercises.

Learning Outcomes:

• Understand the idea and principles of Systems Engineering
• Understand and use SysML for modelling complex systems
• Understand the 4+1 view on systems architecture
• Learn to use a Systems Engineering tool and model a system from requirements to architecture.

Studierende lernen hier, ihr theoretisches Wissen und ihre praktischen Fähigkeiten mit den Anforderungen der Berufspraxis zu verbinden. Sie kennen die zentralen Ziele, Anforderungen und Prinzipien digitaler Themen. Sie lernen, den Bearbeitungsprozess einer typischen Aufgabenstellung zu planen, den Lösungsweg systematisch zu entwickeln und passende Methoden und Instrumente anzuwenden. Teamwork sowie interne und externe Kommunikation stehen hier im Mittelpunkt.

• Einblick in die Projekte

Die Studierenden bearbeiten in ihrer Masterarbeit eine selbst gewählte Aufgabe im Bereich der Digitalen Technologien und wenden die Regeln des wissenschaftlichen Arbeitens an. Sie lernen, komplexe, aktuelle und theoretisch relevante Themen zu analysieren, klar zu strukturieren und fundiert zu argumentieren. Im Kolloquium zeigen die Studierenden ihre Fähigkeit, die Erkenntnisse der Masterarbeit, ihre fachlichen und methodischen Grundlagen sowie deren Praxisbezug mündlich zu erklären und zu begründen.

Additive Produktionsverfahren sind aus der Industrie nicht mehr wegzudenken, fordern allerdings diverse Kompetenzen, die sich Studierende in diesem Modul aneignen. Neben dem Wissen um wesentliche Aspekte Additiver Produktionsverfahren, erlernen die Studierenden die Verfahren nach ihren spezifischen Eigenschaften zu klassifizieren. Darüber hinaus wird die Fähigkeit vermittelt zu bewerten, ob sich gegebene Fabrikstrukturen für Additive Produktionsverfahren eigenen. Für kundenindividuelle Produkte wissen die Studierenden die Automatisierung und Qualitätssicherung zu planen und werden außerdem dazu befähigt, Fertigungszeiten und -kosten zu berechnen und Geschäftsmodelle für die Additive Serienfertigung zu entwickeln.

Regeln und Methoden für die Bauteilkonstruktion in Hinblick auf unterschiedliche additive Herstellungsverfahren zu kennen heißt, sie auf neue Bauteile übertragen sowie selbstkritisch eigene Druckerzeugnisse analysieren und bewerten zu können. Diese Kompetenzen lernen die Studierenden in diesem Modul. An praktischen Beispielen vertiefen die Studierenden ihr Wissen, konstruieren optimierte Bauteile und fertigen sie mittels verschiedener additiver Herstellungsverfahren.

Ziel der Veranstaltung ist es, den Studierenden die verschiedenen Verfahren von 3D-Scannern aufzuzeigen und in deren Arbeitsweise einzuführen. Sie lernen, ein digitales räumliches Abbild von Körpern zu erstellen – ein strukturiertes CAD-Modell, das zur weiteren Bearbeitung verwendet werden kann. Dazu erfassen die Studentinnen und Studenten selbstständig Maschinenteile und erstellen ein Datenmodell durch eine Anzahl von Punkten in einem räumlichen Koordinatensystem.

In Additiven Fertigungsverfahren wird mit unterschiedlichen Materialen gearbeitet. Diese gilt es in ihren spezifischen Merkmalen, ihrer Erzeugungscharakteristika sowie in ihren Verarbeitungseigenschaften zu kennen. Ob Metall oder Kunststoff – die Studierenden erlernen Materialien zu analysieren, zu bewerten und Verarbeitungsprozesse auf spezifische Materialen hin anzupassen.

Ein selbststeuerndes Produktionskonzept mit Hilfe von Kameratechnologie aufbauen und programmieren – das erlernen Studierende in dieser Veranstaltung. Sie beherrschen am Ende die richtige Komponentenauswahl, können intelligente Programmstrukturen erkennen und gewöhnliche Automatisierungstechnik optimieren. Schnittstellenmanagement sowie das Verstehen von Python als Programmiersprache stellen für sie ebenfalls kein Problem dar.

Das World Wide Web ist als populäre Anwendung des Internets essentiell in unserer Gesellschaft verankert. Es verwendet HTML für die Gliederung von Informationen und CSS für dessen Aussehen und Darstellung. Das Rüstzeug, um grundlegende Entwicklungsmethoden des Web eigenständig umsetzen zu können, bekommen Studierende in diesem Modul an die Hand. Daneben lernen sie, Webinhalte zu strukturieren und zu gestalten, dynamische Websites zu konzipieren und zu erstellen sowie webseitige Anwendungen zu programmieren und mit dem Front-End über Schnittstellen zu verbinden.

An der Schnittstelle zwischen Mensch und Maschine ist ein zielgerichtetes Design heutzutage unerlässlich. Eine gute User Experience und damit einhergehende hohe Nutzerzufriedenheit ist bedeutend für ein Produkt. Um dieses Ziel zu erreichen, werden in diesem Modul passende Fertigkeiten im Bereich Interaktionsdesign vermittelt. Die Studierenden erlernen gestalterische und konzeptionelle Grundlagen, setzen sich mit nutzerzentrierten Anforderungsanalysen auseinander, entwickeln und testen Prototypen.

Zur stetigen Verbesserung digitaler Lösungen ist es wichtig, die Reaktion der User, ihr Verhalten und physischen Signale zu erfassen. Im Bereich der Verhaltens- und Neuroökonomie gibt es zahlreiche Forschungs- und Entwicklungsmethoden, um solche Daten zu sammeln und zu verarbeiten. Fundierte Kenntnisse dieser Methoden erhalten Studierende des Moduls. Darüber hinaus entwickeln sie eine eigene Fragestellung, führen mindestens eine neuroökonomische Methode selbst durch (z.B. Eye-Tracking, fNIRS, EEG, GSR), werten die Daten aus und interpretieren sie.

Jedes System wird für festgelegte Zwecke entwickelt. Damit die definierten Ziele in Hinblick auf Funktion und User Experience sichergestellt werden, bedarf es das Usability Engineering. Dabei unterscheidet es sich von der klassischen Planungs- und Entwicklungsarbeit und verläuft parallel hierzu sozusagen als Kontrollmechanismus. Werden Abweichungen vom Soll-Zustand festgestellt, so trägt das Usability Engineering Sorge dafür, dass Nachbesserungen erfolgen. Nach absolvieren des Moduls beherrschen die Studierenden die Methoden des Usability Engineering. Sie verfügen u.a. über Wissen verhaltenstheoretischer Grundlagen (z.B. Arbeits- und Kognitionswissenschaften), kennen die Kriterien und Methoden zur Evaluierung der Usability sowie aktuelle Entwicklungs- und Testumgebungen.

Internet of Things, Mixed Reality, Gestensteuerung – innovative interaktive Anwendungssysteme werden in interdisziplinären Teams entwickelt. Um hieran gewinnbringend mitzuwirken, setzen sich die Studierenden in dieser Veranstaltung mit modernen Interaktionstechnologien auseinander. Diese reichen von Smart Augmented Reality Glasses (Datenbrillen) über Conversational Interfaces (z.B. Alexa, Google Home) bis hin zu Wearable Computers (z.B. Apple Watch). Die Studierenden lernen Ideen und Konzepte zu entwickeln und diese einer kritischen Analyse und Bewertung zu unterziehen.

Additive Produktionsverfahren sind aus der Industrie nicht mehr wegzudenken, fordern allerdings diverse Kompetenzen, die sich Studierende in diesem Modul aneignen. Neben dem Wissen um wesentliche Aspekte Additiver Produktionsverfahren, erlernen die Studierenden die Verfahren nach ihren spezifischen Eigenschaften zu klassifizieren. Darüber hinaus wird die Fähigkeit vermittelt zu bewerten, ob sich gegebene Fabrikstrukturen für Additive Produktionsverfahren eigenen. Für kundenindividuelle Produkte wissen die Studierenden die Automatisierung und Qualitätssicherung zu planen und werden außerdem dazu befähigt, Fertigungszeiten und -kosten zu berechnen und Geschäftsmodelle für die Additive Serienfertigung zu entwickeln.

This module aims to introduce students to the fundamental concepts and underlying principles of systems engineering, including systems thinking, as well as the design and management of a range of engineering systems, especially combining mechanical, electronical, and software systems. The focus is on modelling complex systems using SysML with tool support. A running example of an cyber-physical system is used for the exercises.

Learning Outcomes:

• Understand the idea and principles of Systems Engineering
• Understand and use SysML for modelling complex systems
• Understand the 4+1 view on systems architecture
• Learn to use a Systems Engineering tool and model a system from requirements to architecture.

Ziel der Veranstaltung ist es, den Studierenden die verschiedenen Verfahren von 3D-Scannern aufzuzeigen und in deren Arbeitsweise einzuführen. Sie lernen, ein digitales räumliches Abbild von Körpern zu erstellen – ein strukturiertes CAD-Modell, das zur weiteren Bearbeitung verwendet werden kann. Dazu erfassen die Studentinnen und Studenten selbstständig Maschinenteile und erstellen ein Datenmodell durch eine Anzahl von Punkten in einem räumlichen Koordinatensystem.

Wie sind Steuerungs- und Automatisierungssysteme aufgebaut? Welche Komponenten, Sensoren (Temperaturmesstechnik, Dehnungsmessstreifen, etc.) und Aktoren (Elektromotoren, Ventiltechnik, etc.) gibt es und wie werden sie zielführend eingesetzt? Studierende erhalten in diesem Modul das Wissen, um derlei Fragestellungen beantworten und Prozess- und Produktionsanalagen planen zu können.

Ein selbststeuerndes Produktionskonzept mit Hilfe von Kameratechnologie aufbauen und programmieren – das erlernen Studierende in dieser Veranstaltung. Sie beherrschen am Ende die richtige Komponentenauswahl, können intelligente Programmstrukturen erkennen und gewöhnliche Automatisierungstechnik optimieren. Schnittstellenmanagement sowie das Verstehen von Python als Programmiersprache stellen für sie ebenfalls kein Problem dar.

Im Modul lernen die Studierenden die Komponenten und Architektur von IoT Anwendungen kennen und werden dazu befähigt, sinnvolle Technologien für das Design einer IoT-Anwendung auszuwählen. Am Ende des Moduls sind sie in der Lage, einfache IoT-Anwendungen vom Endgerät bis zur Datenspeicherung selbst technisch in Python und MicroPython umzusetzen und für komplexere skalierte und sichere (im Sinne der IT-Sicherheit) IoT-Anwendungen sinnvolle Architekturen zu entwerfen.

An der Schnittstelle zwischen Mensch und Maschine ist ein zielgerichtetes Design heutzutage unerlässlich. Eine gute User Experience und damit einhergehende hohe Nutzerzufriedenheit ist bedeutend für ein Produkt. Um dieses Ziel zu erreichen, werden in diesem Modul passende Fertigkeiten im Bereich Interaktionsdesign vermittelt. Die Studierenden erlernen gestalterische und konzeptionelle Grundlagen, setzen sich mit nutzerzentrierten Anforderungsanalysen auseinander, entwickeln und testen Prototypen.

Wie sind Steuerungs- und Automatisierungssysteme aufgebaut? Welche Komponenten, Sensoren (Temperaturmesstechnik, Dehnungsmessstreifen, etc.) und Aktoren (Elektromotoren, Ventiltechnik, etc.) gibt es und wie werden sie zielführend eingesetzt? Studierende erhalten in diesem Modul das Wissen, um derlei Fragestellungen beantworten und Prozess- und Produktionsanalagen planen zu können.

This module aims to introduce students to the fundamental concepts and underlying principles of systems engineering, including systems thinking, as well as the design and management of a range of engineering systems, especially combining mechanical, electronical, and software systems. The focus is on modelling complex systems using SysML with tool support. A running example of an cyber-physical system is used for the exercises.

Learning Outcomes:

• Understand the idea and principles of Systems Engineering
• Understand and use SysML for modelling complex systems
• Understand the 4+1 view on systems architecture
• Learn to use a Systems Engineering tool and model a system from requirements to architecture.

In diesem Modul erlangen die Studierenden Kenntnisse in Ideenfindung, Konzeption, Planung, Entwicklung und Umsetzung von Projektvorhaben zu KI-Anwendungen. Thematisch liegt der Fokus dabei auf Pflanzenbau, Tierhaltung, Landtechnik oder Agrarökonomie, wahlweise auch auf Ernährungs- und Umweltwirtschaft.

Internet of Things, Mixed Reality, Gestensteuerung – innovative interaktive Anwendungssysteme werden in interdisziplinären Teams entwickelt. Um hieran gewinnbringend mitzuwirken, setzen sich die Studierenden in dieser Veranstaltung mit modernen Interaktionstechnologien auseinander. Diese reichen von Smart Augmented Reality Glasses (Datenbrillen) über Conversational Interfaces (z.B. Alexa, Google Home) bis hin zu Wearable Computers (z.B. Apple Watch). Die Studierenden lernen Ideen und Konzepte zu entwickeln und diese einer kritischen Analyse und Bewertung zu unterziehen.

In der Landwirtschaft spielen Machine Learning und Künstliche Intelligenz eine bedeutende Rolle und verändern, wie in anderen Bereichen, operative Prozesse. Aufbauend auf den Pflichtmodulen erweitern die Studierenden in diesem Modul ihre mathematisch-statistischen Grundlagen zu Maschinellem Lernen und KI mit Fokus auf Anwendungen in der Agrar-, Ernährungs- und Umweltwirtschaft. Sie lernen bereits praktizierte und marktreife Anwendungen kennen, diskutieren Entwicklungschancen und erhalten eine Vorstellung von Zukunftsperspektiven in Hinblick auf mögliche spätere Berufsfelder.

Die Vorlesung vermittelt Studierenden ein vertieftes Verständnis darüber, wie künstliche Intelligenz (KI) Organisationen transformiert. Ausgehend von der Prämisse, dass KI nicht nur ein Tool, sondern ein neuer „Akteur“ in Unternehmen ist, werden klassische Konzepte der Strategie und Führung neu gedacht. Zunächst wird das strategische Potenzial von KI anhand digitaler Geschäftsmodelle, Datenökosysteme und agentischer Systeme erläutert. Darauf aufbauend analysieren die Studierenden, wie operative Entscheidungen, Struktur, Prozesse und Rollen in einer KI-getriebenen Organisation neu ausgestaltet werden müssen. Neben Fragen der Technologieintegration stehen auch Aspekte der Governance, Ethik und organisationalen Anpassungsfähigkeit im Zentrum. Das Modul kombiniert dabei Perspektiven der digitalen Transformation mit aktuellen Forschungsergebnissen zur Zusammenarbeit zwischen Mensch und Maschine.

In diesem Modul erlangen die Studierenden Kenntnisse in Ideenfindung, Konzeption, Planung, Entwicklung und Umsetzung von Projektvorhaben zu KI-Anwendungen. Thematisch liegt der Fokus dabei auf Pflanzenbau, Tierhaltung, Landtechnik oder Agrarökonomie, wahlweise auch auf Ernährungs- und Umweltwirtschaft.

Nachhaltige Pflanzenproduktion und die Auswertung von Klimadaten werden für die Agrarwirtschaft in Zeiten des Klimawandels immer wichtiger. Ziele der Veranstaltung sind deshalb, dass die Studierenden agrarmeteorologische Grunddaten auswerten, Kalkulations- und Schätzverfahren für produktionstechnische Maßnahmen mit Hilfe von Sensortechnologien anwenden und Beratungsempfehlungen ableiten können. Von besonderer Bedeutung ist dies für die umweltsensiblen Bereiche des Pflanzenbaues (wie Düngungsstrategien) und Verfahren des Pflanzenschutzes.

Auch in der Landwirtschaft hält die Digitalisierung Einzug. Auf dem Arbeitsmarkt sind daher Spezialist*innen gefragt, die sowohl über agrarisches Fachwissen verfügen als auch ein vertieftes Verständnis der wichtigsten Funktionsprinzipien der modernen Kommunikations- und Informationstechnologie vorweisen. Im Modul lernen die Studierenden wichtige digitale Anwendungen in Tierhaltung und Pflanzenbau, Farmmanagementsysteme sowie stufenübergreifende Plattformkonzepte praktisch kennen und können deren Chancen und Risiken einschätzen. Fragen der IT-Sicherheit, Betriebssicherheit und Datenhoheit bereiten ihnen keine Probleme und sie wissen fallspezifisch mögliche Lösungen abzuleiten.

Georeferenzierte Daten tragen einen großen Nutzen zur Optimierung biologischer, technischer und ökonomischer Prozesse bei. Mit Schwerpunkt auf Anwendung in der Bioökonomie lernen die Studierenden in der Veranstaltung die wichtigsten Quellen sowie die technischen Grundlagen zur Gewinnung/Bereitstellung von georeferenzierten Daten kennen. In Übungen werten sie beispielsweise Satelliten- und Luftbilder sowie maschinengenerierte Ertragskarten aus oder erstellen elektronische Applikationskarten für Landmaschinen. So kennen sie am Ende die relevanten Datenformate und können den potenziellen Nutzwert von Geo-Daten bewerten und in interdisziplinären Teams Projekte voranbringen.

Daten sind im Pflanzenbau und in der Tierproduktion von hoher Relevanz. Im Modul erlangen die Studierenden Kenntnisse im Umgang mit und in der Bewertung von Daten. Dazu werden die Methoden des Datenflusses in der Pflanzen- und Tierproduktion erarbeitet und Managementwerkzeuge zur Datengewinnung und zum Datentransfer erprobt. Zudem arbeiten die Studierenden mit Managementinformationssystemen mit Kennzahlen zur Bewertung der Wirtschaftlichkeit von Arbeitsverfahren und Produktionsprozessen, zur Prozessqualität und Umweltbeanspruchung.

Im Modul setzen sich die Studierenden mit internationalen Fachstudien zur Welternährungswirtschaft auseinander. Sie erwerben Kenntnisse zentraler wissenschaftlicher Theorien und Methoden, erläutern reale sowie monetäre Außenwirtschaftsbeziehungen im Agrar- und Ernährungsbereich und beurteilen außenwirtschaftliche Eingriffe wissenschaftlich fundiert. Darüber hinaus lernen die Studierenden, Lösungsvorschläge zu Fragen der Welternährungswirtschaft qualifiziert zu beurteilen, eigene Standpunkte darzustellen und wissenschaftlich zu begründen.