Digitale Technologien M.Eng.

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.

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.

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.

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.

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.

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

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.