Smart Products & AI-driven Development

• Programmiersprachen (Klassifizierung, Prinzipien, Historie)
• Detaillierte Betrachtung einer modernen Programmiersprache (z.B. Phyton)
• Übersicht und Auswahl eines Coding Assistenten
• Aufbau von Programmen
• Datentypen, Operatoren, Ablaufstrukturen
• Entwicklungsumgebung
• Typische Arbeitsschritte
• Einrichten der Entwicklungsumgebung
• KI unterstützte Programmierung (Eingabe, Debugging, Ausführung)
• Selbständige Planung und Programmierung auf Basis der in der Vorlesung vermittelten Programmiersprachen
• Entwicklung von KI-erweiterten Programmen

• Grundlagen der Datenübertragung
• Leitungsgebundene Datenübertragung
• Leitungsungebundene Kommunikation
• Technologien und Anwendungen moderner Netzwerke
• OSI-, Hybrid- und TCP/IP-Referenzmodell
• Drahtgebundene Datenübertragung (I2C-Kommunikation, Serielle Kommunikation)
• Drahtlose Netzwerke
• Sensornetzwerke und Ansätze (z.B. MANET, WMN)
• Ende-zu-Ende Protokolle: UDP, TCP
• Ausgewählte Protokolle der Anwendungsschicht (z.B. FTP, HTTP, HTTPS, SMTP, MQTT)
• Sicherheitskonzepte und Zugriffsverfahren
• Release Updates für Netzwerke
• Elemente eines Messberichts
• Auswahl von Übertragungstechnologien und -protokollen

• Einführung (Daten, Informationen, Wissen, zeitliche Komponenten, Zielsetzungen)
• Datenprozess (Sammeln, Aufbereiten, Analyse, Darstellung)
• Datenaufbereitung (Bereinigung, Umformung, Umskalierung, Speicherung)
• Ansätze für die Analyse von Daten
• Darstellung/Visualisierung von Ergebnissen
• Software (Open Source und proprietäre Software)
• Machine Learning – Prozess, Ansätze, Umsetzung
• Einführung in die verwendete Software z.B. Python
• Sammeln und Aufbereiten von Daten mit Hilfe von Software
• Analyse und Darstellung von Beispieldaten unter Nutzung verschiedener Ansätze (z.B. Regression, Entscheidungsbäume etc.)

• Überblick über Begriffe und Definitionen
• Grundlegende Algorithmen und Modelle
• Identifikation und Bewertung von Anwendungsbereichen im Kontext des Produktentwicklungsprozesses von smarten Produkten
• Limitationen von KI
• Generierung und Modifizierung von Texten
• Generierung und Modifizierung von Bildern und Videos
• Generierung und Modifizierung von Audio
• Prompting Strategien (z.B. Retrieval-Augmented-Prompting)
• Nutzung und Interaktion mit KI
• Lokale vs. Gehostete KI-Modelle
• Qualitätssicherung von KI-Modellen
• Ethische Betrachtung und Implikationen bei der Verwendung von KI-Modellen
• Limitationen unterschiedlicher Modelle und Strategien

• Digitale Trends und Wellen der Veränderung
• Unterschied zwischen digitalen und traditionellen Unternehmen bzw. deren Entwicklungspfade
• Gestaltungsebenen, Rahmenbedingungen und Herausforderungen durch digitalen Wandel
• Frameworks für die Bewertung der digitalen Reife
• Smarte Produkte – Entwicklung
• Ecosystem IoT und Daten
• Use Cases von smarten Produkten und Lösungen
• Bedeutung des Veränderungsmanagements
• Individuelle und soziale Aspekte der Veränderung
• Widerstand, Konflikt und Krise
• Grundsätzliche Ansätze des Veränderungsmanagements
• Arten der Veränderung
• Modelle der Veränderung (e.g. Lewin, GE-CAP,...)
• (Projekt)-Management der Veränderung: Generisches Phasenmodell und Integration in Projekten
• Techniken und Tools der Veränderung(Z.B: Zielkreis, Change Stretch, WIIFM, Empathy Map, ...)

• Grundlagen der digitalen Ökonomie und Trends
• Digitale Geschäftsmodelle
• Bedeutung von Daten
• Ansätze für die Entwicklung von Strategien, Geschäftsmodellen und Geschäftsprozessmodellen
• Businesspläne
• Risikoreduktion/Umsetzung

• Einführung in Datenschutz und deren Umsetzung
• Begriffsbestimmungen: personenbezogene Daten, Datenregister, öffentlich zugängliche Daten, Pseudonymisierung
• Informationelle Selbstbestimmung, Gesetze und Verordnungen zu Datenschutz
• Rechte der Betroffenen
• Organisatorische Maßnahmen zum Schutz personenbezogene Date
• Strafrechtliche / Zivilrechtliche Aspekte: Betriebsgeheimnisse, Aussageverweigerung
• Einführung in die Ethik als Wissenschaft vom guten und richtigen Entscheiden und Tun
• Relevante Faktoren ethischer Urteilsbildung
• Methoden ethischer Argumentation
• Verantwortungsbegriff
• Wirtschafts- und Technikethik als Unterdisziplinen der Ethik
• Ethische Herausforderungen in digitalisierten und globalen Informations- und Wissensgesellschaften
• Auswirkungen des technischen Wandels auf Work life Balance und Familie

• Einführung in Digital Twin, deren Bedeutung und Anwendungsbereiche
• Vermittlung der theoretischen Grundlagen und Methoden der Modellbildung
• Überblick über Simulationstechniken und deren typische Anwendungen
• Kennenlernen verschiedener Simulationssoftware und praktische Übungen
• Erstellung und Analyse von Modellen für smarte, kommunizierende Produkte
• Integration von Digital Twins in IoT-Systeme und deren Vorteile
• Einführung in fortgeschrittene Themen wie Condition Monitoring und Predictive Maintenance
• Diskussion über die Rolle von Digital Twins in der zukünftigen Technologieentwicklung.
• Planung und Durchführung eines eigenen Digital Twin Projekts zur Anwendung des Gelernten

• Grundlagen der Mensch-KI-Interaktion
• Menschliche Kognition, mentale Modelle, Entscheidungsverhalten
• HCI-Prinzipien für KI-Systeme
• UX-Design für KI
• Interaktionsmuster (konversationelle Benutzeroberflächen, Agenten, multimodale Schnittstellen)
• Prompt-Design, Systemmeldungen, Feedbackschleifen
• Vertrauen und Nutzerakzeptanz
• Mensch-in-the-Loop & Mensch-on-the-Loop
• Angleichung der Mensch-Maschine-Rollen
• Aufgabenverteilung, Grenzen der Automatisierung
• Design zur Fehlervermeidung und -behebung
• Empathische und soziale Aspekte der KI-Interaktion
• Soziale Reaktionen, Vertrauen
• Überzeugende und adaptive Systeme
• Methoden & Werkzeuge
• Usability-Tests für KI-Systeme
• Prototyping-Werkzeuge
• Evaluierungsmethoden (Aufgabenerfolg, Vertrauensmetriken, kognitive Belastung)

• Basics of Descriptive Statistics
• Measurement System Analysis
• Sampling
• Statistical Process Control
• Process Control Charts
• Process Capability Analysis
• Components of Variants Analysis (COV)
• Repetition Basics of Concluding Statistics
• Failure Cause Determination via Hypothesis Testing (T-test, Chi-Sq, ANOVA) * Multiple Regression Analysis

• Auswertungswerkzeuge mit visueller Ausrichtung, z.B. Bl-Tools wie MS PowerBl, Tableau, QlikView
• Darstellungsbibliotheken, z.B. matplotlib.pyplot, gglot2
• Regeln der visuellen Communication, z.B. Hichert SUCCESSS

• Neue Technologien im Bereich der KI-Entwicklung
• Trends im Bereich der Programmiersprachen für KI
• Neue Designkonzepte im Bereich der KI
• Neue Fragestellungen im Bereich der KI-Forschung
• Neue Fragestellungen im Bereich der KI-Praxis

• Neue Technologien im Bereich Big Data Processing
• Trends im Bereich der Programmiersprachen in der Datenanalyse
• Neue Verarbeitungskonzepte von Daten (z.B. Data Lake)
• Neue Fragestellungen im Bereich der Data Science Forschung
• Neue Fragestellungen im Bereich der Data Science Praxis

• Aktuelle Best-Practice Ansätze und Konzepte in Anwendungsgebieten (z.B. Smart Home, Smart City, Smart Production, Connected Vehicles etc.)
• Aktuelle Best-Practice Ansätze hinsichtlich der Entwicklungsprozesse und - tools
• Aktuelle Forschungs- und Entwicklungsaktivitäten bzw. Forschungs- und Entwicklungsergebnisse

• IoT Architektur (e.g. Referenzmodelle)
• Anforderungen an IOT Systeme
• IoT Datenübertragungsprotokolle
• Einsatz von IoT im industriellen Kontext (Beispiele)
• Grundlagen der Sensorik
• Grundlagen von Embedded Systemen
• Vorgehen bei der Implementierung von IoT Systemen
• Prototypische Implementierung von IoT Systemen
• Auswahl von Sensoren
• Erhebung, Visualisierung und Auswertung von Daten
• Herausforderungen bei der Implementierung

• Vorstellung unterschiedlicher anwendungsorientierter Analyseplattformen (z.B KNIME, RapidMiner, Grafana)
• Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
• Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
• Diskussion der unterschiedlichen Ansätze

• Personaleinsatzplanung und Ressourcenmanagement
• Vertrags- und Finanzmanagement (Kosten- und Leistungsrechnung)
• Qualitätsmanagement und Qualitätssicherung (Reviews, Audits etc.)
• Mitarbeiterinformation und -kommunikation; IT-Strategie und IT-Portfoliomanagement
• Risikomanagement; IT-Governance und Compliance
• ITIL, CoBIT
• Service-Level-Agreements und Outsourcing
• Balanced-Scorecard-Methode
• IT-Management-Tools (ADOit etc.)

• Grundbegriffe: Geschäftsprozess, Workflow, BPMS, WFMS, RPA, etc.
• Auswahlkriterien für Workflow-Engines zur Prozessautomatisierung
• Architektur und Integrationen von Workflows zur Prozessautomatisierung
• Überblick zur Interprozesskommunikation
• Transaktionale Eigenschaften der Prozesse, Simulation und Code-Generierung
• Grundlagen zu Microsoft Dynamics 365: Module und Navigation, Basis-Entitäten und Standard-Workflows
• Organisatorische und technische Umsetzung mit Konfiguration und deklarativer Programmierung

• Current developments in the area of business application systems with
special emphasis on ERP-systems. Models, examples, best practice cases

• Grundlagen des Projektmanagements
• Projektmanagement Methoden und Tools
• Rollen in Projekten; Kommunikation u. Dokumentation
• Problem-, Konflikt-, Risiko- und Krisenmanagement
• Theorien/Modelle und Vorgehen für Teambuilding
• Tools für die Unterstützung von Teambuilding

• Verständnis von Herstellungsprozessen und Montagetechniken
• Materialauswahl und -anwendung
• Integration der Materialwissenschaft in das Design
• Nachhaltigkeit in der Fertigung
• Innovative Fertigungstechnologien
• Kostenanalyse und Effizienz
• Qualitätskontrolle und -prüfung

• Internationales Management vor einem länderspezifischen Kontext
• F&E Strategie und Systeme auf Staatenebene
• Technologie- und Innovationsansätze

• Vertiefung der Methoden und Ansätze von wissenschaftlichen Arbeiten
• Forschungsdesign für wissenschaftliche Fragestellungen
• Qualitative und quantitative Forschungsmethoden
• Nutzung von Methoden und Tools
• State of the Art Literaturrecherche und Nutzung von Zitationstools e.g. Citavi
• Vorbereitung auf das Exposé für Masterarbeit
• Hinweise zur formalen Gestaltung der Masterarbeit

• Arbeiten im Team und Teamorganisation
• Ableiten einer Fragestellung
• Auswahl einer geeigneten Methodik und korrespondierenden Werkzeugen
• Planung, Durchführung und Steuerung von Projekten
• Integrative Anwendungen von erworbenen Kompetenzen und Wissen
• Aufbereitung und Vermittlung von Ergebnissen
• Selbstreflexion

• Begleitung der Studierenden bei der Erstellung der Masterarbeit
• Vorstellung und Diskussion der Fragestellung/Hypothese, Gliederung der Masterarbeit, wissenschaftliche Methodik und formale Gestaltung der Masterarbeit
• Review des Analyseteils und kritische Reflektion zur Auswertung
• Struktur der Arbeit, angemessene Aufteilung, klare Ergebnisstruktur und Fazit
• Kürzer Überblick zur Masterprüfung und dessen Anforderungen

• Begleitung der Studierenden bei der Erstellung der Masterarbeit
• Vorstellung und Diskussion der Fragestellung/Hypothese, Gliederung der Masterarbeit, wissenschaftliche Methodik und formale Gestaltung der Mas- terarbeit

• Systemlösungen und Architektur von Embedded Systems und Charakteristika
• Embedded Hardware (Prozessoren, Speicher, I/O, Busse)
• Embedded Software (Operating System, Middleware, Applikation, Treiber)
• Echtzeitbetrieb (Klassifizierung, Umsetzung)
• Mehrprozessorbetrieb
• Kennenlernen von einfachen Plattformen (z.B. Raspberry Pi, Arduino, FPGA) und der Entwicklungsumgebung
• Umsetzen von einfachen Anwendungsfällen bzgl. der Verarbeitung von Sensoren und der Ansteuerung von Aktoren
• Umsetzen von unterschiedlichen Möglichkeiten der Datenübertragung
• Durchführung eines komplexeren Abschlussprojektes

• Arten von Produktentwicklungsprozessen für unterschiedliche Produkte, Märkte und Unternehmen
• Traditionelle PE vs. Agile PE vs. Mixed - welches Konzept unter welchen Randbedingungen
• Design Thinking als zentrales Entwicklungskonzept
• Methoden der Produktentwicklung:
• Ideating- and creative methods for solving problems like: Ishikawa, root-course, risk management, functional analysis, SWOT, FMEA ,…..
• Requirements engineering
• Market- and patent-analysis
• Concept
• Systematical finding of technical solutions using AI
• Evaluation of ideas and concepts
• Design
• Simulation of functional aspects (stress/strain, displacements, movement,….)
• Prototyping
• Testing
• Spezielle Aspekte Smarter Produkte

• Definition/Klassifikation von Sensoren
• Aufbau und Funktion einer Messkette
• Einsatzfelder und Funktionsprinzipien von Sensoren
• Grundlagen Mikrosensorik
• Sensoreigenschaften (statisches und dynamisches Verhalten, Zuverlässig- keit etc.)
• Messfehler und Fehlerquellen
• Kalibrierung
• Signalübertragung/-verarbeitung
• Grundbegriffe relevanter Messtechnik
• Anwendung von Sensoren für verschiedene Bereiche (z. B. Temperatur, Gewicht, Druck, Beschleunigung, Lage etc.)
• Analyse und Auswertungen von Funktionsprinzipien und Eigenschaften von Sensoren
• Aufbau und Eigenschaften der Datenübertragung und Datenverarbeitung in einer Messkette
• Auswertung, Interpretation und Speicherung von Messungen

• Abtragende Laserbearbeitung (Lasercut)
• Additive Fertigungsmethoden (z.B. 3D-Druck)
• Digitale Prototypen (z.B. Click Dummies für Apps)
• Scan-Technologien
• Grundlagen CAx
• Virtual Prototyping
• Design Thinking
• Kreativitätsmethoden
• Erstellung eines Prototyps

• Definition von Produkt Design
• Einordnung in den Produktentstehungsprozess
• Ablauf, Ansätze/Prinzipien und Werkzeuge für Produktdesign mit Schwerpunkt auf generative KI
• Bewertungskriterien und die Evaluierung von Erarbeiteten oder bestehenden Konzepten

• Product & Process Life Cycle
• Risk determination strategies
• Planning of safe systems (concepts & strategies)
• Planning of secure systems (threat analysis, countermeasures)
• Structure & Concepts of reliable control systems

• Besonderheiten von smarten Produkten
• Neue Produktmanagement-Ansätze
• Marktforschung
• Produktstrategie
• Kaufentscheidungskriterien bzw. Akzeptanz (Treiber, Hindernisse)
• Besonderheiten bei der Einführung und Vermarktung
• Datenbasierte Entscheidungen
• Lebenszyklusmanagement