Industrial Informatics & Robotics
Agiles Projektmanagement
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1APMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Basierend auf der Kenntnis von Zielen und theoretischen Grundlagen des agilen Projektmanagements implementieren Studierende eigene Projekte unter Verwendung der entsprechenden Tools und Methoden und reflektieren kritisch, wie agile Herangehensweisen sich auf die Umsetzung auswirken.
Übergeordnetes Modul:
Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Digital Signal Processing 1
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1DSPIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die mathematischen Konzepte für die Beschreibung kontinuierlicher und diskreter Signale und Systeme und kennen die Beziehungen zwischen Zeit- und Frequenzbereich. Sie sind vertraut mit den Grundlagen der Abtastung und können grundlegende Transformationen (Fourier, Laplace, z) anwenden. Sie verstehen die Basis-Algorithmen wie FFT, diskrete Faltung und Korrelation. Sie können kontinuierliche Systeme in diskrete transformieren und verstehen die dabei auftretenden Einschränkungen. Sie verfügen über ein fundiertes Wissen im Design und in der Implementierung digitaler FIR-Filter und verstehen ihre Anwendungsmöglichkeiten. Sie haben Erfahrung in der Simulation von DSP-Algorithmen in einer Laborumgebung und können diskrete Systeme mit Hilfe von Simulationssoftware und mit Hilfe von Low-level-Programmiersprachen implementieren.
Übergeordnetes Modul:
Mechatronik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Discussion & Argumentation Skills
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1DASIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können ein Thema auf Englisch klar und verständlich präsentieren. Sie sind befähigt, Argumente logisch und stringent aufzubauen und auf Fragen und Gegenargumente sprachlich kompetent einzugehen.
Übergeordnetes Modul:
Sozialkompetenz, Kommunikation & Ethik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
IT- & Security-Management
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1ITMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verfügen über das notwendige Wissen, um die IT in einem Unternehmen erfolgreich zu gestalten und zu managen. Als künftige IT & Security Manager*innen verstehen sie das betreffende betriebliche, rechtliche und soziale Umfeld und beherrschen den Aufbau, das Management (Rollen/Zugriffsrechte) einer IT-Infrastruktur, um u.a. auch der EU-Datenschutzverordnung gerecht zu werden. Sie haben die Fähigkeit, die IT auf die Unternehmensorganisation und Bedürfnisse auszurichten und verstehen die IT als Teil der betrieblichen Prozesse. Darüber hinaus können sie die IT als Business führen und ermöglichen eine Verbesserung der Kerngeschäftsprozesse durch innovative Technologien (Technology Business Management / CTO). Sie können Sicherheitsbedrohungen einschätzen und kennen aktuelle Gegenmaßnahmen. Die Studierenden können zudem technische Maßnahmen zur IT-Sicherheit selbstständig und kompetent umzusetzen.
Übergeordnetes Modul:
Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Industrierobotik 1
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1IROIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können mit Hilfe einer schematischen Roboterzeichnung eine Roboterstellung beschreiben. Sie können die Transformationen (Position und Orientierung) und die Geschwindigkeiten zwischen Werkzeug- und Achskoordinaten berechnen. Sie sind vertraut mit den gängigen Verfahren der Trajektorienplanung und können Trajektorien für Roboter planen. Sie können Roboterprogramme in einem Robotersimulator umsetzen und Simulationsläufe analysieren.
Übergeordnetes Modul:
Robotik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Mathematik & Modellierung
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1MAMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 4 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden erfassen mathematische Ausdrücke in der für sie relevanten Fachliteratur für das Verständnis und die Umsetzung der darin enthaltenen Aussagen. Sie geben eigene Gedankengänge in präziser, mathematischer Schreibweise wieder. Sie wählen geeignete mathematische Verfahren zur Lösung von Sachproblemen aus und setzen diese um.
Übergeordnetes Modul:
Mathematische Methoden
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Mehrgrößenregelung
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1MGRIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die Zustandsraumdarstellung und deren Anwendung zur Modellierung dynamischer Mehrgrößensysteme. Sie können derartige Modelle in Simulationswerkzeugen (z.B. Matlab/Simulink) implementieren. Weiters verstehen sie für die Regelung relevante Systemeigenschaften (Stabilität, Beobachtbarkeit, Steuerbarkeit) und können diese überprüfen. Die Studierenden sind in der Lage, optimale Zustandsregler (LQR) zu entwerfen und an einem Simulationsmodel zu testen. Die Idee von MPC ist bekannt und die Studierenden können MPC-Regler selbständig entwerfen und einstellen.
Übergeordnetes Modul:
Mechatronik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software & Process Notations
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1SPNIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden entwickeln formalisierte Beschreibungen von unterschiedlichen Artefakten der Softwareentwicklung sowie von wirtschaftlichen Abläufen und vernetzen Prozessen. Sie setzen die gängigen UML-Diagrammtypen zur Systementwicklung ein und erweitern die Notation beispielsweise durch Bildung von Profilen. Sie verwenden entsprechende CASE-Tools und bewerten Methoden und Werkzeuge der plattformunabhängigen Softwareentwicklung. Sie beherrschen Abstraktionskonzepte modellgetriebener Softwareentwicklung.
Übergeordnetes Modul:
Software-Engineering
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Verteilte Systeme & Cloud-Technologien
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM1VSCIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden entwerfen, implementieren und deployen verteilte Software-Systeme und realisieren verteiltes Datenmanagement und verteilte softwarebasierte Dienste. Sie setzen aktuelle Komponententechnologien und wirtschaftsrelevante Middleware- und Cloud-Systeme ein und nutzen Methoden und Werkzeuge der plattformunabhängigen Softwareentwicklung.
Übergeordnetes Modul:
Informatik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Applied Statistics
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2ASTIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden erarbeiten sich Basiskompetenzen im Bereich der schließenden Statistik. Hierbei liegt der Schwerpunkt zunächst auf der Erlernung von Methoden der Schätztheorie. Sie sind daher in der Lage aus bestehenden Datensätzen stochastische Modellinformationen zu extrahieren und sowohl verbal als auch graphisch darzustellen. Darauf aufbauend lernen die Studierenden mit Hilfe von stochastischen Simulationen die Modellinformationen zu nutzen und Daten hinsichtlich ihrer Abhängigkeit der zu Grunde liegenden Zufallsvariablen zu beschreiben. In Kenntnis diverser stochastischen Modelle ist es den Studierenden möglich, stochastische Tests durchzuführen und somit Experimente zu planen, auszuwerten und entsprechend zu dokumentieren. Sie kennen unterschiedliche Möglichkeiten der Regression, um Daten so zu analysieren, dass eine unter der Verwendung von Fachvokabular verständliche Dokumentation der gewonnen Ergebnisse ermöglicht wird. Die vom theoretischen Blickpunkt in den Vorlesungseinheiten erarbeiteten statistischen Standards werden in den Übungseinheiten reflektiert und praktisch mit Hilfe von geeigneter mathematischer Software implementiert.
Übergeordnetes Modul:
Mathematische Methoden
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Digital Signal Processing 2
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2DSPIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die theoretischen Grundlagen des Designs von IIR-Filtern und kennen die Vor- und Nachteile verschiedener Filtertypen und Designmethoden. Sie verstehen das Problem der Koeffizienten-Quantisierung und können IIR-Filter mit Hilfe von kaskadierten SoSFilterstrukturen implementieren. Sie kennen das Prinzip von Notch-, und Kammfilter. Die Studierenden verstehen die Theorie adaptiver LMS-Filter und können diese auch implementieren. Weiters kennen sie die wichtigsten theoretischen Grundlagen der Multirate-Signalverarbeitung auch mit Polyphase-Filtern und verstehen die theoretischen Grundlagen von Sigma-Delta-ADCs. Die Studierenden sind in der Lage, grundlegende DSP-Anwendungen auch für 2D-Signale (Images) umzusetzen. Sie haben Erfahrung in der Simulation von DSP-Algorithmen in einer Laborumgebung und können diskrete Systeme mit Hilfe von Simulationssoftware und mit Hilfe von Low-level-Programmiersprachen implementieren.
Übergeordnetes Modul:
Mechatronik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Industrierobotik 2
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2IROIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen ein dynamisches Mehrkörpersystem. Sie können ein Mehrkörpersystem und dessen bestimmende Größen auf gängige Roboterkinematiken beziehen und mit geeigneten Simulationssystemen analysieren. Ausgehend von den dynamischen Robotergleichungen können die Studierenden Mehrgrößenregler synthetisieren und bewerten.
Übergeordnetes Modul:
Robotik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Maschinenethik
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2METIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1,5 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sollen ein grundlegendes Verständnis der Konzepte der künstlichen Intelligenz, des Denkens, des Bewusstseins und der Emotionen erlangen und die damit verbundenen ethischen und moralischen Aspekte analysieren. Zudem sollen sie das Konzept der Maschinen als moralische Akteure verstehen und verschiedene Ansätze zur Implementation von Moral in Maschinen kennenlernen. Durch die Analyse ethischer Fragen im Kontext der Interaktion zwischen Menschen und Maschine sollen die Studierenden in der Lage sein, moralische Herausforderungen im Zusammenhang mit den aktuellen Entwicklungen in der autonomen, intelligenten Maschinentechnologie zu identifizieren und Fallbeispiele wie autonome Waffensysteme, Pflegeroboter und autonomes Fahren zu untersuchen, um daraus ethische Perspektiven abzuleiten. Zudem sollen sie komplexe ethische Fragen im Bereich der Maschinenethik analysieren, verschiedene Standpunkte bewerten, fundierte Urteile treffen, ethische Argumente konstruieren und ihre Meinungen sowohl mündlich als auch schriftlich überzeugend kommunizieren können. Darüber hinaus sollen die Studierenden ein Bewusstsein für ethische Überlegungen im Zusammenhang mit dem Einsatz von Maschinen entwickeln und ihre eigenen ethischen Werte reflektieren und hinterfragen können.
Übergeordnetes Modul:
Sozialkompetenz, Kommunikation & Ethik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Praxisprojekt & Portfolio 1
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2PPPPT |
| Typ | PT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage eine Forschungs- und entwicklungsorientierte Projektarbeit als Einzelprojekt zu planen, zu bearbeiten und zu präsentieren. Sie finden eigenständige Lösungswege im Kontext wissenschaftlicher Evidenz (Recherchekompetenz sowie entsprechende Beweisführung) und erwerben praxisorientierte Problemlösungskompetenz. Dadurch werden sie für jene Bereiche sensibilisiert, die eines vertiefenden, selbstgesteuerten und vollzogenen Wissenserwerbs bedürfen.
Übergeordnetes Modul:
Individualphase 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Selected Algorithms & Optimization
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2SAOIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage, Algorithmen in ihren jeweiligen Anwendungsgebieten auszuwählen und hinsichtlich ihrer Ressourcenanforderungen zu bewerten. Sie verstehen, welche Optimierungen möglich und zielführend sind. Die Studierenden sind darüber hinaus in der Lage, Optimierungen selbst durchzuführen und zu deren Erfolg quantitativ zu bewerten.
Übergeordnetes Modul:
Informatik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software Engineering & Operations
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2SEOIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die verschiedenen Aufgabenfelder und Tätigkeiten im Rahmen des Software- und System-Entwicklungsprozesses (Requirement-Engineering und Softwarequalität; Softwarearchitektur; Detailed Design und Design-for-X; Verifikation und Validierung) und meistern systematisch die Herausforderungen der Organisation von unterschiedlichen wirtschaftsrelevanten Entwicklungsprojekten im Bereich Cyber-Physischer Systeme. Die Studierenden beurteilen Vorgehensmodelle und entwickeln diese eigenständig weiter und treiben Konzeption, Implementierung und Monitoring von professionellen Software- und System-Projekten selbständig voran.
Übergeordnetes Modul:
Software-Engineering
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Vertrieb, Marketing & Digitale Innovation
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2VMDIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die wesentlichen Grundbegriffe des ¿Sales und Marketing¿ und ihre praktische Bedeutung. Die Studierenden bearbeiten eine komplexe Aufgabenstellung aus verschiedenen Bereichen der Wirtschaft (Case Studies), lösen eigenständig eine Problemstellung und dokumentieren diese ingenieurmäßig. Die Studierenden verfügen über einen Überblick der Themenbereiche Digitale Innovation & Digitale Transformation. Die Studierenden haben Kenntnisse über die Funktionsweise der digitalen Wirtschaft (Industrie 4.0, Sharing Economy, Plattformökonomie) und verfügen über ein Grundverständnis zur Bedeutung der digitalen Transformation für Geschäftsprozesse und -modelle.
Übergeordnetes Modul:
Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Zielgruppenorientierte Kommunikation
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | IIRM2ZOKIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1,5 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage, komplexe Inhalte zielgruppenorientiert darzustellen und dabei klar strukturierte Argumentationslinien zu entwickeln. Sie können lösungs- und nutzenorientiert argumentieren sowie Kritik sachlich und konstruktiv formulieren. Sie sind in der Lage, Kritik anzunehmen und dies entsprechend rückzumelden.
Übergeordnetes Modul:
Sozialkompetenz, Kommunikation & Ethik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Deep Learning for Image Analysis
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3DLAIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen sowohl grundlegende als auch aktuelle Ansätze und Methoden aus den Bereichen Deep Learning und Repräsentationslernen für die Bildanalyse und sind in der Lage, diese mit geeigneten Toolboxen auf Datensätze anzuwenden. In praktischen Aufgaben untersuchen sie den Modellaufbau und die Wahl der Modellparameter und entscheiden über den Einsatz von vortrainierten Modellen im Sinne des Transferlernens. Sie kennen Methoden des teilüberwachten Lernens und der Datenanreicherung, um die Effektivität bei kleinen Datensätzen mit Domänenwissen zu optimieren (Small Data Challenge). Sie parametrisieren die jeweiligen Lernalgorithmen und wenden sie auf Datensätze unter optimaler Nutzung der Hard- und Software-Ressourcen an. Sie sind in der Lage, mit diesen Methoden innovative Anwendungen zu entwickeln und kennen die Grenzen und Einsatzgebiete der jeweiligen Algorithmen. Für Studierende des Masters Industrial Informatics & Robotics wird zu Beginn ein Überblick über neuronale Netze gegeben. Studierende aus dem Master AI for Sustainable Technologies erhalten eine Vertiefung zu speziellen Inhalten.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ethik & Nachhaltigkeit
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3ETNIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Nach Absolvierung des Symposions sind Studierende in der Lage, ethisch-moralische Dilemmata zu analysieren und zu reflektieren; Meinungen aus einem Vortrag im eigenen Handlungskontext zu bewerten; gesellschaftliche Fragen mit Blick auf ihr eigenes fachliches / berufliches Umfeld zu argumentieren; ihre eigene Meinung in der Gruppendiskussion zu artikulieren und zu rechtfertigen.
Übergeordnetes Modul:
Professional Skills
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Intercultural Communication Skills
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3ICSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 1,5 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können die komplexen Faktoren identifizieren, die die Kommunikation in interkulturellen Kontexten beeinflussen. Sie sind befähigt, ihre eigene kulturbedingte Rolle im Kommunikationszusammenhang einzuordnen.
Übergeordnetes Modul:
Professional Skills
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterseminar & Masterexposé
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3MMESE |
| Typ | SE |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden betreiben selbständig zielorientierte Struktur- und Inhaltsentwicklung für wissenschaftliche Arbeiten und entwerfen aufeinander abgestimmte Methoden- und Praxis-/Empirikteile. Sie finden relevante Publikationen zum Themenbereich der Masterarbeit und bauen wissenschaftliche Argumentationslinien auf. In Kenntnis des Publikations-Life-Cycle und des Peer-Review-Prozesses verwenden und bewerten sie dazu formale, strukturelle und inhaltliche Qualitätsaspekte von Quellen. Sie verstehen die Bedeutung von wissenschaftlich-methodischem Vorgehen und argumentieren ihre Ideen entsprechend. Sie entwerfen nachvollziehbare Experimente und diskutieren geeignete Metriken zur Beantwortung von Forschungsfragen. Die Studierenden verschriftlichen alle geforderten inhaltlichen Exposé-Bestandteile und führen eigenständig eine Abstimmung mit der Betreuungsperson und letztlich eine Zustimmung durch diese herbei. Ein verbindlicher Zeitplan mit Arbeitsschritten und Meilensteinen liegt vor, wobei der Komplexitätsgrad der Themen- und Fragestellungen der Masterarbeit den zeitlichen und materiellen Ressourcen angemessen ist.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Numerics & Industrial Algorithms
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3NIAIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die Problematik numerischer Berechnung basierend auf verschiedener Zahlenrepräsentationen und können Methoden zur Bewertung numerischer Verfahren anwenden. Sie kennen ausgewählte numerische und industrielle Algorithmen, können diese nach Kriterien der Algorithmenanalyse beurteilen und auswählen. Sie können diese fallweise in Programmcodes umsetzen und können diese unter Zuhilfenahme von Softwarebibliotheken auf praktische Probleme anwenden.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
OT-Security
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3OTSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1,5 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage IT- und OT-Sicherheit zu unterscheiden. Sie kennen die wichtigsten Protokolle und Architekturen von Industrie 4.0 und (I)IoT und sie können eigenständig Strategien entwickeln, um ein grundlegendes Sicherheitskonzept für Produktionssysteme zu erstellen. Studierende sind außerdem in der Lage, einfache OT-Security-Lösungen zu entwickeln, sie zu dokumentieren und deren Vor- und Nachteile zu bewerten. Die Studierenden haben einen Überblick über den Stand der Technik von Industrie 4.0, (I)IoT und OT-Security.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Praxisprojekt & Portfolio 2
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3PPPPT |
| Typ | PT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen das Konzept des Portfolios und dessen Bedeutung für die persönliche und berufliche Entwicklung. Sie entwickeln die Fähigkeit zur Zusammenstellung eines aussagekräftigen Portfolios, das Projektergebnisse, eigene Schlussfolgerungen und persönliche Reflektionen umfasst. Sie kennen verschiedener Strategien zur Präsentation des Portfolios und Auswahl geeigneter Medien und Technologien und setzen das Portfolio erfolgreich um. Sie entwickeln die Kompetenz zur Gestaltung des Portfolios unter Berücksichtigung der Zielgruppe.
Übergeordnetes Modul:
Individualphase 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Systems-Engineering
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3SEGIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Studierende kennen die fachliche Verortung von Systems Engineering, insbesondere relevante Standards, Methoden und Literatur. Sie sind in der Lage, ausgehend von allgemeinen Prozess-Frameworks einen individuellen Systems Engineering Prozess abzuleiten. Weiters haben sie die grundsätzliche Kompetenz erworben, unter Anwendung einschlägiger Frameworks, Modellierungs-Sprachen und -Werkzeugen einfache System Architekturen zu modellieren
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Unternehmensführung & -gründung
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3UFGIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verfügen über einen Überblick der Themenbereiche Unternehmensführung und Unternehmensgründung. Sie kennen den Aufbau und die Zusammenhänge und Prozesse innerhalb eines Unternehmens. Sie kennen den Managementkreislauf und sind in der Lage, die wesentlichsten Instrumente der Unternehmensführung einzusetzen. Sie können einen Businessplan erstellen, außerdem die unterschiedlichen Modelle des zunehmend digitalen Leaderships und diesbezügliche Vorgehen, Stärken und Schwächen und Unterschiede differenziert einsetzen und die Auswirkungen auf die Unternehmenskultur einschätzen.
Übergeordnetes Modul:
Professional Skills
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF: Big Data Engineering
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3BDEIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden meistern die technischen und organisatorischen Herausforderungen des Big Data Processing und wenden Methoden und Techniken der datenintensiven Softwareentwicklung an. Sie setzen gängige Big Data Frameworks ein und nutzen die transdisziplinären Aspekte des Cloud-Computings und kommunizieren dessen technologische Fundierungen. Darüber hinaus implementieren sie ausgewählte Fallbeispiele datenintensiver Business-Anwendungen.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics_WAHLFACH Informatik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF: Industrielle Bildverarbeitung
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM3IBVIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die teilnehmenden Studierenden kennen die wesentlichen Hardware-Komponenten eines industriellen Bildverarbeitungssystems und wissen um deren Eigenschaften und Einsatzmöglichkeiten. Sie beherrschen die Theorie zu den wichtigsten Methoden und Algorithmen und sind in der Lage diese unter Verwendung gängiger Open-Source/kommerzieller Software-Bibliotheken zu implementieren. Die Studierenden können durch Analyse von Bildverarbeitungsaufgaben diese bewerten, um in weiterer Folge in eigenständiger Projektarbeit Lösungen für industrielle Bildverarbeitung unter Verwendung zur Verfügung gestellter Hardwarekomponenten zu entwickeln. Sie wissen, wie Konzepte des maschinellen Lernens auf Problemstellungen der Bildverarbeitung anwendbar sind.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics_WAHLFACH Informatik
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Advanced Presentation Skills
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM4APSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können ein Thema auf Englisch klar und verständlich präsentieren und dabei rhetorische Mittel sowie Elemente des Storytellings der Zielgruppe entsprechend einsetzen. Sie sind in der Lage, die Technik des Storyboardings in der Vorbereitung einer Präsentation anzuwenden.
Übergeordnetes Modul:
Professional Skills
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterarbeit
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM4MAAIT |
| Typ | IT |
| Art | Diplom/Masterarbeit |
| Unterrichtssprache | Deutsch |
| SWS | 0 |
| ECTS-Punkte | 19 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verfassen eigenständig ihre schriftliche Masterarbeit und gehen dabei wissenschaftlich-systematisch vor. Sie betreiben Problemanalyse und -darstellung und erkennen entsprechende Forschungsfragen und -ziele, formulieren Hypothesen und setzen die erforderlichen Arbeitsschritte eigenständig um. Sie entwickeln die inhaltlich auf die Wissenslinien von Lehre und Forschung am Studiengang hin orientierte Masterarbeit, wobei die Studierenden ihre Vorgehensweise dabei wissenschaftlich argumentieren und rechtfertigen sowie ihre Ergebnisse kritisch hinterfragen.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterprüfung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM4MPRDP |
| Typ | DP |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 0 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | abschließend |
Lernergebnis:
Die Studierenden präsentieren kohärent und konzise die Motive, die eingesetzten Methoden und erzielten Ergebnisse ihrer Masterarbeiten und geben einen gut informierten Zukunftsausblick. Sie beantworten zielpublikumsgerecht die gestellten Fragen zu ihrer Masterarbeit, erklären komplexe Zusammenhänge und visualisieren diese adäquat. Darüber hinaus stellen sie gut nachvollziehbare Querverbindungen zu wesentlichen Bezugsfächern des Studiums her und kommunizieren die Innovationsaspekte ihrer Masterarbeiten in allgemeinverständlicher Form.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Mobile Robotik
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM4MRKIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die wichtigsten Bestandteile eines mobilen Roboters und können die verschiedenen Bewegungsarten einer mobilen Plattform gegenüberstellen. Sie kennen die Konzepte der Bewegungsplanung von mobilen Robotern und können diese anwenden. Sie verstehen Strategien der Wahrnehmung für Roboter. Sie kennen Methoden der Lokalisierung, Kartierung, und Navigation und deren Stärken und Schwächen und wissen um Roboterkontrollarchitekturen. Sie können die gelernten Methoden auf eine gegebene mobile Roboterplattform beziehen und mit ROS hardwarenah programmieren.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Moderne Industrieautomatisierung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM4MIAIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1,5 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können die Herausforderungen moderner Industrieautomatisierung bewerten und kritisch beurteilen. Sie können Lösungen ableiten, entwerfen und erarbeiten, die für die Anforderungen an eine flexible und verteilte Automatisierung geeignet sind. Die Studierenden kennen die aktuellen Architektur- und Informationsmodelle und können sie einordnen und in Beziehung setzen und eine Auswahl begründen. Sie können die Transition zu moderner Industrieautomatisierung für ausgewählte Anwendungsfälle aufzeigen und begleiten und wissen digitale Zwillinge für die Produktionsoptimierung zu nutzen.
Übergeordnetes Modul:
Vertiefung Industrial Informatics & Robotics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Reading Group
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | IIRM4RGPIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können Fachvorträgen aus dem Unternehmensumfeld ihres eigenen Studiengangs sowie jenen anderer informationstechnisch fokussierter Studiengänge folgen und inhaltlich über diese Vorträge und deren Schlussfolgerungen diskutieren. Die Studierenden sind darüber hinaus in der Lage, aktuelle Forschungsergebnisse aus thematisch verwandten Forschungsschwerpunkten zu erfassen, mit Studierenden aus den oben genannten Studiengängen zu erörtern sowie kritisch zu reflektieren.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung