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.)

• 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 künstlichen Intelligenz
- Überblick über Begriffe und Definitionen
- Grundlegende Algorithmen und Modelle
* Anwendungsbereiche von KI
- Identifikation und Bewertung von Anwendungsbereichen im Kontext des Produktentwicklungsprozesses von smarten Produkten
- Limitationen von KI
* Anwendungen von generativer 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)
* Implementierung von KI
- Nutzung und Interaktion mit KI
- Lokale vs. Gehostete KI-Modelle
- Qualitätssicherung von KI-Modellen
* Einschränkungen und Limitationen
- Ethische Betrachtung und Implikationen bei der Verwendung von KI-Modellen
- Limitationen unterschiedlicher Modelle und Strategien

* 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

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

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- 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

Die Inhalte dieser Lehrveranstaltung sind nicht stabil, sondern werden an die aktuell vorherrschenden Trends angepasst. Exemplarische Inhalte können sein:

- 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

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- 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

Einführung
* 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

Implementierung
* Vorgehen bei der Implementierung von IOT
* Prototypische Implementierung von IOT
* Auswahl von Sensoren
* Erhebung, Visualisierung und Auswertung von Daten
* Herausforderungen bei der Implementierung

* 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 Mas- terarbeit

* 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

* 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

• 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

* 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

Prototyping Technologien
* Abtragende Laserbearbeitung (Lasercut)
* Additive Fertigungsmethoden (z.B. 3D-Druck)
* Digitale Prototypen (z.B. Click Dummies für Apps)
* Scan-Technologien
* Grundlagen CAx
* Virtual Prototyping

Protoyping Konzepte
* Design Thinking
* Kreativitätsmethoden

Erstellung eines Prototyps

* 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