"This site requires JavaScript to work correctly"

Studieren an der THD

Innovativ & lebendig

applied aI for digital production management, m.eng.

fakultät angewandte naturwissenschaften & wirtschaftsingenieurwesen

 

#count%

 

 

 

aller Absolvent:innen der

THD finden innerhalb von

2 Monaten einen Job.

 

 

 

Create data management solutions for production processes

 

#productionmanagement   #logistics    #sustainability    #quality    #lean    #statistics    #AI    #machinelearning    #deeplearning

#dataanalysis    #bigdata    #innovative    #englishpostgraduateprogramme    #industrialengineering

 

Im Zeitalter der Digitalisierung ist die Fähigkeit zur Analyse und Verarbeitung von Big Data in der Industrie unverzichtbar geworden. In allen produzierenden Branchen steigt der Bedarf an qualifizierten Fachkräften, die Big Data in Produktionsprozessen lesen und nutzen können, um effiziente strategische Entscheidungen zu treffen, Innovationen zur Verbesserung der täglichen Arbeitsabläufe zu entwickeln und die Wettbewerbsfähigkeit der Unternehmen zu steigern sowie Qualität und Nachhaltigkeit in der digitalen Produktionskette zu gewährleisten.

Vorlesungen aus den Bereichen maschinelles Lernen, Datenanalyse, Datenmanagement und intelligente Systeme helfen dir, dein Verständnis für innovative Methoden der Datenverarbeitung zu vertiefen. Darüber hinaus bereiten dich Module wie "Advanced Statistical Methods & Optimization" auf die steigenden Anforderungen von KI in Produktion, Logistik und Technologiemanagement vor. Die erlernte Theorie wird durch drei Fallstudien in den Bereichen KI, intelligente Systeme in der Produktion und Produktionssysteme, die von Ingenieur:innen aus Fertigungsunternehmen erstellt und betreut werden, in die Praxis umgesetzt.

HAUPTMERKMALE DES STUDIENGANGS

  • Das Programm ist eine ausgewogene Kombination aus Vorlesungen, Seminaren und Fallstudien.
  • Kleine Lerngruppen bieten dir eine persönliche Betreuung und intensiven Unterricht.
  • Drei KI-Fallstudien helfen dir, Probleme selbstständig zu analysieren und Lösungsvorschläge anzuwenden.
  • Modernste wissenschaftliche Labore mit exzellenter Ausstattung bieten dir die perfekte Infrastruktur, um Hightech-Bereiche der KI zu studieren.
  • Der obligatorische Deutschunterricht vermittelt dir die nötigen Sprachkenntnisse, damit du deine zukünftige Karriere in Deutschland starten kannst.
  • Die internationale und multikulturelle Campus-Gemeinschaft in Cham wird dafür sorgen, dass du dich wie zu Hause fühlst.

steckbrief

Studienabschluss: Master of Engineering (M.Eng.)

Regelstudienzeit: 3 Semester

ECTS-Punkte: 90

Studienbeginn: Wintersemester (ab 01.10.) / Sommersemester (ab 15.03.)

Bewerbungszeitraum:

  • Wintersemester: 15.04. - 15.07.
  • Sommersemester: 15.11. - 15.01.

Studienort: Cham

Unterrichtssprache: Englisch

Zulassungsvoraussetzung:

  • Die Qualifikation für den Masterstudiengang "Applied AI for Digital Production Management" am Lehrstandort Cham wird nachgewiesen durch den Abschluss eines grundständigen Studiums an einer in- oder ausländischen Hochschule im Umfang von mindestens 210 ECTS-Punkten aus dem Bereich Wirtschaftsingenieurwesen, Produktionstechnik, Mechatronik oder eines verwandten Studiengangs oder durch einen Abschluss der gleichwertig zu einem solchen Hochschulabschluss ist. Über die Gleichwertigkeit der Abschlüsse entscheidet die Prüfungskommission anhand der vorgelegten Unterlagen.
  • Deshalb wird insbesondere Bewerberinnen und Bewerbern, die ihre akademische Vorbildung (z. B. Bachelorabschluss) in Nichtmitgliedstaaten der Lissabon-Konvention erworben haben, empfohlen, ihrer Bewerbung ein GATE oder GRE (general) beizulegen, um ihre Eignung für das Studium zu untermauern.
  • Zusätzlich ist die fachliche Eignung für dieses Studium im Rahmen eines Eignungsverfahrens nachzuweisen. Diese schriftliche Prüfung, in den für die "Angewandte Künstliche Intelligenz - Digitales Produktionsmanagement" relevanten Themenfeldern: Mathematik, Physik, Produktion & Logistik, Statistik, Simulation und Informatik, wird online sowie in Präsenz am Campus Cham der Technischen Hochschule Deggendorf angeboten. Sie wird zur Feststellung der studiengangsspezifischen Eignung herangezogen und entscheidet damit letztendlich über die Zulassung zum Masterstudium.

Für den Bewerbungszeitraum zum Wintersemester:

  • Für alle Bewerbungen, die von 15. April bis 15. Juli eingegangen sind, findet der Online-Zulassungstest kurz nach Ende des Bewerbungszeitraums statt.
  • Das Datum des Online-Zulassungstests kann nicht gewählt werden, sondern wird im Einladungsschreiben von der Prüfungskommission vorgegeben. 
  • Abhängig vom Eingang der Bewerbung, erhalten Bewerber:innen dieses Einladungsschreiben entweder zur Mitte oder zum Ende des Bewerbungszeitraums.

Für den Bewerbungszeitraum zum Sommersemester:

  • Für alle Bewerbungen, die von 15. November bis 15. Januar eingegangen sind, findet der Online-Zulassungstest kurz nach Ende des Bewerbungszeitraums statt.
  • Das Datum des Online-Zulassungstests kann nicht gewählt werden, sondern wird im Einladungsschreiben von der Prüfungskommission vorgegeben. 
  • Abhängig vom Eingang der Bewerbung, erhalten Bewerber:innen dieses Einladungsschreiben entweder zur Mitte oder zum Ende des Bewerbungszeitraums.

Sprachanforderungen für Studiengänge am Campus Cham:

Die Zulassung ist in der Studien- und Prüfungsordnung festgelegt (§3 Qualifikation für das Studium, § 4 Nachweis fehlender ECTS-Punkte, § 5 Nachweis der studiengangspezifischen Eignung)

Gebühren

Download: Studiengangsflyer

Kontakt:


kursziele

Du lernst Kompetenzen im Produktions-, Logistik- und Technologiemanagement, die dich befähigen, in deiner beruflichen Zukunft technische Projekte zu leiten oder zu begleiten. Du wirst Expert:in für...

  • Methoden des maschinellen Lernens
  • Methoden der Datenverarbeitung (u.a. Cloud-Computing, Big Data)
  • Moderne statistische Methoden und Optimierungsverfahren
  • Produktions- und Logistikmanagement
  • Digitale Produktionssysteme
  • Digitale Werkzeuge in Entwicklung und Produktion
  • Qualität und Nachhaltigkeit

Berufsbild

Nach dem Studium stehen dir vielfältige Karrieremöglichkeiten in allen Unternehmen offen, die mit großen Datenmengen umgehen, z. B. Unternehmen aus der Automobil- oder Halbleiterindustrie einschließlich ihrer Zulieferer, und andere Unternehmen, welche die Digitalisierung in ihren Produktionsprozessen bewältigen wollen. Es gibt eine Reihe von Ingenieurstellen mit dem Schwerpunkt digitale Produktionssysteme, die in Bereichen wie Entwicklung, Produktion, Produktionsplanung und -management, Qualitätsmanagement oder Forschung und Lehre offen sind.

Hier sind einige typische Beispiele für berufliche Herausforderungen, an denen du in der Produktion arbeiten könntest:

  • Entwicklung und Effizienzsteigerung von Predictive-Maintenance-Techniken, wie z. B. das Sammeln und Bereinigen von Daten und die Erstellung von ML-Modellen mit dem Ziel, die erforderliche Wartung zu einem präzisen Zeitpunkt vorherzusagen, bevor eine Maschine ausfällt.
  • Sammeln und Auswerten großer Datenmengen auf der Suche nach Ausreißern, z. B. Erkennen von Produkten, die in der Funktionsprüfung gut sind, aber beim Kunden versagen könnten (Ausreißererkennung).
  • Automatisierung der Produktprüfung (wir entwickeln diese Technik in unserem Sensor Lab am Campus Cham). Sensoren werden speziell beansprucht, um ihr Lebensdauerverhalten zu analysieren, was Daten generiert, die für Lebensdauervorhersagen oder sogar Klassifizierungen verwendet werden können.
  • Analyse von Produktions- und Produktdaten zur Verbesserung von Produkten.
  • Verbesserung der Effizienz der Lagerhaltung durch gezielte Vorhersage, Verbrauchs- und/oder Verkaufsdaten.
  • Die allgemeine Digitalisierung der Produktion, wie z. B. die Einführung von Strichcodes, die Vernetzung von Systemen untereinander und mit dem Internet usw.

Nutze die fantastischen Möglichkeiten, die sich dir auf deinem zukünftigen Karriereweg eröffnen werden!


studentische fallstudien

Drei KI-Fallstudien helfen dir, Probleme selbstständig zu analysieren und Lösungsvorschläge anzuwenden. Sie sind integraler Bestandteil des Masterprogramms im 1. und 2. Semester. Lies weiter, um mehr Details zu den einzelnen Fallstudien zu erfahren:

 

Diese Fallstudie im ersten Semester befasst sich mit einem Thema aus den Bereichen "Machine Learning & Deep Learning in Produktion & Logistik", "Fortgeschrittene Statistische Methoden & Optimierung" sowie "Daten- und Produktionsdatenmanagement" (Erfassung und Steuerung). Lerne bestehende Techniken kennen, teste und finde heraus, wo die Grenzen und Möglichkeiten von ML/DL im Vergleich zu herkömmlichen Optimierungsmethoden liegen.

 

Diese Fallstudie im zweiten Semester deckt ein breites Spektrum an produktionsnahen Themen ab. Im Modul "Intelligent Systems" in MSS könntest du zum Beispiel Textklassifizierung, Chatbots, Straßenschäden- und Fahrzeugerkennung (Verkehrsüberwachung) oder sogar die Lebensdauervorhersage von Sensoren untersuchen.

 

Diese Fallstudie im zweiten Semester konzentriert sich auf konkrete Themen in digitalen Produktionssystemen. Das bedeutet Entwurf, Verbesserung und Implementierung von cyber-physischen Produktionssystemen (z. B. Vernetzung von Systemen untereinander und mit dem Internet) sowie die Simulation von Produktionssystemen mit spezialisierten Softwarepaketen, z. B. AnyLogic oder Open Modellica.

Fächerübersicht

Übersicht über die Lehrveranstaltungen, SWS (Semesterwochenstunden) und ECTS (European Credit Transfer and Accumulation System) im Masterstudiengang "Applied AI for Digital Production Management":

 

1. Semester SWS ECTS
Machine Learning and Deep Learning in Production and Logistics 4 5
Advanced Statistical Methods & Optimization 4 5
Data Management 4 5
Production and Logistic Management 4 5
Digital Tools in Development and Production 4 5
Case Study "AI Project" 4 5
     
2. Semester SWS ECTS
Technology and Innovation Management 4 5
Advanced Intelligent Systems 4 5
Case Study Intelligent Systems in Production 4 5
Digital Production Systems 4 5
Case Study "Production Systems" 4 5
Subject-Related Elective Course (FWP) 4 5
     
3. Semester SWS ECTS
Quality & Sustainability 4 5
Master's Thesis - 23
Master's Seminar (two parts: Master colloquium (2 ECTS) and seminar series "Career Start into German Technology Companies") - 2