Master General Management MBA

Teil I: Organisation der Produktion auf Wertschöpfungsebene (Produktionsmanagement)
1. Fertigungs- und Montagesysteme
2. Produktionsarten und -prinzipien
3. Produktionsplanung
4. Produktionssteuerung
5. Erweiterte Konzepte des Produktionsmanagements
    5.1 Überbetriebliche Planung und Steuerung (SCM)
    5.2 Ganzheitliche Produktionssysteme (GPS)

Teil II: Organisation produzierender Unternehmen auf Geschäftsprozessebene (Geschäftsprozessmanagement)
1. Organisation produzierender Unternehmen auf Geschäftsprozessebene
    1.1 Funktionale Organisation
    1.2 Prozessorientierte Organisation
2. Darstellungsformen / Modellierung von Geschäftsprozessen
3. Geschäftsprozesse identifizieren, analysieren, modellieren, optimieren, erneuern und gestalten, steuern

1. Ganzheitliche Produktionssysteme, Toyota-Produktionssystem
2. Einführung eines Produktionssystems, Change Management, Leadership und Verbesserungskultur
3. Lean Prinzipien und Lean Werkzeuge: Push versus Pull-Steuerung, Kanban, Flussprinzip, Produktionsglättung
4. Verschwendungssuche
5. Wertstromanalyse und Wertstromdesign
6. Layoutplanung
7. Synchronisation und synchrone Beschaffung/Fertigung
8. SMED
9. Kaizen/KVP, Problemlösungsmethoden und Kaizen-Techniken
10. Einführung in Six Sigma / Basics

Die Teilnehmenden bekommen sämtliche Inhalte vermittelt, die typischerweise von Umfang und Tiefe einer Ausbildung zum Six Sigma Green Belt entsprechen.

1. Die Vision von Six Sigma als Operational Excellence Ansatz, DMAIC Zyklus
2. DEFINE: Projektidentifizierung, Nutzenbewertung, Prozessdarstellung aus Kundensicht, Criticals to Quality
3. Einführung in die Statistiksoftware Minitab, Grundlagen der deskriptiven und induktiven Statistik
4. MEASURE: Einflussgrößen identifizieren und priorisieren, Prozessfähigkeit und Ausschussprognose, Messysteme beurteilen, Messungen planen und durchführen, Stichprobenplanung
5. ANALYZE: Werkzeuge für den Nachweis von Einflussgrößen (z.B. Grafische Datenanalyse, Hypothesentests), DoE zur Analyse von Wirkzusammenhängen
6. IMPROVE: Lösungen finden und einführen, statistischer Nachweis der Prozessverbesserung
7. CONTROL: Absicherung der Prozessverbesserung, Standardisierung und Prozesskontrolle, Einführung in SPC/Regelkarten

1. Grundlagen der Prozessanalytik auf Basis von Prozessmodellierung und Prozesskennzahlen
2. Ereignisdiskrete Prozesssimulation, Simulationsstudie
3. CRISP-DM Modell
4. Datenanalyse, Datenmanagement und Prozessdatenextraktion
5. Data Mining, Big Data Analyse und Knowledge Discovery in Geschäftsprozessen
6. Abgrenzung bzw. Zusammenspiel von Big Data Analyse und Process Mining sowie Identifikation relevanter Anwendungsbereiche
7. Process Mining: Voraussetzungen, Anwendungsbereiche, Analysefähigkeit, Business Szenarien unter Verwendung geeigneter Softwarelösungen (z.B. Celonis)
8. Process Mining als Projekt: Voraussetzungen, Einführungsvorgehen, Changeansätze sowie Praxisbeispiele

1. Grundzüge der Algebra, Mengenlehre und Logik
2. Gleichungen, Ungleichungen und Gleichungssysteme
3. Funktionen (Grundbegriffe, Umkehrfunktionen, Grenzwerte von Funktionen und Stetigkeiten)
4. Weitere Eigenschaften von reellwertigen Funktionen
5. Ausgewählte Funktionstypen
6. Differentialrechnung (Differentation von reellwertigen Funktionen einer und mehre- rer Veränderlicher)
7. Eigenschaften von Funktionen und ihre Ableitungen
8. Elastizitäten und ihre ökonomische Interpretation
9. Optimierung
10. Lineare Algebra – Matrizen und Vektoralgebra (Matrizen und Matrizenoperationen, Matrizenmultiplikation, Transportierte und Inverse Matrix)
11. Deskriptive Statistik
12. Induktive Statistik (Konfidenzintervalle, Statistische Tests, Statistische Anwendungssoftware)

1. Einführung: Intelligente Agenten
2. Problemlösen durch Suchen: heuristische Suche, lokale Suche, online-Suche, Nichtdeterminismus und partielle Beobachtbarkeit.
3. Regelbasierte Systeme
4. Constraint Satisfaction Problems
5. Grundkonzepte: Maschinelles Lernen, Exploratory Data Analysis, Vorbereitung von Datensätzen, Validierungsmodelle, Generalisierung
6. Nächste-Nachbarn- und Bayes-Klassifikatoren
7. Support Vektor Maschinen
8. Entscheidungsbäume, Random Forest Trees
9. Künstliche neuronale Netze
10. Clusteranalyse

1. Definition und Eigenschaften von Big Data
2. Relationale Datenbanken
3. Datenverteilung
4. Key-Value Stores
5. Dokumentenbasierte Datenbanken
6. Graphdatenbanken
7. Verteilte Datenverarbeitung

1. Anlässe, Ziele und Nutzenpotentiale von Personalentwicklungsmaßnahmen
2. Aufgaben, Bestandteile und Akteure der Personalentwicklung
3. Kompetenzmanagement und kompetenzorientierte Personalentwicklung
4. Lerntheorien
5. Klassische und handlungsorientierte Methoden der Personalentwicklung
6. Planung, Entwicklung, Durchführung und Evaluation von Personalentwicklungsmaßnahmen
7. Gründe für Veränderungen in Organisationen
8. Ansätze und Methoden organisationaler Veränderungen
9. Planung, Entwicklung, Durchführung und Evaluation von organisationalen Veränderungen
10. Rolle der Personalentwicklung im Rahmen von organisationalen Veränderungen
11. Exemplarische Veränderungsprozesse (z.B. Geschäftsmodellinnovationen, Leitbildentwicklung, Kulturwandel, Fusionen, Krisenbewältigung)

1. Entscheidungen von Individuen und Gruppen – Grundlagen der ökonomischen und psychologischen Entscheidungsforschung
2. Grundlagen der Verhaltensökonomie (Definition, Inhalte des Fachgebietes, Grundlegende Theorien, Anwendungsfelder)
3. Methoden der Verhaltensökonomischen Forschung und Anwendung
4. Experimentelle Forschung im Labor und im Feld
5. Randomized Controlled Trials
6. Beobachtung und Umfrageforschung
7. Evidenzbasierte (Unternehmens-)Politik – Anwendungsfelder der Verhaltensökonomik

1. Einführung in das Systemische Coaching
2. Grundlagen: Modelle des menschlichen Handelns, Systemtheorie, Gesprächsführung
3. Haltungen im Coaching
4. Klienten-Typen und Anliegen
5. Methodische Grundlagen: Fragetechniken und Interventionen
6. Ausgewählte Coachingmethoden: Entwicklungsweg, Inneres Team, Aufstellungs- und Skulpturarbeit
7. Coachingvertrag
8. Ausbildungen und Coachingmarkt

1. Merkmale und Phasen der Digitalen Transformation (DT)
2. Entwicklung der Data Analytics als Grundlage der DT
3. Systematisierung der (Speil-)Felder der DT
4. Ökonomische Grundlagen der Digitalisierung (Network Economics, Sharing Economics, Neue Marktdynamik (Industrieökonomik/Dekonstruktion von Wertschöpfungsketten)
5. Mediennutzung und der Einfluss digitaler Medien auf Geschäftsmodelle
6. Auswirkung auf alle betrieblichen Teilbereiche
7. Konzeption und Taxonomie von Geschäftsmodellen (Business Modell Canvas, Mögliche Taxonomien von Geschäftsmodellen)
8. Entwicklung und Transformation von Geschäftsmodellen in der Praxis
9. Customer / User Experience als Basis der Geschäftsmodellentwicklung
10. Internet of Things / Industrie 4.0 – Digitalisierung von Produktionssystemen
11. Digital Transformation als ganzheitlicher Prozess (Canvas Transformation)

1. Innovationmanagement und dessen Bedeutung für Unternehmen
2. Komplexität des Managements von Innovationen
3. Einfluss von individuellen, organisationalen und unternehmenskulturellen Faktoren auf die Innovationsfähigkeit eines Unternehmens
4. Analyse von innovationsförderlichen Ansätzen in der Unternehmenspraxis
5. Beurteilung ausgewählter Konzepte und Methoden in der unternehmerischen Praxis
6. Unterschiedliche Perspektiven des Themas Innovationsmanagement
7. Innovationsmanagement und New Business Development
8. Methoden des New Business Development zur Kommerzialisierung der Innovationen
9. Auswahl und Anwendung von fallspezifischen Methoden in der Praxis

1. Grundlagen des Kanban
2. Grundlagen des Design Thinking
3. Agile Leadership
4. Grundlagen, Methoden und Implementierung von Change-Management
5. Praxis und Umsetzung

1. Grundlagen und Überblick
2. Blockchain
3. Internet der Dinge – Industrie 4.0
4. Metaverse - Virtual / Augmented Reality
5. Künstliche Intelligenz
6. Ausblick