Masterstudiengang Wirtschaftsingenieurwesen (M.Eng.) Berufsbegleitend

1. Funktionale Gliederung und Prozessorganisation einer Produktion

1.1 Fabrikplanung / Strukturierung / Segmentierung

1.2 Materialflussplanung / Lagerplanung / Linien / Verkettung

2. Grundsätzliche Steuerungsmechanismen

2.1 Vorbereitende Arbeitsplanung / Stücklisten und Arbeitspläne

2.2 Make or Buy-Entscheidungen

2.3 Just-in-Time / Just-in-Sequence

2.4 ABC-Analyse

3. Planungsfelder

3.1 Transportmatrix

3.2 Bedarfsermittlung / Brutto-Netto-Bedarfe / X-, Y-, Z-Güter

3.3 Arbeitssteuerung / Verbrauchsgesteuerte versus Bedarfsgesteuerte Disposition

3.4 Auftragsorientierte Durchlaufterminierung

3.5 Mengen- / Kapazitätsplanung

3.6 Primär-, Sekundär- und Tertiärbedarfe

3.7 Losgrößenplanung

3.8 Optimale Losgröße

3.9 Reihenfolgeplanung

3.10 Bereitstellungsplanung/Kommissionierung

3.11 Rüstzeitoptimierung

3.12 übergeordnet: Investitionsplanung, Standardisierung, etc.

4. Methodische Ansätze / Werkzeuge

4.1 Zeitstudien (nach REFA, MTM)

4.2 Materialbereitstellung: Milkruns zur flächendeckenden Versorgung, Supermärkte für produktionsnahe Versorgung

1. Trends, Entwicklungen aktuelle Rahmenbedingungen
2. Einbettung in die Rahmenkonzepte des B2B-Marketings/Industriellen Marketings
3. Methoden und Instrumente der Vertriebsplanung und -steuerung
4. Vertriebsorganisation (Aufbau und Ablauf)
5. Vertriebspsychologie und operativer Vertrieb

1. Analytische und empirische Modellbildung
2. Systemgleichungen und Systemanalyse
3. Simulation von Systemen mit konzentrierten Parametern (Auswahl interessanter und anspruchsvoller anwendungsbezogener Systeme aus den Bereichen Mechanik, Elektrotechnik, Thermodynamik etc., z.B. Elektromotor, Stirlingmotor, Frequenzweiche usw.)
4. Bondgrafen und physikalische Modellbildung
5. Mehrkörpersysteme
6. Ereignisbasierte Simulation
7. Simulation mit Hardware oder Software in the Loop (Beispiele mit Mikrocomputer)
8. Methode der finiten Elemente
9. Aktuelle Themen der Simulationstechnik

1. Begriffe und Grundlagen aus der Logistik
2. Aufgaben der Intralogistik (Lager-, Materialfluss-, Bereitstell-, Supermarkt-, Behälter-, RoutenzugPlanung, lean logistics)
3. Arten der Materialbereitstellung (Zwei-Behälter-Prinzip, Minomi-Prinzip, TopUp)
4. Materialflussplanung (Versorgung über Stapler / Routenzug / FTS / EHB)
5. Lagerplanung (Lagerfüllgrad, dynamisches vs. statisches Lager)
6. Tools aus dem Bereich Intralogistik (Sankey-Diagramm, LMG, Wertstromanalyse)
7. Verwendung von IT in der Intralogistik (Anlegen von Regelkreisen, Scanprozesse)
8. Grundlagen des Supply Chain Managements (Ausgangslage: lokale Optimierungen vs. Globale Probleme, Grundbegriffe des SCM, Ziele des SC)
9. Referenzmodelle für das Supply Chain Management (SCOR, CPFR, Andere)
10. Modellierung der Supply Chain
11. Strategien für die Supply Chain
12. Einflussfaktoren auf die Supply Chain Gestaltung
13. Netzwerkplanung für die Supply Chain
14. Nachfrageprognosen in der Supply Chain

1. Classic Leadership Models
2. Modern Leadership Approaches
3. Leadership and Management based on Kotter
4. Leadership Challenges
5. Kotter's 8 ,step model for change
6. Guiding coalitions and leadership teams
7. The four aspects of management
8. The change curve
9. Considerations for communication
10. Senge - Dance of Change
11. Leading through resistance
12. Management in an international leadership context
13. Cultural differences
14. Challenges leading international teams 
15. Leading teams from different cultures 
16. Communication tips in international leadership situations 
17. Leadership 4.0
18. Current international leadership challenges

1. Introduction: What is Machine Learning? Building an understanding of what constitutes ML, beyond marketing buzz-words.
2. Introduction: Python & Machine Learning: Learning the basics of a programming language ubiquitous in Data Analytics.
3. CRISP-DM: A process to develop ML-Solutions: Quality and reproducibility built into this standardized, encompassing approach.
4. Modelling – general procedure & principles explained using regression: Creating models with low bias and high precision by introducing additional steps.
5. Methods: The core of any ML solution, learning methods for prediction.
6. Ensemble Methods: Improving on the predictive accuracy by applying meta models.

1. Six Sigma als OPEX Methode
2. Die Vision von Six Sigma, Operational Excellence
3. Identifikation von Potenzialen zur Prozessverbesserung
4. Systematische und methodische Prozessverbesserung in den Projektphasen Define, Measure, Analyze, Improve, Control
5. Grundlagen der deskriptiven und induktiven Statistik
6. Werkzeuge in den Projektphasen, z.B. SIPOC, Prozessfähigkeitsanalyse Poka Yoke
7. Grafische und statistische Datenanalyse mit der Statistiksoftware Minitab
8. Prozesssimulation, durchgängiges praktisches Beispielprojekt Die Studierenden bekommen sämtliche Inhalte vermittelt, die typischerweise von Umfang und Tiefe einer Ausbildung zum Six Sigma Green Belt entsprechen.

1. Einführung in die Ethik: Grundbegriffe, Grundprobleme, Ansätze
2. Angewandte Ethik: Probleme der modernen Gesellschaft in Wissenschaft, Technik, Wirtschaft
3. Konkrete Beispiele
4. Einführung in die nachhaltige Entwicklung: Grundbegriffe, Historie
5. Nachhaltigkeit in der Führung: Modelle, Ansätze
6. Konsequenzen, Ableitungen

1. Konzepte kybernetischer Systeme

1.1 Systemischer Ansatz der Kybernetik

1.2 Kybernetik 1. Ordnung (Beobachten, regeln und schätzen)

1.3 Kybernetik 2. Ordnung (Coaching als spezialisierte Form der kommunikativen Steuerung von Systemen)

2. Cyber Physische Systeme

2.1 Kommunikation in Cyber-physical Systems (Time sensitive Networks, OPC-UA)

2.2 Entwurfsmethoden für Cyber-physical Systems (Modellierung und Programmierung)

2.3 Anwendungen für Cyber-physical Systems (Beispiele für existierende oder visionäre zukünftige Anwendungen im Bereich Logistik, Automatisierung, u.a.)

3. Betriebswirtschaftliche und Soziale Systeme

3.1 Charakteristika von betriebswirtschaftlichen Systemen

3.2 Einführung in die Modellierung mit System Dynamics (Qualitative und Quantitative Modelle)

3.3 Kausaldiagramme und Systemarchetypen

4. Aktuelle Anwendungen kybernetischer Systeme

4.1 Modellbildung

4.2 Simulation

4.3 Anwendung