..
Suche
Hinweise zum Einsatz der Google Suche
Personensuchezur unisono Personensuche
Veranstaltungssuchezur unisono Veranstaltungssuche
Katalog plus

Digital Engineering

 

logo_digital_engineering
Die Departments Elektrotechnik - Informatik und Maschinenbau der Naturwissenschaftlich-Technische Fakultät der Universität Siegen bieten voraussichtlich ab Wintersemester 2024/25 folgende drei neuartige Studiengänge als Bachelor (7 Semester) und voraussichtlich ab Wintersemester 2025/26 als Master (3 Semester) an:

logo_studiengaenge
 
Ziel der Studiengänge ist die Integration von Ingenieurwesen und Informatik. Sie vereinen die wesentlichen Elemente eines Ingenieurstudiengangs mit praxisrelevanten Bestandteilen der Informatik, insb. des Software Engineerings und des Maschinellen Lernens. 
Digital Engineering bietet anspruchsvolle Studiengänge, welche die wesentliche Herausforderung der künftigen industriellen Wertschöpfung adressiert: Die Integration klassischer Ingenieuraufgaben und Software. 
Dieser Flyer fasst die Kernpunkte der neuen "Digital Engineering"-Studiengänge zusammen. 
 

Empfohlen von (Logos anklicken für mehr Informationen):

siwi

viega
 iavvia_consult
 achenbach
 vetter deutz

Die drei Studiengänge haben eine unterschiedliche Fokussierung auf die verschiedenen Ingenieurdisziplinen (Angabe in Leistungspunkten): 

tabelle_studiengaenge  
 

fachliche_zusammensetzung 

Eine detailiertere Aufstellung der Fächer in den drei Studiengängen ist hier zu finden. 

Der Mathematik-Anteil ist in den drei Studiengängen fast identisch: 
  • Höhere Mathematik I und II
  • Diskrete Mathematik
  • Numerische Methoden bzw. Höhere Mathematik III
und der Informatik-Anteil ist in den 3 Studiengängen identisch:
  • Digitaltechnik
  • Algorithmen und Datenstrukturen
  • Objektorientierte und funktionale Programmierung
  • Programmierpraktikum
  • Einführung in das Machine Learning
Die Herausforderung „Software-Kompetenz“ für Ingenieure ist inzwischen in der Presse und im Alltag angekommen. Vom Elektroauto über das Smart Meter bis zu Industrie 4.0 ist derzeit mangelndes Software-Know-how bei Ingenieuren der Flaschenhals zu innovativeren Produkten und einer besseren Qualität. Der Anteil von Software an der Wertschöpfung steigt stetig und schnell an, so dass diese Herausforderung nach und nach alle Bereiche unseres Lebens erfassen wird. 

Ein zweiter dominanter Treiber für Innovationen ist die „künstliche Intelligenz“, insbesondere das maschinelle Lernen. Im Ingenieurumfeld kommen zunehmend neben klassischen White-Box-Modellen (first principles models) basierend auf die Gesetzen der Mechanik, Elektrotechnik, Thermo- und Fluiddynamik, etc. auch datengetriebene Modelle zum Einsatz. Diese sog. Black-Box-Modelle sind z.B. neuronale Netze und werden anhand von Messdaten (oder auch Simulationsdaten) trainiert. Dadurch können relativ schnell und günstig viele sehr komplexe Prozesse beschrieben werden. Hier ergeben sich viele neue wichtige Fragestellungen in Forschung und Praxis in Bezug auf Robustheit, Zuverlässigkeit und Interpretierbarkeit, die sowohl Informatik- als auch Ingenieur-Know-how erfordern. 

Weitere wichtige Anwendungsbereiche des maschinellen Lernens im modernen Industrieumfeld sind u.a. die automatisierte Auswertung großer Datenmengen (Big Data), sog. Data Mining, die Bildverarbeitung und Expertensysteme basierend auf großen Sprachmodellen (ChatGPT) und intelligenter Suche (Google, Bing). 
 

Mögliche Tätigkeitsfelder 

  • Entwicklung und Software-Implementierung neuer Funktionen in Steuergeräten, Regelungen, Überwachungs- und Diagnosesystemen, für virtuelle Sensoren, ...
  • Optimierung von Prozessautomatisierungen
  • Robuste KI-Anwendungen in der Industrie
  • Data Mining: Entdecken, Nutzbarmachen, Visualisieren von Zusammenhängen, Korrelationen, Mustern, Clustern in großen hochdimensionalen Datenmengen
  • Cyber-physische Systemen, die mechanische, elektrisch/elektronische und Software-Komponenten integrieren und Kybernetik mit Mechatronik vereinen
  • Überwachung und vorausschauende Wartung (Predictive Maintenance) erfordert gute Modelle, die physikalisches Verständnis und datengetriebene Lernverfahren kombinieren und damit Zuverlässigkeit erhöhen und gleichzeitig Kosten senken 
  • Wirkungsgradoptimierungen durch modellbasierte Ansätze – die Modelle können aus der Physik stammen (White-Box), aus Daten gelernt werden (Black-Box) oder aus einer Kombination von beidem (Grey-Box) generiert werden 
  • Prüfstandsautomatisierung und -optimierung durch intelligente Versuchsplanung (Design of Experiments) 
  • Überführung von traditionellen Hardware-Lösungen in flexible Software-Realisierungen 
  • Metamodellierung von CAD/CAE-Entwürfen mittels neuronaler Netze zur schnellen Optimierung 
  • Industrie 4.0, z.B. Vernetzung, Cloud-Integration, Big Data, Verschlüsselung, Visualisierung und Interpretation komplexer, nichtlinearer, multivariater Zusammenhänge 
  • Automatisierung mittels autonomer Fahrzeuge 
  • Integration von moderner Bild- und Videoverarbeitung in die Prozessautomatisierung, insb. Qualitätskontrolle 
  • Maschinenoptimierung durch Vernetzung und KI 
  • Aufbereitung von Cloud-Daten mit dem Ziel einer optimierten Steuerung von Produktionsprozessen, z.B. bei additiver Fertigung (3D-Druck) 
  • Knowledge Transfer Management: Unterstützung von Wartungs- und Reparaturarbeiten mittels Augmented Reality, Datenhandschuh u.ä. 

  

Bachelor-Studiengang

 

Bachelor Digital Engineering: Module (anklicken für mehr Informationen zum jeweiligen Bachelor-Studiengang)

Module DE-Mechatronik Module DE-Maschinenbau  Module DE-Elektrotechnik

 

Master-Studiengang

 

Es wird empfohlen, an den 7-semestrigen Bachelor Digital Engineering einen 3-semestrigen Master anzuschließen. Dabei ergeben sich folgende Möglichkeiten. 

Master Digital Engineering (voraussichtlich ab Wintersemester 2025/26, Studiengang anklicken für mehr Informationen zum jeweilige Master-Studiengang)

 BachelorDigital Engineering – MechatronikDigital Engineering – Maschinenbau Digital Engineering –  Elektrotechnik
 Master Mechatronics
(Englisch)
Digital Engineering – Maschinenbau
(Deutsch)
Digital Engineering –  Elektrotechnik
(Deutsch/ Englisch je nach Vertiefung)

 

Bachelor-Studiengang mit 6 Semestern … Und nun?

Für Absolventen/Absolventinnen eines 6-semestrigen Bachelor-Studiengangs Maschinenbau, Fahrzeugbau, Mechatronik, o.ä. besteht auch die Möglichkeit zur Wahl des Masters Digital Engineering – Maschinenbau. Es werden dann individuelle Auflagen im Umfang ca. eines Semesters (30 LP) erteilt, welche die fehlenden Inhalte abdecken, typischerweise auf dem Gebiet der Informatik. Grundsätzlich besteht für das Masterstudium Digital Engineering – Maschinenbau außerdem die Zugangsvoraussetzung eines absolvierten Programmierpraktikums im Umfang von mindestens 6 Leistungspunkten (LP).
 
 bachelor_master_schema 

Zur Orientierung dienen die beiden folgenden Übersichten für mögliche 4-semestrige Master-Studienverlaufspläne Digital Engineering – Maschinenbau für Absolventen/Absolventinnen eines 6-semestrigen Bachelor-Studiengangs. Die Auflagen sind rot umrandet und fügen sich nahtlos in den Studienverlauf ein. Wie leicht zu sehen ist, umfassen die Auflagen einen großen Teil der Informatik-Inhalte des Bachelor-Studiengangs Digital Engineering – Maschinenbau. Damit kann ein Absolvent / eine Absolventin des klassischen Maschinenbaus o.ä. im Master in die digitale Ära durchstarten. 
 
 Module DE-Elektrotechnik 
 

Ansprechpartner: