Die Studierenden
• kennen aktuelle Softwaredesignpatterns und können diese fachspezifisch, insbesondere im Hinblick auf Anwendungen in der Robotik und verteilte Systeme einsetzen,
• können Darstellungen von Softwarearchitekturen (z.B. in UML) verstehen.
• Kennen die Grundzüge modernen Interaktionsdesigns und können diese bei der Auslegung von Mensch-Roboter-Arbeitsplätzen ent-sprechend berücksichtiten.

Die Studierenden besitzen detaillierte Kenntnisse der Programmiersprachen C und C++. Sie kennen und beherrschen die Grundzüge der Softwareentwicklung auf einem Linux-System unter den dort typischen Entwicklungswerkzeugen.

IOT Systeme

Semester	1
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	4,5
Prüfungsart	Immanente Beurteilung
• Kommunikationstechnologien (Bluetooth, Zigbee, LoRaWAN, NB-IoT) • Anwendungsprotokolle (HTTP (REST), MQTT, AMQP, CoAP, LwM2M) • Verschlüsselung, Authentifizierung und Autorisierung (TPM, SHA, RSA, X.509, JWT) • Geräteverwaltung und Softwareaktualisierung (Device Registry, Device Shadow, Over-The-Air Update) • Big Data Technologien (Apache Hadoop, Apache Spark, Apache Storm, Apache Kafka) • Smart Sensor/Actuator (Arduino, C++, Sensor Kit, Bluetooth Communication) • Edge Computing (Raspberry Pi, Python, Bluetooth / Wi-Fi Communication) • Cloud Computing (IaaS, PaaS, SaaS, Privat / Public / Hybrid Cloud, AWS, Microsoft Azure, Google Cloud)

Modern User Interface Design

Semester	2
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	4
Prüfungsart	Immanente Beurteilung
• Einführung und Grundlagen von Gestaltung Interaktiver Systeme und Usability. Interaktion, Navigation und Kommunikation mit Inter-aktiven Systemen durch Experimente und Analyse erlernen. • Entwerfen, Bewerten und Verwerfen als Grundprinzip der Entwick-lung interaktiver Medien. Sensibilisierung zum sinnvollen Um-gang mit den technischen Möglichkeiten interaktiver Medien. • Navigation, Navigationsmodelle, Interaktive Layouts • Entwerfen und Darstellen inhaltlicher Hierarchien • Usabilitytests – Theorie und Praxis der Bewertung von Soft- und Hardwaresystemen • Interaktionstechniken • Visualisierung großer mehrdimensionaler Datensätze

Software Architektur

Semester	2
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	3
Prüfungsart	Immanente Beurteilung
• Grundlagen von Softwarearchitekturen (Struktur eines Softwaresystems) • Modellierung von Softwarearchitekturen (z.B. mit UML) • Designpatterns, insbesondere mit Relevanz in den Bereichen Robotik und Verteilte Systeme

Softwareentwicklung

Semester	2
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	6
Prüfungsart	Schriftliche Prüfung
• Grundlegendes Arbeiten mit Linux und Systemkonfiguration • ANSI-C und C++ Programmierung unter Verwendung einer moder-nen Entwicklungsumgebung unter Linux • Praktische Umsetzung von Algorithmen in der Programmier-sprache, Einsatz der Software-Entwicklungsumgebung zur Fehlersuche und grundlegende Software-Testmethoden • Einführung in Algorithmen und Datenstrukturen: elementare Pro-grammbausteine, Begriff des Datentyps, Anweisungen zur Ablauf-steuerung, Prozeduren und Funktionen, Ein-/Ausgabe, Darstel-lungsarten von Algorithmen, Methodik des Programmentwurfs • Spezifikation von Algorithmen, Abstraktionsschichten, Struktur von Algorithmen, Begriff der strukturierten Programmierung • statische und dynamische Datenstrukturen, dynamische Speicher-verwaltung, rekursive Algorithmen.

Die Studierenden
• Kennen die Möglichkeiten und Grundprinzipien maschinellen Ler-nens und können dieses einsetzen
• Kennen Ansätze und Methoden der Planung von Missionen für Multi-Agenten/Robotersysteme
• Überblick über Möglichkeiten, Daten zu modellieren und Wissen aus Datenbeständen zu generieren. Auswahl der Methodik und Funktionsweise von Algorithmen zur datenbasierten Modellierung. Beispielhafte Modellierung von Datensätzen.

Heuristische Optimierung

Semester	2
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	2
Prüfungsart	Immanente Beurteilung
• Grundbegriffe (z.B. Entscheidungsproblem, Optimierungsproblem, Suchproblem, Zielfunktion, Nebenbedingung, zulässige Menge, Skalare Optimierungsprobleme, Vektoroptimierungsprobleme, Lineare Optimierung, nicht-lineare Optimierung, Lokale Optimierung, Globale Optimierung, Optimierungsalgorithmus, Approximationsalgorithmus) • Standardprobleme (z.B. Teilsummenproblem, Rucksackproblem, Packproblem, Zuschnittproblem, Reihenfolgeproblem, Zuordnungsproblem, Transportproblem, Umladeproblem, Sortenwechselproblem, Rundreiseproblem, Facility Location Problem, Job Shop Scheduling, Flow Shop Scheduling, Open Shop Scheduling, Nurse Scheduling Problem) • Standardverfahren (z.B. Simplex, Branch-and-Bound, Dynamische Programmierung, Genetische Programmierung, Genetische Algorithmen, Evolutionsstrategien, Evolutionäre Programmierung, Partikelschwarmoptimierung, Ameisenalgorithmus, Schwellenakzeptanz, Deterministic Annealing, Sintflutalgorithmus, Metropolisalgorithmus)

Machine Learning

Semester	2
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	6
Prüfungsart	Immanente Beurteilung
• Grundlagen des Maschinellen Lernens • Einsatzgebiete von Data Mining und maschinellem Lernen • Kategorisierung von Lernaufgaben • Overfitting und Underfitting • Auswertung von Modellierungsergebnissen • Begriffslernen und Versionenräume • Klassifikationsbäume • Ensemblebasierte Methoden (Boosting, Bagging, Random Forest) • Regelbasiertes Lernen • Genetische Programmierung • Symbolische Regression / Klassifikation • Neuronale Netze • Supervised Learning – BP Algorithmus • Unsupervised Learning – Self-Organizing Maps

Die Studierenden:
• Können Graphentheorie zur Verwendung in unterschiedlichen Planungsalgorithmen anwenden
• Kennen die wesentliichen Grundlagen der Wahrscheinlichkeitsrechnung und deren Anwendung in der Sensorfusion
• Können die mehrdimensionale Normalverteilung als Methode zur Auswertung von Sensordaten anwenden

Der Kompetenzerwerb erfolgt über Vorlesung und Rechenübungen unter teilweiser Zuhilfenahme von Softwaretools.

Statistik

Semester	1
Typ	Pflicht / Vorlesung
ECTS	2
Prüfungsart	Schriftliche Prüfung
Graphentheorie o Adjazenzmatrix o Kürzeste Wege in Graphen (Algorithmus von Dijkstra) o Optimale Tourenplanung (Travelling Salesman Problem) o Minimale Spannbäume (Algorithmus von Kruskal) Matrizenrechnung o Lineare Abbildungen, Eigenwerte, Drehmatrizen, Eulerwinkel o Transformation von Koordinatensystemen Quaternionen Wahrscheinlichkeitstheorie und Statistik o Wahrscheinlichkeitsrechnung o Bayes, Multidimensionale Normalverteilung o Beschreibende Statistik (graphische Darstellung von Daten, statistische Maßzahlen) o Elementare Wahrscheinlichkeitsrechnung (Kombinatorik, La-place’sche Wahrscheinlichkeit, bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen, Satz von Bayes, Satz von der totalen Wahrscheinlichkeit) o Zufallsvariable (diskrete und stetige Zufallsvariable, Wahr-scheinlichkeits(dichte)funktion, Verteilungsfunktion, Erwar-tungswert, Standardabweichung, Varianz o Eindimensionale Verteilungen (Binomialverteilung, Hyper- geometrische Verteilung, Normalverteilung, Poisson- Prozess (Poisson-Verteilung, Exponentialverteilung) Chi- Quadrat-Verteilung, Student-Verteilung, Weibull- Verteilung, Lebens-dauerverteilungen, Reliabilität. o Schätzen von Parametern (Momentenmethode, Maximum- Li-kelihood-Methode, Konfidenzintervalle) o Testtheorie (Z-Test und T-Test für eine und zwei Grundge-samtheiten, Qualitätsregelkarten, Chi-Quadrat- Streuungstest, Wahrscheinlichkeitstest, Nichtparametrische Tests) o Mehrdimensionale Verteilungen (Kovarianz, Korrelationskoef-fizient, mehrdimensionale Normalverteilung, Multinomialverteilung)

Statistik

Semester	1
Typ	Pflicht / Übung
ECTS	4
Prüfungsart	Immanente Beurteilung
Graphentheorie o Adjazenzmatrix o Kürzeste Wege in Graphen (Algorithmus von Dijkstra) o Optimale Tourenplanung (Travelling Salesman Problem) o Minimale Spannbäume (Algorithmus von Kruskal) Matrizenrechnung o Lineare Abbildungen, Eigenwerte, Drehmatrizen, Eulerwinkel o Transformation von Koordinatensystemen Quaternionen Wahrscheinlichkeitstheorie und Statistik o Wahrscheinlichkeitsrechnung o Bayes, Multidimensionale Normalverteilung o Beschreibende Statistik (graphische Darstellung von Daten, statistische Maßzahlen) o Elementare Wahrscheinlichkeitsrechnung (Kombinatorik, La-place’sche Wahrscheinlichkeit, bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen, Satz von Bayes, Satz von der totalen Wahrscheinlichkeit) o Zufallsvariable (diskrete und stetige Zufallsvariable, Wahr-scheinlichkeits(dichte)funktion, Verteilungsfunktion, Erwar-tungswert, Standardabweichung, Varianz o Eindimensionale Verteilungen (Binomialverteilung, Hyper- geometrische Verteilung, Normalverteilung, Poisson- Prozess (Poisson-Verteilung, Exponentialverteilung) Chi- Quadrat-Verteilung, Student-Verteilung, Weibull- Verteilung, Lebens-dauerverteilungen, Reliabilität. o Schätzen von Parametern (Momentenmethode, Maximum- Li-kelihood-Methode, Konfidenzintervalle) o Testtheorie (Z-Test und T-Test für eine und zwei Grundge-samtheiten, Qualitätsregelkarten, Chi-Quadrat- Streuungstest, Wahrscheinlichkeitstest, Nichtparametrische Tests) o Mehrdimensionale Verteilungen (Kovarianz, Korrelationskoef-fizient, mehrdimensionale Normalverteilung, Multinomialverteilung)

Mehrkörperdynamik

Semester	3
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	3
Prüfungsart	Schriftliche Prüfung
Dynamik o Zentralgleichung o Hamel-Boltzmann Gleichung o Lagrange-Gleichungen 2ter Art Grundlagen Elastische Systeme o Elastizitätstheorie o Bewegungsgleichung o Bernoulli-Euler Balken Elastischer Knickarmroboter o Methoden der Bahnkorrektur o Schwingungsdämpfung Elastischer Linearroboter o Teleskopachsen o Schwingungsunterdrückung Geometrische Kalibrierung Optimale Bahnen

Die Studierenden
• Kennen die Methoden zur statistischen Auswertung/Verarbeitung von Sensorsignalen
• Kennen Algorithmen zur Fusionierung der Daten von fehlerbehafteten Sensordaten
• Können verschiedenste Bild- und Signalverarbeitungsfilter und –algorithmen anwenden
• Wissen das Messprinzip verschiedener bildgebender Messsys-teme und können diese zielgerecht einsetzen
• Kennen Sensoren zur Lageerekennung und Wahrnehmung der Umgebung
• Können bildgebende Systeme im Zusammenhang mit Robotern zur Problemlösung anwenden

Sensorik & Aktorik bei Robotern

Semester	1
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	3
Prüfungsart	Immanente Beurteilung
• Kenntnisse mit dem Umgang von LIDAR, Radar, IMU, Ultraschall, Mono- und Stereovision, Smart und Embedded Kameras und de-ren Messprinzipien • Stand der Technik und aktuelle Trends • Kamera und Computerschnittstellen und Protokolle • Grundlagen Bildverarbeitung • Signalverarbeitung • Sensorkalibrierung • Bayes Filter • Markov-Bedingung • Kalmanfilter 1D • Kalmanfilter nD • EKF • Partikel Filter

Machine Vision

Semester	2
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	6
Prüfungsart	Schriftliche Prüfung
• Komponenten von Machine Vision Systemen (Kamerasysteme, Beleuchtung, optische Komponenten) • Auslegung von Vision-Komponenten • Optische Filter • Belichtungstechnik • Praktische Kalibrierung und Stereokalibriierung • Machine Vision Algorithmen: Bilder, Regionen, Konturen, Trans-formationen, Features, Morphologie, Kantenextraktion, Fitting, Template Matching, • Deep Learning: Bildklassifikation, Objektdetektion, Semantische Segmentierung • Machine Vision Lösungen an Fallstudien mit Fokus auf Produkti-ons-prozesse

Die Studierenden
• Kennen und können die Methodik der Roboterofflineprogram-mierung für industrierelevante Roboter anwenden
• Können verschiedene Roboter und Manipulatoren in einer virtu-ellen Welt abbilden und modellieren
• Können unterschiedliche Pfadplanungsalgorithmen anwenden und in der Simulation testen
• Können die Simulation auf das reale System transferieren
• Können ein Robotersystem aufgabenspezifisch planen und aus-legen
• Können ein Robotersystem als Fertigungszelle in ein übergeordne-tes Steuerungs- & Leitsystem integrieren
• Können Sicherheitsaspekte hinsichtlich Maschinenrichtlinie abschätzen und normkonforme Risiko- und Gefahrenanalysen durchführen

Roboter-Offlineprogrammierung

Semester	1
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	4
Prüfungsart	Immanente Beurteilung
• Offlineprogrammierung von Robotersystemen mit RoboDK oder gleichwertigen Softwaresystemen • Kalibrierung von Robotern • Programmierung von Trajektorien und Greifoperationen • Simulation von Offlineprogrammen • Übertragung auf Realanlage und Verifikation

Steuerung- & Leittechnik

Semester	1
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	1
Prüfungsart	Immanente Beurteilung
• Grundlagen o Feldbusse (erste Generation, zweite Generation basierend auf Echtzeit-Ethernet) o Kurzübersicht Speicherprogrammierbare Steuerungen • Anwendungsprotokolle in der Leittechnik o OPC-UA (Transport, Address Space, Node, Reference, Variable, Method, User, Role, Permission) o MQTT (Topic, Message, Publish, Subscribe, Quality of Service, Last Will) o HTTP (Request, Path, Method, Header, Body, Response, Status Code) • Supervisory Control and Data Acquisition o Archivierung (Messdaten, Ereignisdaten) o Überwachung (Condition Monitoring, z.B. Temperaturen) o Regelung (Maschinenübergreifend, z.B. Geschwindigkeiten) o Steuerung (Rezeptsteuerung, d.h. Prozessschritte) o Visualisierung (HMI, Echtzeitdaten) • Manufacturing Execution System (ISA-88, ISA-95, IEC 62264) • Materialien, Ausrüstungen, Mitarbeiter, Rezepte, Produktionsdaten, Qualitätsdaten

Steuerung- & Leittechnik

Semester	1
Typ	Pflicht / Laborübung
ECTS	3
Prüfungsart	Immanente Beurteilung
• Grundlagen o Feldbusse (erste Generation, zweite Generation basierend auf Echtzeit-Ethernet) o Kurzübersicht Speicherprogrammierbare Steuerungen • Anwendungsprotokolle in der Leittechnik o OPC-UA (Transport, Address Space, Node, Reference, Variable, Method, User, Role, Permission) o MQTT (Topic, Message, Publish, Subscribe, Quality of Service, Last Will) o HTTP (Request, Path, Method, Header, Body, Response, Status Code) • Supervisory Control and Data Acquisition o Archivierung (Messdaten, Ereignisdaten) o Überwachung (Condition Monitoring, z.B. Temperaturen) o Regelung (Maschinenübergreifend, z.B. Geschwindigkeiten) o Steuerung (Rezeptsteuerung, d.h. Prozessschritte) o Visualisierung (HMI, Echtzeitdaten) • Manufacturing Execution System (ISA-88, ISA-95, IEC 62264) • Materialien, Ausrüstungen, Mitarbeiter, Rezepte, Produktionsdaten, Qualitätsdaten

Digitale Fabrik / Digital Twin

Semester	3
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	2
Prüfungsart	Schriftliche Prüfung
• Übersicht der Werkzeuge zur digitalen Fabrik • Simulationsunterstützte Analyse von Produktions- und Logistikab-läufen (Fertigung, Montage) • Prozessplanung mit Methoden der Digitalen Fabrik • Vernetzung der Einzelsysteme im Sinne eines PPLM • System- und Datenintegration • Montage-/Demontagesimulation zur Arbeitsplatzgestaltung • Methodik zur Verringerung der Inbetriebnahmezeit • Einsatzmöglichkeiten eines digitalen Zwillings zur Prozessoptimie-rung • Methoden und Prozesse zum Entwickeln eines digitalen Zwillings • Aufbau eines digitalen Zwillings in Unity3D

Systems Engineering

Semester	3
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	3
Prüfungsart	Schriftliche Prüfung
• Ganzheitliches Systemdesign • Schnittstellenspezifikation und Implementierung • Modellierung mit UML und SYSML • Praxisbeispiele mechatronischer Modellbildung mit AutomationML

Die Studierenden
• verstehen die Grenzen der Kollaboration
• können kollaborative Roboter zur Lösung von Handlingaufgaben im Umfeld Mensch-Maschine einsetzen
• können verschiedene mobile Roboter und Manipulatoren in ROS in Betrieb nehmen und in einer virtuellen Welt abbilden bzw. modellieren
• können unterschiedliche Pfadplanungsalgorithmen anwenden und in der Simulation testen - GAZEBO
• Können die Simulation auf das reale System transferieren
• kennen ausgewählte Methoden der Roboterlokalisierung und kön-nen diese anwenden
• kennen 2D und 3D Kartierungsverfahren und -algorithmen
• verstehen die Funktionen und das Einsatzgebiet von autonomen State-of-the-Art Systemen und können diese anwenden
• können eine Hochsprache auf (ROS) Roboter-Systemebene anwenden, um mehrere Komponenten intelligent zu verknüpfen
• beherrschen die Grundzüge autonomer Systeme, d.h von Sys-temen, die mit ihrer Umwelt interagieren. Sie können die Lehrinhalte und Methoden auf ähnliche Fragestellungen im industriellen Umfeld übertragen.

Autonome Roboter Systeme

Semester	3
Typ	Wahlpflicht / Integrierte Lehrveranstaltung
ECTS	4
Prüfungsart	Schriftliche Prüfung
• Telematik-Systeme (Remote Control, Supervisory Control, Auton-omie) • Sensordatenverarbeitung (propriozeptische/exteriozeptische Sen-soren) • Einführung in die Lokalisierung (Gitterbasiert, Markov, Kalman-Filter, Partikelfilter/Monte-Carlo-Lokalisierung) • Kartenerstellung in 2D/3D • Point Cloud Processing • Pfadplanung, Explorationsplanung • Semantisches Kartieren

Kollaborative Robotertechnik

Semester	3
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	2
Prüfungsart	Schriftliche Prüfung
• Design-Prinzipien für Human-Centered Automation- und Robotersysteme • Performance-Metriken für Human Centered Robotik • Modellierung des menschlichen Verhaltens • Regelstrategien für Mensch-Maschine-Interaktion • Design von sicherer Mensch-Roboter-Interaktion Mensch-Robot- Interaction (HRI): Aufgabendefinition, Agenten (Mensch und Robo- ter) • Autonomie unter Berücksichtigung menschlicher Handlungen und Lernen • Konzepte für die Robotersteuerung im HRI: kooperative Task-Raum, Hybrid Kraft-/Bewegungssteuerung

Kollaborative Robotertechnik

Semester	3
Typ	Pflicht / Laborübung
ECTS	2
Prüfungsart	Immanente Beurteilung
• Design-Prinzipien für Human-Centered Automation- und Robotersysteme • Performance-Metriken für Human Centered Robotik • Modellierung des menschlichen Verhaltens • Regelstrategien für Mensch-Maschine-Interaktion • Design von sicherer Mensch-Roboter-Interaktion Mensch-Robot- Interaction (HRI): Aufgabendefinition, Agenten (Mensch und Robo- ter) • Autonomie unter Berücksichtigung menschlicher Handlungen und Lernen • Konzepte für die Robotersteuerung im HRI: kooperative Task-Raum, Hybrid Kraft-/Bewegungssteuerung

ROS Programmierung

Semester	3
Typ	Wahlpflicht / Integrierte Lehrveranstaltung
ECTS	3
Prüfungsart	Schriftliche Prüfung
• Offlineprogrammierung von Robotersystemen mit ROS • ROS-Design Konzept • Nomenklatur (Nodes, Messages, Topics, Services) • Programmieren von ROS Modulen • Verwendung von RVIZ und RQT-GUI (grafische Oberfläche) • Einführung in die Simulation GAZEBO

Die Studierenden
• Wissen und Verstehen die elektrotechnischen Zusammenhänge eines mechatronischen Systems
• Kennen die wesentlichen Antriebssysteme und deren Sensorik und können diese aufgrund der Wirkungsweise unterscheiden und ein-setzen
• Können einfache mechatronische Systeme modellieren und für diese Modelle grundlegende Regler entwerfen
• Verstehen moderne Steuerungs- und Regelungskonzepte
• Können ein mechantronisches System in Betrieb nehmen
• Haben Grundverständnis für ein dynamischen Mehrkörpersystem und
• Können ein Mehrkörpersystem und dessen bestimmende Größen im Zusammenhang mit Robotik abschätzen und mit geeigneten Softwaremethoden simulieren.

Der Kompetenzerwerb erfolgt über einen detaillierten Vorlesungsteil sowie einem geblockten praktischen Teil im Labor.

Roboter-Onlineprogrammierung

Semester	1
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	2,5
Prüfungsart	Immanente Beurteilung
• Mechatronische Grundlagen von Robotern • Grundlagen einer Robotersteuerung am Beispiel eines industriellen Knickarm-Roboters • Programmieren von Robotern mit Teach-Panel • Programmieren von Robotern mit Handführung • Einbindung von Peripheriesystemen

Sicherheitsaspekte in der Robotik

Semester	1
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	2
Prüfungsart	Immanente Beurteilung
• Sicherheitstechnik: Begriffe der Sicherheitstechnik • Mögliche Gefährdungen des Menschen • Gefährdungsarten (deterministisch, zufällig) und deren Beherr-schung • Technische Eigenschaften des Menschen • Überblick über Richtlinien und Normen Gefährdungsanalyse • Risiko-Klassifizierung (Risiko-Graph, Risiko-Matrix, Risiko in Euro) • Risiko-Reduktion, Risiko-Beherrschung • Sichere Software Sichere Hardware FMECA FTA Berechnung von SFF, DC, PFD, PFH EN ISO 10218, EN 13489, Maschinenrichtlinie

Robotereinsatzplanung & Simulation

Semester	3
Typ	Pflicht / Integrierte Lehrveranstaltung
ECTS	3
Prüfungsart	Schriftliche Prüfung
• Einführung (Historische Entwicklung und heutige Anwendungsbei-spiele, Arten von Robotern, Ziele des Einsatzes von Robotern, Krite-rien für die spätere Anwendung in der Produktion) • Einsatzbereiche (Logistik, Qualitätssicherung, Werkstückhandha-bung, Werkzeughandhabung, Fertigung, Montage) • Auswahl geeigneter Systeme (Aktuelle Trends und Herausforde-rungen nach Branchen und Ländern, Werkzeugmaschinen, Werk-zeug- und Formenbau, Luftfahrt, Automotive, Consumer Electro-nics) • Auslegung Fertigung (Wirtschaftliche Aspekte, Flexibilität, Erweiter-barkeit, Produktivität, zukünftige Entwicklungen, soziale Aspekte) • Prozesssimulation (Abbildung von Portalroboterverkettung, Trans-portbandverkettung und fahrerlose Transportfahrzeugverkettung in einem Werkzeug für diskrete Ereignissimulation, Analyse des Durchsatzes, der Auslastung, der Staubildung) • Geometriesimulation (Abbildung von Portalroboterverkettung, Transportbandverkettung und fahrerlose Transportfahrzeugverket-tung in einem Werkzeug für Geometriesimulation, Analyse der Er-reichbarkeit, der Kollisionsfreiheit, der Geschwindigkeit)

Die Studierenden
• können Modelle zur Wirkung von Arbeit beschreiben.
• können Gestaltungsempfehlungen für Arbeitstätigkeiten geben.
• können Verfahren zur Analyse von Arbeitstätigkeiten anwenden
• können arbeitspsychologische Konzepte (z.B. geteilte mentale Modelle, Beanspruchung, Motivation, Vertrauen) auf Mensch-Roboter-Interaktionen übertragen
• Wissen und verstehen die wesentlichen psychologischen und organisatorischen Zusammenhänge bei Veränderungsvorgängen in Organisationen/Unternehmen und deren Dynamiken
• Können Veränderungsprozesse in Org. analysieren und Interventionen (Strategien, Methoden,…) entwickeln.
• Wissen die verschiedenen Modelle, Funktionen, Aufgaben von Führungskräften und reflektieren den Zusammenhang von Füh-rung und Persönlichkeit und können eigene Maßnahmenpläne entwickeln.

Arbeitspsychologie

Semester	1
Typ	Pflicht / Seminar
ECTS	3
Prüfungsart	Immanente Beurteilung
• Grundlagen zur Analyse, Bewertung und Gestaltung von Arbeitstä-tigkeiten • Arbeitsplatzgestaltung unter psychologischen Gesichtspunkten, • Formen von Arbeitsverhalten • Motivation • Wirkungen der Arbeit • Gruppen und Teamarbeit • Mensch-Roboter Interaktion

Change Management

Semester	2
Typ	Pflicht / Seminar
ECTS	3
Prüfungsart	Immanente Beurteilung
• Grundlagen des Changemanagement, Strategien im Changepro-zess, Veränderungsstrategien und Techniken der Umsetzung • Umgang mit unterschiedlichen Gesetzmäßigkeiten und Dynamiken in Changeprozessen (Widerstände, Konflikte, Koalitionen, Krisen, Motivation). • Erfolgskriterien in Organisationsentwicklungs- und Veränderungs-prozessen, Konzepte, Phasen, Modelle und Instrumente des Wan-dels, • Modelle, Funktionen und Aufgaben von Führung • Schlüsselkompetenzen von Führungskräften in Veränderungspro-zessen • Zusammenhang von Führung und Persönlichkeit • Die Führungskraft als Multiplikator der Ziele und Werte eines Un-ternehmens • Einflüsse auf Führung (externe und interne Rahmenbedingungen) • Entscheidungsbeteiligung der Mitarbeiter • Umgang mit Macht und Information

• Die StudentIn erwirbt abhängig von den semesterweisen Themen, ganzheitlich interdisziplinäre Betrachtungsweisen und Methoden.
• Er/Sie kann praktische Probleme erkennen, strukturieren und um-setzungsreife Lösungen entwickeln.
• Er/Sie besitzt die Fähigkeit moderne Projektmanagement Ver-fahren und Tools in der Problemlösung gezielt einzusetzen.
• Er/Sie entwickelt Transfer- und Sozialkompetenz in Gruppen und übernimmt Handlungsbreitschaft und Verantwortung für gemeinsame Ziele.
• Er/Sie kann anwendungsreife Praxislösungen entwickeln und diese verbal und schriftlich kommunizieren.

Projektarbeit

Semester	3
Typ	Pflicht / Projekt
ECTS	8
Prüfungsart	Immanente Beurteilung
Lösen anspruchsvoller Aufgaben aus dem unmittelbaren Berufsumfeld. Die Problemstellungen stammen aus der aktuellen industriellen F&E im unmittelbaren Berufsumfeld und werden als Projekt vorzugsweise im Unternehmen der bb-Studierenden und/oder F&E-Institutionen durchge- führt. Dabei sollen die bis zu diesem Zeitpunkt in Vorlesungen und Übungen erworbenen fachlichen und sozialen Fähigkeiten in der Be- rufspraxis angewendet werden. Die Projektabwicklung erfolgt nach modernen Projektmanagement-Methoden. Dazu ist neben der fachli- chen Betreuung auch eine entsprechende Projektmanagement- Unterstützung vorgesehen. Erstellung eines Projektberichts nach wissenschaftlichen Kriterien (Auf- bau, Zitierung etc.)