Digital Product Management

 

Die Digitalisierung und Vernetzung der Produktion erhöht die Verfügbarkeit von Daten über den gesamten Produktlebenszyklus und zeigt neue Potentiale in der Wertschöpfung traditioneller Branchen. Mit den hierfür benötigten neuen Kompetenzen und Fertigkeiten geht jedoch auch ein kultureller und struktureller Wandel in der Organisation und Art der Zusammenarbeit einher.

Das Seminar behandelt daher das Spannungsfeld aus traditionellem Maschinen- und Anlagenbau mit agiler Produktentwicklung und neuen Geschäftsmodellen wie Software as a Service. Es adressiert weiterhin die sich stark verändernde Rolle von Domänenexperten und -mitarbeitern in Bezug auf die von Ihnen eingesetzten Systeme, Prozesse und Produkte. Mit der Schwerpunktverlagerung der Datenanalyse von reaktiv und korrigierend zu proaktiv und prädizierend bleiben die Grundsätze des Betriebs von Maschinen und Anlagen bestehen, im Produktionsumfeld handelnde Akteure benötigen allerdings Werkzeuge, z.B. aus der Domäne des Machine Learnings, um mit einer veränderten Komplexität umgehen zu können. Um in einer humanzentrierten Produktion zukünftig informierte Entscheidungen zu treffen, bedarf es nutzerzentriert entwickelter digitaler Systeme (Smart Quality Expert-Systeme).

Es werden daher zunächst die Grundbegriffe der Industrie 4.0, Machine Learning, Künstlicher Intelligenz und viele weitere abgegrenzt. In einem zweiten Schritt erfolgt eine Aufarbeitung der Unterschiede klassischer Wasserfall-basierter Entwicklungsmethoden zu den Ansätzen agiler, nutzerzentierter Entwicklung. Nach der Nutzersicht gilt es, die technischen Lösungsaspekte zu verstehen und zu bewerten. Neben Webtechnologien sind dies insbesondere Werkzeuge aus den Bereichen Data Science, Data Engineering und serverloser Architektur (Cloud). Weiterhin werden die verschiedenen Quellen und Systeme für Daten und Informationen in produzierenden Unternehmen adressiert. Dies umfasst neben ihrer strukturellen Ordnung (Automatisierungspyramide) auch die hier derzeit erfolgenden technischen und organisatorischen Veränderungen. Anhand von durchgängigen Beispielen werden die Inhalte in Kleingruppen entlang mehrerer Themenblöcke vollzogen und ausgearbeitet, um anhand der studentischen „Do it yourself“-Arbeit einen nachhaltigen Lernerfolg sicherzustellen. Use Cases aus der Industrie unterstreichen an geeigneten Stellen die theoretischen Inhalte.