Digital Design & Development

Studienrichtungen und Vertiefungen

• Data Engineering und Analytics · 20 ECTS
• Künstliche Intelligenz und Intelligence Engineering · 20 ECTS

Semesterplan

1. 1. Semester35 ECTS PflichtFortgeschrittene Informatik · Fortgeschrittene Lineare Algebra und Analysis · Fortgeschrittene Programmierung · Grundlagen Data Science und Künstliche Intelligenz · Grundlagen Informatik · Grundlagen Konstruktion I · Grundlagen Lineare Algebra und Analysis · Grundlagen Programmierung · Praxismodul I · Relationen, Algebra, Optimierung · Schlüsselqualifikationen

   • Fortgeschrittene InformatikKurzbeschreibung von OWWZ: Verteilte Systeme, Kommunikationsschnittstellen und Sicherheitskonzepte werden mit Webentwicklung verbunden; eine praktische Webanwendung zeigt das Zusammenspiel aktueller Technologien.1.–2. Semester5 ECTS
   • Fortgeschrittene Lineare Algebra und AnalysisKurzbeschreibung von OWWZ: Orthogonalität, Matrixzerlegungen und numerische Verfahren werden mit mehrdimensionaler Analysis und Fehleranalyse vertieft; iterative Lösungs- und Integrationsmethoden werden angewandt.1.–2. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Fortgeschrittene ProgrammierungKurzbeschreibung von OWWZ: Datenstrukturen, Such- und Sortierverfahren, funktionale Konzepte und heuristische Algorithmen werden vertieft; eine Datenverarbeitungsanwendung nutzt gängige Data-Science- und ML-Bibliotheken.1.–2. Semester5 ECTS
   • Grundlagen Data Science und Künstliche IntelligenzKurzbeschreibung von OWWZ: Datenbasierte Wissensgewinnung und KI werden über Lernformen, Regression, Klassifikation, Clustering, Modellevaluation und Visualisierung anhand elementarer Anwendungen erschlossen.1.–2. SemesterPrüfung: Portfolio oder Klausur mit Projektbericht ohne Präsentation5 ECTS
   • Grundlagen InformatikKurzbeschreibung von OWWZ: Datenrepräsentation und Rechnerkomponenten werden mit Betriebssystemen, Speicherverwaltung, Virtualisierung und Netzwerkprotokollen verbunden.1.–2. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Grundlagen Konstruktion IKurzbeschreibung von OWWZ: Technische Zeichnungen und CAD erschließen die Gestaltung einfacher Bauteile. Toleranzen, Passungen, beanspruchungs- und fertigungsgerechte Konstruktion sowie Verbindungstechniken unterstützen die Auslegung grundlegender Maschinenelemente.1.–2. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Grundlagen Lineare Algebra und AnalysisKurzbeschreibung von OWWZ: Vektorräume, Matrizen und Eigenwerte werden mit Folgen, Grenzwerten, Differential- und Integralrechnung sowie Taylorreihen verbunden.1.–2. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Grundlagen ProgrammierungKurzbeschreibung von OWWZ: Algorithmen, Datentypen und Kontrollstrukturen werden mit Programmierparadigmen, Bibliotheken, Tests und Fehlersuche erlernt und in praktischen Programmieraufgaben angewandt.1.–2. Semester5 ECTS
   • Praxismodul IKurzbeschreibung von OWWZ: Unternehmen und betriebliche Abläufe mit Daten- und KI-Bezug werden durch Mitarbeit kennengelernt. Zugewiesene Aufgaben werden konzipiert, dokumentiert und in Projektarbeit und Reflexionsbericht aufgearbeitet.1.–2. SemesterPrüfung: Projektarbeit und Praxis- und Reflexionsbericht (unbenotet)20 ECTS
   • Relationen, Algebra, OptimierungKurzbeschreibung von OWWZ: Mengen, Relationen, Logik, Graphen und algebraische Strukturen bilden die Basis für lineare, nichtlineare, diskrete und multikriterielle Optimierung samt rechnergestützter Anwendungen.1.–2. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • SchlüsselqualifikationenKurzbeschreibung von OWWZ: Wissenschaftliche Grundlagen werden mit zwei gewählten Einheiten aus Kommunikation, angewandter Forschung, Philosophie des Geistes, KI und Gesellschaft oder Design Thinking ergänzt.1.–2. SemesterPrüfung: Unbenoteter Leistungsnachweis (unbenotet)5 ECTS
2. 2. Semester35 ECTS PflichtLäuft weiter: Fortgeschrittene Informatik, Fortgeschrittene Lineare Algebra und Analysis, Fortgeschrittene Programmierung, Grundlagen Data Science und Künstliche Intelligenz, Grundlagen Informatik, Grundlagen Konstruktion I, Grundlagen Lineare Algebra und Analysis, Grundlagen Programmierung, Praxismodul I, Relationen, Algebra, Optimierung, Schlüsselqualifikationen
3. 3. Semester35 ECTS PflichtAdditive Fertigungsverfahren · Cloud Computing und Big Data · Grundlagen der Werkstoffkunde und der Festigkeitslehre · Grundlagen IT-Sicherheit und Datenschutz · Grundlagen Konstruktion II · Künstliche Intelligenz und Machine Learning · Moderne Datenbank-Konzepte · Praxismodul II · Stochastik · Systems Engineering · Theoretische Informatik

   • Additive FertigungsverfahrenKurzbeschreibung von OWWZ: Additive Fertigung wird anhand von Materialien, Anlagen und Prozessketten untersucht. Bauteilgestaltung, CAD/CAM, Vor- und Nachbearbeitung sowie Kostenbetrachtung verbinden die Verfahrenswahl mit der Integration in bestehende Produktionsprozesse.3.–4. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Cloud Computing und Big DataKurzbeschreibung von OWWZ: Cloud- und Big-Data-Architekturen werden mit Microservices, Containern, Orchestrierung, Data Lakes und paralleler Datenverarbeitung untersucht und praktisch zu einer Anwendung kombiniert.3.–4. Semester5 ECTS
   • Grundlagen der Werkstoffkunde und der FestigkeitslehreKurzbeschreibung von OWWZ: Werkstoffe und Fertigungsverfahren werden mit technischer Mechanik und Festigkeitslehre verbunden. Materialeigenschaften, Prüfung, Belastungsarten und dynamische Beanspruchung unterstützen die Auswahl und Berechnung geeigneter Bauteile und Herstellungsverfahren.3.–4. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Grundlagen IT-Sicherheit und DatenschutzKurzbeschreibung von OWWZ: Kryptographie, Authentifizierung und Datenschutz werden mit Sicherheitsmanagement, Forensik und Netzwerksicherheit verknüpft; Bedrohungen und Sicherheitsanwendungen von Data Science werden untersucht.3.–4. Semester5 ECTS
   • Grundlagen Konstruktion IIKurzbeschreibung von OWWZ: Systematische Konstruktion wird über Wellen, Welle-Nabe-Verbindungen, Kupplungen, Bremsen, Übertragungselemente und Lager vertieft. Baugruppen werden gestaltet und hinsichtlich Funktion, Dimensionierung, Fertigung und Verantwortung bewertet.3.–4. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Künstliche Intelligenz und Machine LearningKurzbeschreibung von OWWZ: Wissensrepräsentation und Schlussfolgern werden mit fortgeschrittenen Lernverfahren, Modellevaluation, neuronalen Netzen, Sprachmodellen und Reinforcement Learning verbunden und praktisch umgesetzt.3.–4. Semester5 ECTS
   • Moderne Datenbank-KonzepteKurzbeschreibung von OWWZ: Relationale und nichtrelationale Datenbanken werden über Entwurf, Transaktionen, Indexstrukturen, Verteilung, Konsistenz und SQL- beziehungsweise NoSQL-Programmierung erschlossen.3.–4. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Praxismodul IIKurzbeschreibung von OWWZ: Daten- und KI-Aufgaben werden in Unternehmensbereichen wie Marketing, Fertigung oder Softwareentwicklung bearbeitet. Eine benotete Projektarbeit und Präsentation werden durch einen unbenoteten Reflexionsbericht ergänzt.3.–4. Semester20 ECTS
   • StochastikKurzbeschreibung von OWWZ: Wahrscheinlichkeitsmodelle und Zufallsvariablen werden mit Grenzwertsätzen, Schätzverfahren, Konfidenzintervallen, Hypothesentests und Versuchsplanung verbunden.3.–4. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Systems EngineeringKurzbeschreibung von OWWZ: Systemarchitekturen und modellbasierter Entwurf werden mit Anforderungsmanagement, Softwareimplementierung, Tests und DevOps über den Entwicklungslebenszyklus verbunden.3.–4. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Theoretische InformatikKurzbeschreibung von OWWZ: Algorithmenkomplexität wird mit formalen Sprachen, Grammatiken, Automaten und Turingmaschinen verknüpft; Berechenbarkeit, Entscheidbarkeit und praktische Sprachumsetzung werden vertieft.3.–4. Semester5 ECTS
4. 4. Semester35 ECTS PflichtLäuft weiter: Additive Fertigungsverfahren, Cloud Computing und Big Data, Grundlagen der Werkstoffkunde und der Festigkeitslehre, Grundlagen IT-Sicherheit und Datenschutz, Grundlagen Konstruktion II, Künstliche Intelligenz und Machine Learning, Moderne Datenbank-Konzepte, Praxismodul II, Stochastik, Systems Engineering, Theoretische Informatik
5. 5. Semester25 ECTS Pflicht · 1 WahlpflichtkatalogAktuelle Themen der digitalen Produktentwicklung · Ausgewählte Aspekte in Data Science und Künstlicher Intelligenz · Bachelorarbeit · Data Science und künstliche Intelligenz in der Konstruktion I · Data Science und künstliche Intelligenz in der Konstruktion II · Praxismodul III · Virtual Engineering I · Virtual Engineering II · Wahlpflicht aus Fachliche Vertiefung

   • Aktuelle Themen der digitalen ProduktentwicklungKurzbeschreibung von OWWZ: Eine von zwei Einheiten wird gewählt: KI zur Bauteil- und Gleichteilerkennung sowie zum Variantenmanagement oder ethische und rechtliche Fragen der KI einschließlich Risikobewertung und betrieblicher Umsetzung.5.–6. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Ausgewählte Aspekte in Data Science und Künstlicher IntelligenzKurzbeschreibung von OWWZ: Eine Vertiefung wird gewählt: Sprachverarbeitung, Reinforcement Learning, Netzwerkanalyse, IT-Sicherheit, erklärbare KI, User Experience, Datenprojektleitung oder In-Memory-Analytics; die jeweilige Einheit verbindet Konzepte und Anwendung.5.–6. Semester5 ECTS
   • BachelorarbeitKurzbeschreibung von OWWZ: Eine betriebliche Daten- oder KI-Fragestellung wird eigenständig wissenschaftlich analysiert, gelöst und als Abschlussarbeit dokumentiert; das Kolloquium ergänzt die schriftliche Prüfung.Abschlussarbeit · 5.–6. Semester12 ECTS
   • Data Science und künstliche Intelligenz in der Konstruktion IKurzbeschreibung von OWWZ: Messtechnik und statistische Messreihenauswertung werden mit KI verbunden. Versuchsdaten unterstützen die Optimierung von Konstruktionen, die Bewertung und Entdeckung von Materialien sowie die Planung von Testaufbauten und Versuchsständen.5.–6. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Data Science und künstliche Intelligenz in der Konstruktion IIKurzbeschreibung von OWWZ: Felddaten aus Fertigung, Betrieb, Lieferanten und Konstruktion werden mit KI ausgewertet und in die Entwicklung zurückgeführt. Berechnungsverfahren unterstützen Verbesserungen von Qualität, Festigkeit und Funktion sowie die Bewertung automatisierbarer Komponenten.5.–6. SemesterPrüfung: Klausur 120 Min.5 ECTS
   • Praxismodul IIIKurzbeschreibung von OWWZ: Betriebliche Praxis wird im Ablauf und hinsichtlich eigener Kompetenzentwicklung reflektiert; die Studierenden bearbeiten komplexe praktische Aufgaben zunehmend eigenständig.5.–6. SemesterPrüfung: Praxis- und Reflexionsbericht (unbenotet)8 ECTS
   • Virtual Engineering IKurzbeschreibung von OWWZ: Finite-Elemente-Simulation und Topologieoptimierung unterstützen die digitale Konstruktion. Festigkeit, Betriebsabläufe und dynamisches Verhalten werden berechnet; iterative Optimierung und Verfahrenswahl verbinden Simulationsergebnisse mit der Herstellung.5.–6. SemesterPrüfung: Entwurf5 ECTS
   • Virtual Engineering IIKurzbeschreibung von OWWZ: Virtual und Augmented Reality werden für Produktentwicklung und Baugruppenintegration untersucht. Anzeigegeräte, Tracking, Entwicklungswerkzeuge und Interaktionsmodelle unterstützen die Implementierung und nutzerbezogene Evaluation immersiver Anwendungen.5.–6. SemesterPrüfung: Klausur 120 Min.5 ECTS

   Wahlpflicht aus Fachliche Vertiefung8 Module · 20 ECTS zu wählen

   Je nach Vertiefung: Data Engineering und Analytics

   • Data EngineeringKurzbeschreibung von OWWZ: Datenbereitstellung, Vorverarbeitung und Integration werden über den Data-Engineering-Lebenszyklus erschlossen; Data Lakes, Warehouses und ETL werden praktisch umgesetzt.5.–6. Semester · Data Engineering und Analytics5 ECTSWahlpflicht
   • Data AnalyticsKurzbeschreibung von OWWZ: SQL-Abfragen, OLAP und Lernverfahren werden für Datenanalyse angewandt; Zeitreihen, Visualisierung, Big-Data-Frameworks und Analytics-Portale ergänzen praktische Analysefälle.5.–6. Semester · Data Engineering und AnalyticsPrüfung: Portfolio5 ECTSWahlpflicht
   • Aktuelle Entwicklungen Data Engineering und AnalyticsKurzbeschreibung von OWWZ: Aktuelle Dateninfrastruktur- und Analytikthemen werden nach Praxisrelevanz ausgewählt, etwa Data Mesh, Cloudbetrieb, Echtzeitanalyse und Serverless Computing; Laboraufgaben vertiefen ausgewählte Anwendungen.5.–6. Semester · Data Engineering und AnalyticsPrüfung: Assignment oder Portfolio5 ECTSWahlpflicht
   • Projekt Data Engineering und AnalyticsKurzbeschreibung von OWWZ: Ein Teamprojekt kombiniert Datenbereitstellung und Analyse mit Projektorganisation, Prozessmodellierung und Softwareentwicklung; Ergebnisse werden wissenschaftlich dokumentiert und präsentiert.5.–6. Semester · Data Engineering und AnalyticsPrüfung: Seminararbeit (mit Präsentation)5 ECTSWahlpflicht

   Je nach Vertiefung: Künstliche Intelligenz und Intelligence Engineering

   • Intelligence EngineeringKurzbeschreibung von OWWZ: KI-Anwendungen werden über Datenerhebung, Feature Engineering, Training, Evaluation, Deployment und Pflege entwickelt; modellbasiertes Systems Engineering unterstützt unterschiedliche Anwendungsklassen.5.–6. Semester · Künstliche Intelligenz und Intelligence EngineeringPrüfung: Portfolio5 ECTSWahlpflicht
   • Vertiefung Künstliche Intelligenz und Machine LearningKurzbeschreibung von OWWZ: Deep Learning wird mit komplexen Daten, generativen Modellen und Reinforcement Learning vertieft; Hyperparameteroptimierung, AutoML und praktische Werkzeuge unterstützen experimentelle Modellverbesserung.5.–6. Semester · Künstliche Intelligenz und Intelligence Engineering5 ECTSWahlpflicht
   • Aktuelle Entwicklungen Künstliche Intelligenz und Intelligence EngineeringKurzbeschreibung von OWWZ: Aktuelle KI-Themen werden nach Praxisrelevanz ausgewählt, darunter Wissensgraphen, Sprachmodelle, Visualisierung, erklärbare KI und Business Analytics; Laboraufgaben ergänzen die Vertiefung.5.–6. Semester · Künstliche Intelligenz und Intelligence EngineeringPrüfung: Assignment oder Portfolio5 ECTSWahlpflicht
   • Projekt Künstliche Intelligenz und Intelligence EngineeringKurzbeschreibung von OWWZ: Ein ganzheitliches KI-Projekt verbindet Datengewinnung und Aufbereitung mit Modellauswahl, Optimierung, Evaluation und Deployment zu einer praktisch nutzbaren Anwendung.5.–6. Semester · Künstliche Intelligenz und Intelligence EngineeringPrüfung: Projektbericht (mit Präsentation)5 ECTSWahlpflicht
6. 6. Semester25 ECTS PflichtLäuft weiter: Aktuelle Themen der digitalen Produktentwicklung, Ausgewählte Aspekte in Data Science und Künstlicher Intelligenz, Bachelorarbeit, Data Science und künstliche Intelligenz in der Konstruktion I, Data Science und künstliche Intelligenz in der Konstruktion II, Praxismodul III, Virtual Engineering I, Virtual Engineering II

Themenprofil · Vertiefung Künstliche Intelligenz und Intelligence Engineering

ECTS nach Themen, aus den Modulen des Studienplans; zusammen höchstens die ECTS des Studiengangs.PflichtWahl

• Maschinelles Lernen12 ECTS: 5 Pflicht, 7 Wahl12 ECTS
• Künstliche Intelligenz8 ECTS: 4 Pflicht, 4 Wahl8 ECTS
• Datenbanken7 ECTS: 7 Pflicht7 ECTS
• Konstruktion7 ECTS: 7 Pflicht7 ECTS
• Algorithmen und Datenstrukturen6 ECTS: 6 Pflicht6 ECTS
• Data Science und Datenanalyse6 ECTS: 4 Pflicht, 2 Wahl6 ECTS
• Softwaretechnik5 ECTS: 5 Pflicht5 ECTS
• Systems Engineering5 ECTS: 3 Pflicht, 2 Wahl5 ECTS

Quellen des Studienplans

• Studien- und Prüfungsordnung Wirtschaft 26/2026Prüfungsordnung · Fassung Amtliche Bekanntmachungen Nr. 26/2026 vom 9. Juli 2026 · geprüft am 14. Oktober 2026
• Modulhandbuch Data Science und Kuenstliche Intelligenz – Digital Design & Development (STG)Modulhandbuch · Fassung Stand vom 13.10.2026 · geprüft am 14. Oktober 2026