Am Ende der Lehrveranstaltung sollen die Studierenden in der Lage sein:

• grundlegende und fortgeschrittene Konzepte im Bereich digitaler Produktionssysteme, Lean Production und Supply Chain Management zu verstehen und anzuwenden,
• internationale Unterschiede und Herausforderungen in der industriellen Produktion sowie im Remanufacturing zu erkennen und zu analysieren,
• digitale Werkzeuge wie VisTable, Plant Simulation oder Cloud-Dokumentationsplattformen zielgerichtet einzusetzen,
• komplexe technische und organisatorische Zusammenhänge in realitätsnahen Projekten zu durchdringen und lösungsorientiert zu bearbeiten,
• eigenständig in Teams zu arbeiten, Verantwortung zu übernehmen und sich projektbezogen zu organisieren,
• praxisorientierte Aufgabenstellungen kreativ und strukturiert umzusetzen,
• Projektergebnisse adressatengerecht aufzubereiten und zu präsentieren – sowohl multimedial (Video, Poster) als auch schriftlich (Dokumentation),
• interdisziplinäre und interkulturelle Kompetenzen zu entwickeln, insbesondere durch die Zusammenarbeit mit internationalen Lehrenden und Studierenden im virtuellen Raum.

Diese Lernziele verbinden fachliches Wissen mit überfachlichen Kompetenzen und bereiten die Studierenden auf reale Herausforderungen in einem global vernetzten Produktionsumfeld vor.

Die Prüfung ist als praxisorientierte Projektarbeit mit mehreren Output-Formaten gestaltet, die unterschiedliche Kompetenzbereiche abbilden und somit eine valide Überprüfung der intendierten Lernziele ermöglichen. Im Zentrum stehen reale oder realitätsnahe Aufgabenstellungen aus dem Bereich der digitalen Produktions- und Logistiksysteme, die in Gruppenarbeit bearbeitet werden. Die Studierenden erhalten dabei ein hohes Maß an Eigenverantwortung und Gestaltungsfreiheit, was sowohl methodische als auch soziale Kompetenzen fördert. Die Prüfungsleistung besteht aus drei miteinander verknüpften Elementen:

1. Kurzvideo: Die Studierenden präsentieren ihr Projekt in Form eines prägnanten, medial ansprechenden Videos. Hier wird die Fähigkeit zur adressatengerechten, digitalen Kommunikation und zur kreativen Aufbereitung komplexer Inhalte geprüft.
2. Projektposter: Dieses fasst die zentralen Inhalte und Ergebnisse des Projekts visuell zusammen. Es dient der Reflexion und Fokussierung auf wesentliche Aussagen und stellt eine wichtige Kompetenz im Hinblick auf wissenschaftliche Kommunikation dar.
3. Digitale Projektdokumentation (Cloud-basiert): In dieser umfangreichen schriftlichen Ausarbeitung legen die Studierenden systematisch ihre Herangehensweise, verwendeten Methoden, getroffenen Entscheidungen, Herausforderungen und Ergebnisse dar. Die Dokumentation macht nicht nur den Arbeitsprozess transparent, sondern erlaubt auch eine tiefgehende Bewertung der fachlichen, analytischen und konzeptionellen Kompetenzen.

Diese Prüfungsform ist stark auf das Constructive Alignment ausgerichtet: Sie greift die in der Lehrveranstaltung verfolgten Lernziele systematisch auf und erlaubt es den Studierenden, ihr Wissen praxisnah anzuwenden und weiterzuentwickeln. Die Vielfalt der Formate (schriftlich, visuell, medial) stellt sicher, dass unterschiedliche Lerntypen und Ausdrucksformen berücksichtigt werden. Zudem fördert die Gruppenkonstellation die soziale Dimension des Lernens sowie die Fähigkeit zur interdisziplinären und kooperativen Problemlösung – beides essenziell für das spätere Berufsleben im Bereich Industrie 4.0 und globaler Lieferketten.

Die Lehrveranstaltung Manufacturing Systems kombiniert synchrone und asynchrone Lehr- und Lernformate, um den komplexen Anforderungen der Lernziele sowie der Prüfungsform gerecht zu werden. Die Aktivitäten sind in zwei Hauptphasen untergliedert, die sich gezielt auf die Projektarbeit und das internationale Setting beziehen.

In der ersten Phase (internationale Online-Lehre):

• Teilnahme an digitalen Vorlesungen mit internationalen Gastprofessor:innen (z. B. aus Brasilien, Mexiko und Costa Rica) zu thematischen Schwerpunkten wie Lean Production, Digitales Supply Chain Management oder Remanufacturing.
• Asynchrone Selbstlernphasen zur Vertiefung der Inhalte durch bereitgestellte Videos, Lektüren und Reflexionsfragen.
• Austausch und Diskussion über digitale Kommunikationsplattformen (z. B. Foren, Videokonferenzen), teilweise in internationalen Gruppen.

In der zweiten Phase (Projektarbeit an der HS Hof):

• Eigenständige Planung, Durchführung und Dokumentation praxisorientierter Projekte in kleinen Teams.
• Einsatz digitaler Werkzeuge wie VisTable, Plant Simulation, Drohnentechnologie oder Cloud-Dokumentationslösungen zur Anwendung und Vertiefung des Gelernten.
• Regelmäßige Meilensteinbesprechungen mit der Lehrperson zur Reflexion des Arbeitsfortschritts und zur gezielten Unterstützung.
• Interne Peer-Reviews zwischen Gruppen zur Förderung kritischer Analyse und Feedbackkultur.
• Workshops zur Entwicklung von Präsentationstechniken und Gestaltung von Postern/Videos.
• Nutzung einer Cloud-basierten Plattform zur kollaborativen Arbeit und Abgabe der Prüfungselemente.

Diese Aktivitäten sind so gestaltet, dass sie nicht nur den Erwerb von Fachwissen unterstützen, sondern auch Schlüsselkompetenzen wie Teamarbeit, Projektmanagement, interkulturelle Kommunikation und digitale Medienkompetenz gezielt fördern. Der hohe Praxisbezug und die kollaborative Struktur schaffen ein motivierendes Lernumfeld, in dem Studierende ihr Wissen anwenden, weiterentwickeln und in nachhaltige Lernprodukte überführen können.

Prozessmanagement dient der kontinuierlichen Ausrichtung der Geschäftsprozesse eines Unternehmens auf den Kunden (also den Markt) und der Unterstützung dieser Prozesse durch geeignete Informations- und Kommunikationstechnologie. Die Studierenden kennen die Bedeutung dieser Managementaufgabe – insbesondere im Kontext der Digitalisierung – und sind in der Lage, sie entlang des gesamten Prozesslebenszyklus strukturiert anzuwenden. Die Studierenden können ausgewählte Methoden und (IT-)Werkzeuge für Problemstellungen in den einzelnen Phasen des Prozesslebenszyklus anwenden und präsentieren. Die Studierenden sind in der Lage, komplexe Prozesszusammenhänge mit geeigneter Software zu visualisieren.

Die Prüfung ist als praxisnahe, mehrteilige Leistungsaufgabe konzipiert, die verschiedene Kompetenzbereiche abbildet. Die Studierenden analysieren im ersten Teil eine komplexe Problemstellung aus dem Bereich des Geschäftsprozessmanagements und entwickeln auf dieser Grundlage ein Prozessmodell mithilfe der Software Signavio. In einem begleitenden Reflexionsteil dokumentieren sie ihr methodisches Vorgehen, reflektieren getroffene Entscheidungen und bewerten mögliche Optimierungspotenziale. Durch die Kombination von Analyse, Modellierung, Reflexion und Präsentation wird sichergestellt, dass nicht nur reines Faktenwissen, sondern auch die Anwendung, das kritische Denken sowie Kommunikations- und Selbstorganisationskompetenzen geprüft werden. Die Prüfungsform unterstützt so gezielt die intendierten Lernziele des Moduls und fördert die Verbindung von Fach-, Methoden-, Selbst- und Sozialkompetenz. Sie ist insbesondere geeignet, um die Fähigkeit zur ganzheitlichen Problemlösung im Prozessmanagement unter Einsatz digitaler Werkzeuge sichtbar zu machen.

Im Rahmen des Lehrkonzepts zur Prozessmodellierung mit Signavio auf Basis der Notationen BPMN und eEPK werden die Lehr- und Lernaktivitäten gezielt auf die definierten Lernziele und die angestrebte Prüfungsform abgestimmt. Ziel ist es, den Lernenden die Fähigkeit zu vermitteln, Geschäftsprozesse strukturiert und regelkonform zu modellieren, diese kritisch zu reflektieren und praxisnah in Signavio umzusetzen. Die Lehraktivitäten bestehen zunächst aus einer theoriegestützten Einführung in die Modellierungssprachen BPMN und eEPK. Hierbei werden die relevanten Notationselemente sowie deren Anwendungsbereiche in einem didaktisch reduzierten Input vermittelt. Darauf folgen systematische Demonstrationen innerhalb der Modellierungsumgebung Signavio, bei denen exemplarisch gezeigt wird, wie Prozesse technisch korrekt modelliert und über die Kollaborationsfunktionen des Tools dokumentiert werden können. Diese Impulse dienen der kognitiven Strukturierung und schaffen eine Grundlage für die anschließende Anwendung durch die Lernenden. Die Lernaktivitäten setzen in erster Linie auf aktive Anwendung und kooperative Vertiefung. In angeleiteten Übungsphasen modellieren die Teilnehmenden zunächst in Kleingruppen einfache bis komplexere Prozesse auf Basis textueller Beschreibungen. Dabei wenden sie die zuvor eingeführten Notationen praktisch an und festigen gleichzeitig den Umgang mit Signavio. Durch Peer-Feedback und den Vergleich der Modelle im Plenum wird das kritische Denken gefördert und die Fähigkeit zur Bewertung unterschiedlicher Modellierungsansätze gestärkt. Anschließend bearbeiten die Lernenden im Rahmen einer selbstständigen Transferaufgabe einen individuellen Geschäftsprozess und erstellen dazu ein vollständiges Modell in BPMN oder eEPK. Diese Aufgabe entspricht in Struktur und Anspruch der vorgesehenen Prüfungsleistung und ermöglicht zugleich eine formative Rückmeldung zum Lernfortschritt. Zur Unterstützung des individuellen Lernprozesses werden zusätzlich digitale Microlearning-Elemente in Form von Screencasts, interaktiven Quizzes und modellierungsspezifischen Erklärvideos bereitgestellt. Diese Angebote fördern die Wiederholung, Festigung und individuelle Vertiefung der Inhalte. Abschließend reflektieren die Lernenden in einer moderierten Diskussion über typische Herausforderungen beim Modellieren, Unterschiede zwischen den Notationen sowie die Anwendung von Modellierungsrichtlinien – mit dem Ziel, metakognitive Strategien zu fördern und die Qualität der Prozessmodelle nachhaltig zu verbessern.

Die Studierenden können:

• Sicher mit Basiskomponenten einer IT-Infrastruktur und dessen angewandte Software umgehen und das Zusammenspiel dieser Elemente beschreiben.
• Kenntnisse und Fertigkeiten in den Bereichen folgenden Bereichen aufweisen: – Grundlagen und Grundbegriffe der Informatik und Informationstechnologie, Teilgebiete und geschichtliche Entwicklung bis hin zu aktuellen Anwendungsfeldern von Digitalisierung in der Praxis (z.B. IoT), Hardware- und Software-Komponenten sowie geeignete Betriebssysteme, Prozessunterstützung durch geeignete Anwendungssysteme und deren Einsatzgebiete im Unternehmen (z.B. ERP, etc.), Einschätzung des Nutzens von Informationssystemen zur Geschäftsprozessunterstützung im Unternehmensumfeld, Lösung komplexer Sachverhalte durch eigenständige Anwendung von, den in der Praxis am weitest verbreitenden betriebswirtschaftlicher Softwarelösungen.

Die Studierenden sollen beispielsweise typische ERP-Prozesse analysieren, einfache Szenarien digitaler Geschäftsmodelle einschätzen oder Softwareentscheidungen im Unternehmenskontext begründen.

Durch die digitale Prüfungsumgebung wird sichergestellt, dass methodische und technische Kompetenzen gleichermaßen abgedeckt werden.

• Sie verbindet theoretisches Wissen mit praktischer Anwendungsfähigkeit.
• Die Nutzung eines digitalen Systems erlaubt realitätsnahe Aufgabenstellungen (z. B. Multiple-Choice zu Prozessauswahl).

Die Studierenden zeigen, dass sie digitale Lösungen nicht nur kennen, sondern auch verantwortungsvoll und zielgerichtet einsetzen können.

• Interaktive Vorlesung
• Übungen an Systemen / Geschäftsanwendungen
• Diskussion digitaler Geschäftsmodelle durch Erfahrungsberichte aus der Praxis
• Gruppenarbeit zu Digitalisierungsszenarien im Unternehmen
• Selbstorganisierte Anwendung modernster Softwaretools

Die Studierenden:

• kennen zentrale Begriffe der Ethik im digitalen Raum und können diese voneinander abgrenzen (z. B. Moral, Ethik, Normen, Verantwortung),
• verstehen grundlegende ethische Theorien (z. B. Utilitarismus) und können diese auf konkrete digitale Anwendungsszenarien übertragen,
• analysieren systematisch Fragestellungen wie Datenschutz, Informationsgerechtigkeit, Machtverhältnisse, Genderfragen oder Informationsfreiheit,
• reflektieren kritisch gesellschaftliche Auswirkungen digitaler Technologien,
• kennen relevante ethische Kodizes (z. B. ACM, IEEE) sowie Grundlagen des Datenschutzrechts (z. B. DSGVO),
• übernehmen Verantwortung für ihr Handeln im digitalen Raum und können ethische Fragen argumentativ begründen.

Die schriftliche Prüfung besteht aus einer Kombination aus Begriffsdefinitionen, Theorieverständnis und Fallanalysen. Die Studierenden bearbeiten z. B. Fallbeispiele zu KI-Einsatz oder zu Datenschutzfragen und wenden dabei gelernte ethische Theorien sowie rechtliche Grundlagen reflektiert an.

• Sie fordert und fördert sowohl Fachwissen als auch ethische Urteilskraft.
• Die Kombination aus theoretischem Wissen und argumentativer Praxisanwendung spiegelt reale ethische Entscheidungsprozesse in der digitalen Welt wider.
• Die Prüfung ermöglicht differenzierte Bewertungen und fördert kritisches Denken.

• Inputphasen mit Theorien und Begriffen
• Analyse konkreter Anwendungsszenarien
• Gruppenarbeit zu Fallstudien
• Diskussion ethischer Dilemmata

Studierende:

• verstehen grundlegende Begriffe und Prinzipien des Deep Learning,
• können Daten vorbereiten und geeignete Deep Learnig-Methoden auswählen,
• wenden ausgewählte Lernverfahren praktisch an und evaluieren deren Ergebnisse,
• analysieren und reflektieren methodisch ihr Vorgehen,
• organisieren ihren Lernprozess eigenverantwortlich,
• entwickeln Kommunikations- und Kooperationsfähigkeiten im wissenschaftlichen und interkulturellen Kontext.

Die Prüfung besteht aus praxisorientierten Aufgaben, die in einer digitalen, schriftlichen Klausur bearbeitet werden. Die Studierenden analysieren gegebene Datensätze, wählen passende Deep Learning-Verfahren aus, wenden sie an und interpretieren die Ergebnisse kritisch. Durch offene Fragen und Reflexionsaufgaben wird zudem die Fähigkeit zur methodischen Begründung und selbstständigen Problemlösung geprüft. So wird sichergestellt, dass neben theoretischem Wissen auch praktische Kompetenzen und Reflexionsfähigkeit abgefragt werden. Die digitale Klausur ermöglicht eine realitätsnahe Prüfungssituation, in der sowohl technisches Verständnis als auch methodisches Vorgehen abgebildet werden. Offene Aufgaben fördern eigenständiges Denken und reflektierte Lösungen. Zudem erlaubt die digitale Umgebung die Einbindung verschiedener Medien und somit eine vielschichtige Kompetenzabfrage – von der Datenanalyse über Modellbildung bis zur Ergebnisinterpretation.

• Interaktive Vorlesung mit Visualisierung
• Praktische Übungen
• Gruppenarbeit an Use Cases
• Diskussion
• Selbststudium

Die Studierenden:

• verstehen grundlegende Konzepte, Zielstellungen und Einsatzfelder der Künstlichen Intelligenz
• kennen zentrale Methoden des überwachten, unüberwachten und bestärkenden Lernens und können diese unterscheiden und zielgerichtet einsetzen,
• sind in der Lage, reale Problemstellungen zu analysieren und geeignete ML-Verfahren für deren Lösung auszuwählen,
• können Daten aufbereiten, trainieren, evaluieren und interpretieren, um fundierte Entscheidungen in KI-Anwendungen zu treffen,
• nutzen gängige Frameworks und Tools zur praktischen Umsetzung von KI-Projekten,
• verstehen die Funktionsweise neuronaler Netze und können einfache Deep-Learning-Modelle auf konkrete Anwendungsfelder übertragen,

reflektieren Chancen und Grenzen maschineller Lernverfahren, insbesondere im Hinblick auf Erklärbarkeit, Verzerrung, Robustheit und ethische Aspekte.

Die Prüfung erfolgt als digitale, schriftliche Klausur im PC-Labor unter Verwendung von EXaHM. Sie ist so gestaltet, dass die Studierenden zentrale Inhalte des Moduls nicht nur wiedergeben, sondern aktiv anwenden und kritisch reflektieren müssen. Anhand praxisnaher Fallbeispiele analysieren sie Anforderungen an KI-Systeme, wählen passende Bausteine aus und begründen ihre Entscheidungen auf Basis des erlernten methodischen Wissens. Durch strukturierte Fragen mit offenen Antwortfeldern wird das eigenständige Denken gefördert, während gezielte Teilaufgaben das systematische Vorgehen und die Fähigkeit zur Problemlösung abbilden.

Offene Aufgabenformate innerhalb der EXaHM-Umgebung ermöglichen es, Denkprozesse sichtbar zu machen, fundierte Argumentationen zu entwickeln und individuelle Lösungsansätze nachvollziehbar darzustellen. Die Studierenden können zeigen, dass sie Architekturentscheidungen nicht nur technisch begründen, sondern auch unter ethischen, praktischen und organisatorischen Gesichtspunkten reflektieren können.

Durch die digitale Durchführung wird zudem der Umgang mit relevanten digitalen Tools eingeübt – ein Aspekt, der im Bereich KI essenziell ist.

• Interaktive Vorlesung mit Visualisierung
• Gruppenarbeit an Use Cases
• Diskussion
• Coding Challenges