Menu
Ein Mann steht mit dem Rücken zu einer grauen Wand und blickt lächelnd in die Kamera. | © FH Kufstein Tirol
© FH Kufstein Tirol

Smart Products & AI-driven Development

Masterstudiengang

Unser englischsprachiger Vollzeit-Masterstudiengang bereitet Sie optimal auf die Zukunft der Produktentwicklung vor. Erwerben Sie das Know-how, um vernetzte Produkte zu entwickeln und innovative Geschäftsmodelle zu konzipieren. Gestalten Sie die Welt der intelligenten Technologien aktiv mit!

Überblick

  • Niveau der Qualifikation:

    Stufe 2, Master
  • Kosten:

    Euro 363,36* (zzgl. ÖH-Beitrag) pro Semester
  • Akademischer Grad:

    Master of Science in Engineering (MSc)
  • Organisationsform:

    Vollzeit
  • Unterrichtssprache:

    100% Englisch
  • Berufsfreundlich:

    E-Learning max. 30 % online
  • Auslandssemester:

    Betreute einwöchige Studienreise ins Ausland im 2. Semester**
  • Zugangsvoraussetzungen:

    Allgemeine Zugangsvoraussetzungen
  • Studienplätze pro Jahr:

    30

Hinweis:

Start vorbehaltlich der Genehmigung durch die AQ Austria
* Mehr Infos für Studierende aus Drittstaaten finden Sie im Bereich Links & Downloads.
** Die Reisekosten sind von den Studierenden selbst zu tragen oder werden von einer Förderung unterstützt.

Profil des Studiengangs

Eingang der FH Kufstein Tirol vom Gebäude B, mit dem Namen der Fachhochschule als Schriftzug darüber stehend. | © FH Kufstein Tirol
© FH Kufstein Tirol
Drei Personen sitzen an einem Tisch, und ein Mann dieser Gruppe zeigt mit seinem Stift in die Richtung der Kamera, wo sich ein Whiteboard befindet. | © FH Kufstein Tirol
© FH Kufstein Tirol
Ein Bücherregal, auf dem drei Reihen von Büchern sind. | © FH Kufstein Tirol
© FH Kufstein Tirol

Entdecken Sie die Zukunft der Produktentwicklung! Unser Masterstudiengang vermittelt Ihnen, wie Unternehmen mit Hilfe intelligente Produkte entwickeln können. Interdisziplinär und praxisnah verbinden wir Technik, Management und Soft Skills. Erleben Sie die Anwendung Ihres Wissens in spannenden Projekten und werden Sie Experte für KI-gestützte Produktinnovationen.

Der Masterstudiengang Smart Products & AI-driven Development verbindet technisches und wirtschaftliches Wissen für die Entwicklung intelligenter, vernetzter Produkte. Der Fokus liegt auf der praktischen Anwendung modernster KI-Methoden wie generative Sprachmodelle, Edge Computing und Machine Learning zur Systemanalyse und -vorhersage. Der vollständig englischsprachige Unterricht bereitet Studierende auf internationale Karrieren vor und bietet starke Praxisorientierung durch projektbasiertes Lernen. Der Zugang zu fortschrittlichen Technologien, wie additive Fertigung, fördert eine Hands-On-Mentalität. Interdisziplinäre Zusammenarbeit erweitert den Horizont und fördert die Expertise in der Integration von KI in Produktentwicklungsprozesse und die Schaffung intelligenter, serviceorientierter Lösungen.

Studienschwerpunkte

  • 31 %

    Fachwissen in Product Development & Management

  • 15 %

    Fachwissen in Data Management

  • 17 %

    Fachwissen in Management der digitalen Transformation

  • 09 %

    Fachspezifische Vertiefungen & Wahlfächer

  • 28 %

    Praxistransfer, international Skills & Masterarbeit

Was Sie lernen werden

  • Intelligente, vernetzte Produkte entwickeln

  • KI für Produktentwicklung und Lifecycle nutzen

  • Fertigung, Programmierung und Datenanalyse beherrschen

  • Fähigkeiten im Projektmanagement entwickeln

  • Systemanalyse und Problemlösungen anwenden

  • Interdisziplinär in internationalen Teams arbeiten

Gefragte Berufsfelder

  • Produktentwickler:in für intelligente Produkte und Lösungen
  • Technische:r Projektleiter:in und Entwickler:in smarter Produkte
  • Innovations- und Technologiemanager:in im Bereich Digitalisierung
  • Expert:innen im Bereich Internet of Things

Karriere

  • EUR 53.200,- durschnittliches Einstiegsgehalt

    für Produktentwickler:in in der Industrie

  • 400 Stellenangebote

    für Produktentwickler:innen im deutschsprachigen Raum

  • 65 % der Unternehmen

    sehen Fachkräftemangel als größte Hürde bei der Digitalisierung

  • 12.64 % jährliche Wachstumsrate

    im Bereich Internet der Dinge

  • 51 % der österreichischen Unternehmen

    nutzen das Internet der Dinge

Der Weg zum Master-Abschluss

Ein Weg durch den Park, welcher zur FH Kufstein Tirol führt. | © FH Kufstein Tirol
© FH Kufstein Tirol

Ihr Weg zum Master in Smart Products & AI-driven Development ist klar strukturiert: In den ersten beiden Semestern stehen Methodenwissen und dessen praktische Umsetzung in der KI-gestützten Produktentwicklung im Mittelpunkt. Im dritten Semester setzen Sie individuelle Schwerpunkte und erwerben Zusatzzertifikate. Das vierte Semester ist der Masterarbeit und der Masterprüfung gewidmet.

Besonderheiten:
  • Methodenorientierter und projektbasierter Unterricht

  • Praxisorientierter Unterricht mit State-of-the-Art Tools und Methoden

  • Zusätzliche Berufszertifikate in den Bereichen Projektmanagement, künstliche Intelligenz und IoT 

Anerkennung von Vorkenntnissen

Studierende haben die Möglichkeit, sich vor dem jeweiligen Semesterstart Lehrveranstaltungen durch bereits vorab erworbene Kompetenzen anrechnen zu lassen.

Die Anrechnung erfolgt über einen Antrag direkt bei der Studiengangsleitung.

Studiengangsleitung

© FH Kufstein Tirol
© FH Kufstein Tirol

Prof. (FH) DI Dr. Martin Adam

Studiengangsleiter Bachelor Drone Engineering & AI-based Innovation, Wirtschaftsingenieurwesen, Master ERP-Systeme & Geschäftsprozessmanagement, Smart Products & Solutions, Smart Products & AI-driven Development

Lehrveranstaltung
Semester
ECTS

* Programmiersprachen (Klassifizierung, Prinzipien, Historie)
* Detaillierte Betrachtung einer modernen Programmiersprache (z.B. Phyton)
* Übersicht und Auswahl eines Coding Assistenten
* Aufbau von Programmen
* Datentypen, Operatoren, Ablaufstrukturen
* Entwicklungsumgebung
* Typische Arbeitsschritte
* Einrichten der Entwicklungsumgebung
* KI unterstützte Programmierung (Eingabe, Debugging, Ausführung)
* Selbständige Planung und Programmierung auf Basis der in der Vorlesung vermittelten Programmiersprachen
* Entwicklung von KI-erweiterten Programmen

* Grundlagen der Datenübertragung
* Leitungsgebundene Datenübertragung
* Leitungsungebundene Kommunikation
* Technologien und Anwendungen moderner Netzwerke
* OSI-, Hybrid- und TCP/IP-Referenzmodell
* Drahtgebundene Datenübertragung (I2C-Kommunikation, Serielle Kommunikation)
* Drahtlose Netzwerke
* Sensornetzwerke und Ansätze (z.B. MANET, WMN)
* Ende-zu-Ende Protokolle: UDP, TCP
* Ausgewählte Protokolle der Anwendungsschicht (z.B. FTP, HTTP, HTTPS, SMTP, MQTT)
* Sicherheitskonzepte und Zugriffsverfahren
* Release Updates für Netzwerke
* Elemente eines Messberichts
* Auswahl von Übertragungstechnologien und -protokollen

* Einführung (Daten, Informationen, Wissen, zeitliche Komponenten, Zielsetzungen)
* Datenprozess (Sammeln, Aufbereiten, Analyse, Darstellung)
* Datenaufbereitung (Bereinigung, Umformung, Umskalierung, Speicherung)
* Ansätze für die Analyse von Daten
* Darstellung/Visualisierung von Ergebnissen
* Software (Open Source und proprietäre Software)
* Machine Learning – Prozess, Ansätze, Umsetzung
* Einführung in die verwendete Software z.B. Python
* Sammeln und Aufbereiten von Daten mit Hilfe von Software
* Analyse und Darstellung von Beispieldaten unter Nutzung verschiedener Ansätze (z.B. Regression, Entscheidungsbäume etc.)

Lehrveranstaltung
Semester
ECTS

• Digitale Trends und Wellen der Veränderung
• Unterschied zwischen digitalen und traditionellen Unternehmen bzw. deren Entwicklungspfade
• Gestaltungsebenen, Rahmenbedingungen und Herausforderungen durch digitalen Wandel
• Frameworks für die Bewertung der digitalen Reife
• Smarte Produkte – Entwicklung
• Ecosystem IoT und Daten
• Use Cases von smarten Produkten und Lösungen
* Bedeutung des Veränderungsmanagements
* Individuelle und soziale Aspekte der Veränderung
* Widerstand, Konflikt und Krise
* Grundsätzliche Ansätze des Veränderungsmanagements
* Arten der Veränderung
* Modelle der Veränderung (e.g. Lewin, GE-CAP,...)
* (Projekt)-Management der Veränderung: Generisches Phasenmodell und Integration in Projekten
* Techniken und Tools der Veränderung(Z.B: Zielkreis, Change Stretch, WIIFM, Empathy Map, ...)


* Grundlagen der künstlichen Intelligenz
- Überblick über Begriffe und Definitionen
- Grundlegende Algorithmen und Modelle
* Anwendungsbereiche von KI
- Identifikation und Bewertung von Anwendungsbereichen im Kontext des Produktentwicklungsprozesses von smarten Produkten
- Limitationen von KI
* Anwendungen von generativer KI
- Generierung und Modifizierung von Texten
- Generierung und Modifizierung von Bildern und Videos
- Generierung und Modifizierung von Audio
- Prompting Strategien (z.B. Retrieval-Augmented-Prompting)
* Implementierung von KI
- Nutzung und Interaktion mit KI
- Lokale vs. Gehostete KI-Modelle
- Qualitätssicherung von KI-Modellen
* Einschränkungen und Limitationen
- Ethische Betrachtung und Implikationen bei der Verwendung von KI-Modellen
- Limitationen unterschiedlicher Modelle und Strategien

* Grundlagen der digitalen Ökonomie und Trends
* Digitale Geschäftsmodelle
* Bedeutung von Daten
* Ansätze für die Entwicklung von Strategien, Geschäftsmodellen und Geschäftsprozessmodellen
* Businesspläne
* Risikoreduktion/Umsetzung

* Einführung in Datenschutz und deren Umsetzung
* Begriffsbestimmungen: personenbezogene Daten, Datenregister, öffentlich zugängliche Daten, Pseudonymisierung
* Informationelle Selbstbestimmung, Gesetze und Verordnungen zu Datenschutz
* Rechte der Betroffenen
* Organisatorische Maßnahmen zum Schutz personenbezogene Date
* Strafrechtliche / Zivilrechtliche Aspekte: Betriebsgeheimnisse, Aussageverweigerung

* Einführung in die Ethik als Wissenschaft vom guten und richtigen Entscheiden und Tun
* Relevante Faktoren ethischer Urteilsbildung
* Methoden ethischer Argumentation
* Verantwortungsbegriff
* Wirtschafts- und Technikethik als Unterdisziplinen der Ethik
* Ethische Herausforderungen in digitalisierten und globalen Informations- und Wissensgesellschaften
* Auswirkungen des technischen Wandels auf Work life Balance und Familie

Lehrveranstaltung
Semester
ECTS

Grundlagen und Modellbildung:
-Einführung in Digital Twin, deren Bedeutung und Anwendungsbereiche
-Vermittlung der theoretischen Grundlagen und Methoden der Modellbildung
Simulation und Software:
-Überblick über Simulationstechniken und deren typische Anwendungen
-Kennenlernen verschiedener Simulationssoftware und praktische Übungen
Smarte Produkte und Lösungen:
-Erstellung und Analyse von Modellen für smarte, kommunizierende Produkte
-Integration von Digital Twins in IoT-Systeme und deren Vorteile
Vertiefte Konzepte und Anwendungen:
-Einführung in fortgeschrittene Themen wie Condition Monitoring und Predictive Maintenance
-Diskussion über die Rolle von Digital Twins in der zukünftigen Technologieentwicklung.
Praxisprojekt:
-Planung und Durchführung eines eigenen Digital Twin Projekts zur Anwendung des Gelernten

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Auswertungswerkzeuge mit visueller Ausrichtung, z.B. Bl-Tools wie MS PowerBl, Tableau, QlikView
- Darstellungsbibliotheken, z.B. matplotlib.pyplot, gglot2
- Regeln der visuellen Communication, z.B. Hichert SUCCESSS

Die Inhalte dieser Lehrveranstaltung sind nicht stabil, sondern werden an die aktuell vorherrschenden Trends angepasst. Exemplarische Inhalte können sein:

- Neue Technologien im Bereich Big Data Processing
- Trends im Bereich der Programmiersprachen in der Datenanalyse
- Neue Verarbeitungskonzepte von Daten (z.B. Data Lake)
- Neue Fragestellungen im Bereich der Data Science Forschung
- Neue Fragestellungen im Bereich der Data Science Praxis

* Aktuelle Best-Practice Ansätze und Konzepte in Anwendungsgebieten (z.B. Smart Home, Smart City, Smart Production, Connected Vehicles etc.)
* Aktuelle Best-Practice Ansätze hinsichtlich der Entwicklungsprozesse und - tools
* Aktuelle Forschungs- und Entwicklungsaktivitäten bzw. Forschungs- und Entwicklungsergebnisse

Lehrveranstaltung
Semester
ECTS

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Vorstellung unterschiedlicher anwendungsorientierter Analyseplattformen (z.B KNIME, RapidMiner, Grafana)
- Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
- Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
- Diskussion der unterschiedlichen Ansätze

Einführung
* IoT Architektur (e.g. Referenzmodelle)
* Anforderungen an IOT Systeme
* IOT Datenübertragungsprotokolle
* Einsatz von IOT im industriellen Kontext (Beispiele)
* Grundlagen der Sensorik
* Grundlagen von embedded Systemen

Implementierung
* Vorgehen bei der Implementierung von IOT
* Prototypische Implementierung von IOT
* Auswahl von Sensoren
* Erhebung, Visualisierung und Auswertung von Daten
* Herausforderungen bei der Implementierung

Lehrveranstaltung
Semester
ECTS

* Grundlagen des Projektmanagements
* Projektmanagement Methoden und Tools
* Rollen in Projekten; Kommunikation u. Dokumentation
* Problem-, Konflikt-, Risiko- und Krisenmanagement
* Theorien/Modelle und Vorgehen für Teambuilding
* Tools für die Unterstützung von Teambuilding

• Verständnis von Herstellungsprozessen und Montagetechniken
• Materialauswahl und -anwendung
• Integration der Materialwissenschaft in das Design
• Nachhaltigkeit in der Fertigung
• Innovative Fertigungstechnologien
• Kostenanalyse und Effizienz
• Qualitätskontrolle und -prüfung

Lehrveranstaltung
Semester
ECTS

* Internationales Management vor einem länderspezifischen Kontext
* F&E Strategie und Systeme auf Staatenebene
* Technologie- und Innovationsansätze

Lehrveranstaltung
Semester
ECTS

* Vertiefung der Methoden und Ansätze von wissenschaftlichen Arbeiten
* Forschungsdesign für wissenschaftliche Fragestellungen
* Qualitative und quantitative Forschungsmethoden
* Nutzung von Methoden und Tools
* State of the Art Literaturrecherche und Nutzung von Zitationstools e.g. Citavi
* Vorbereitung auf das Exposé für Masterarbeit
* Hinweise zur formalen Gestaltung der Masterarbeit

* Arbeiten im Team und Teamorganisation
* Ableiten einer Fragestellung
* Auswahl einer geeigneten Methodik und korrespondierenden Werkzeugen
* Planung, Durchführung und Steuerung von Projekten
* Integrative Anwendungen von erworbenen Kompetenzen und Wissen
* Aufbereitung und Vermittlung von Ergebnissen
* Selbstreflexion

• Begleitung der Studierenden bei der Erstellung der Masterarbeit
• Vorstellung und Diskussion der Fragestellung/Hypothese, Gliederung der Masterarbeit, wissenschaftliche Methodik und formale Gestaltung der Mas- terarbeit

* Begleitung der Studierenden bei der Erstellung der Masterarbeit
* Vorstellung und Diskussion der Fragestellung/Hypothese, Gliederung der Masterarbeit, wissenschaftliche Methodik und formale Gestaltung der Masterarbeit
* Review des Analyseteils und kritische Reflektion zur Auswertung
* Struktur der Arbeit, angemessene Aufteilung, klare Ergebnisstruktur und Fazit
* Kürzer Überblick zur Masterprüfung und dessen Anforderungen

Lehrveranstaltung
Semester
ECTS

* Arten von Produktentwicklungsprozessen für unterschiedliche Produkte, Märkte und Unternehmen
*Traditionelle PE vs. Agile PE vs. Mixed - welches Konzept unter welchen Randbedingungen
*Design Thinking als zentrales Entwicklungskonzept
*Methoden der Produktentwicklung:
•Ideating- and creative methods for solving problems like: Ishikawa, root-course, risk management, functional analysis, SWOT, FMEA ,…..
•Requirements engineering
•Market- and patent-analysis
•Concept
•Systematical finding of technical solutions using AI
•Evaluation of ideas and concepts
•Design
•Simulation of functional aspects (stress/strain, displacements, movement,….)
•Prototyping
•Testing
*Spezielle Aspekte Smarter Produkte

* Definition/Klassifikation von Sensoren
* Aufbau und Funktion einer Messkette
* Einsatzfelder und Funktionsprinzipien von Sensoren
* Grundlagen Mikrosensorik
* Sensoreigenschaften (statisches und dynamisches Verhalten, Zuverlässig- keit etc.)
* Messfehler und Fehlerquellen
* Kalibrierung
* Signalübertragung/-verarbeitung
* Grundbegriffe relevanter Messtechnik
* Anwendung von Sensoren für verschiedene Bereiche (z. B. Temperatur, Gewicht, Druck, Beschleunigung, Lage etc.)
* Analyse und Auswertungen von Funktionsprinzipien und Eigenschaften von Sensoren
* Aufbau und Eigenschaften der Datenübertragung und Datenverarbeitung in einer Messkette
* Auswertung, Interpretation und Speicherung von Messungen

• Systemlösungen und Architektur von Embedded Systems und Charakteristika
• Embedded Hardware (Prozessoren, Speicher, I/O, Busse)
• Embedded Software (Operating System, Middleware, Applikation, Treiber)
• Echtzeitbetrieb (Klassifizierung, Umsetzung)
• Mehrprozessorbetrieb
• Kennenlernen von einfachen Plattformen (z.B. Raspberry Pi, Arduino, FPGA) und der Entwicklungsumgebung
• Umsetzen von einfachen Anwendungsfällen bzgl. der Verarbeitung von Sensoren und der Ansteuerung von Aktoren
• Umsetzen von unterschiedlichen Möglichkeiten der Datenübertragung
• Durchführung eines komplexeren Abschlussprojektes

* Definition von Produkt Design
* Einordnung in den Produktentstehungsprozess
* Ablauf, Ansätze/Prinzipien und Werkzeuge für Produktdesign mit Schwerpunkt auf generative KI
* Bewertungskriterien und die Evaluierung von Erarbeiteten oder bestehenden Konzepten

Prototyping Technologien
* Abtragende Laserbearbeitung (Lasercut)
* Additive Fertigungsmethoden (z.B. 3D-Druck)
* Digitale Prototypen (z.B. Click Dummies für Apps)
* Scan-Technologien
* Grundlagen CAx
* Virtual Prototyping

Protoyping Konzepte
* Design Thinking
* Kreativitätsmethoden

Erstellung eines Prototyps

Lehrveranstaltung
Semester
ECTS

* Product & Process Life Cycle
* Risk determination strategies
* Planning of safe systems (concepts & strategies)
* Planning of secure systems (threat analysis, countermeasures)
* Structure & Concepts of reliable control systems

* Besonderheiten von smarten Produkten
* Neue Produktmanagement-Ansätze
* Marktforschung
* Produktstrategie
* Kaufentscheidungskriterien bzw. Akzeptanz (Treiber, Hindernisse)
* Besonderheiten bei der Einführung und Vermarktung
* Datenbasierte Entscheidungen
* Lebenszyklusmanagement

Lehrveranstaltung
Semester
ECTS

* Programmiersprachen (Klassifizierung, Prinzipien, Historie)
* Detaillierte Betrachtung einer modernen Programmiersprache (z.B. Phyton)
* Übersicht und Auswahl eines Coding Assistenten
* Aufbau von Programmen
* Datentypen, Operatoren, Ablaufstrukturen
* Entwicklungsumgebung
* Typische Arbeitsschritte
* Einrichten der Entwicklungsumgebung
* KI unterstützte Programmierung (Eingabe, Debugging, Ausführung)
* Selbständige Planung und Programmierung auf Basis der in der Vorlesung vermittelten Programmiersprachen
* Entwicklung von KI-erweiterten Programmen

• Digitale Trends und Wellen der Veränderung
• Unterschied zwischen digitalen und traditionellen Unternehmen bzw. deren Entwicklungspfade
• Gestaltungsebenen, Rahmenbedingungen und Herausforderungen durch digitalen Wandel
• Frameworks für die Bewertung der digitalen Reife
• Smarte Produkte – Entwicklung
• Ecosystem IoT und Daten
• Use Cases von smarten Produkten und Lösungen
* Bedeutung des Veränderungsmanagements
* Individuelle und soziale Aspekte der Veränderung
* Widerstand, Konflikt und Krise
* Grundsätzliche Ansätze des Veränderungsmanagements
* Arten der Veränderung
* Modelle der Veränderung (e.g. Lewin, GE-CAP,...)
* (Projekt)-Management der Veränderung: Generisches Phasenmodell und Integration in Projekten
* Techniken und Tools der Veränderung(Z.B: Zielkreis, Change Stretch, WIIFM, Empathy Map, ...)


* Grundlagen der künstlichen Intelligenz
- Überblick über Begriffe und Definitionen
- Grundlegende Algorithmen und Modelle
* Anwendungsbereiche von KI
- Identifikation und Bewertung von Anwendungsbereichen im Kontext des Produktentwicklungsprozesses von smarten Produkten
- Limitationen von KI
* Anwendungen von generativer KI
- Generierung und Modifizierung von Texten
- Generierung und Modifizierung von Bildern und Videos
- Generierung und Modifizierung von Audio
- Prompting Strategien (z.B. Retrieval-Augmented-Prompting)
* Implementierung von KI
- Nutzung und Interaktion mit KI
- Lokale vs. Gehostete KI-Modelle
- Qualitätssicherung von KI-Modellen
* Einschränkungen und Limitationen
- Ethische Betrachtung und Implikationen bei der Verwendung von KI-Modellen
- Limitationen unterschiedlicher Modelle und Strategien

* Arten von Produktentwicklungsprozessen für unterschiedliche Produkte, Märkte und Unternehmen
*Traditionelle PE vs. Agile PE vs. Mixed - welches Konzept unter welchen Randbedingungen
*Design Thinking als zentrales Entwicklungskonzept
*Methoden der Produktentwicklung:
•Ideating- and creative methods for solving problems like: Ishikawa, root-course, risk management, functional analysis, SWOT, FMEA ,…..
•Requirements engineering
•Market- and patent-analysis
•Concept
•Systematical finding of technical solutions using AI
•Evaluation of ideas and concepts
•Design
•Simulation of functional aspects (stress/strain, displacements, movement,….)
•Prototyping
•Testing
*Spezielle Aspekte Smarter Produkte

* Definition/Klassifikation von Sensoren
* Aufbau und Funktion einer Messkette
* Einsatzfelder und Funktionsprinzipien von Sensoren
* Grundlagen Mikrosensorik
* Sensoreigenschaften (statisches und dynamisches Verhalten, Zuverlässig- keit etc.)
* Messfehler und Fehlerquellen
* Kalibrierung
* Signalübertragung/-verarbeitung
* Grundbegriffe relevanter Messtechnik
* Anwendung von Sensoren für verschiedene Bereiche (z. B. Temperatur, Gewicht, Druck, Beschleunigung, Lage etc.)
* Analyse und Auswertungen von Funktionsprinzipien und Eigenschaften von Sensoren
* Aufbau und Eigenschaften der Datenübertragung und Datenverarbeitung in einer Messkette
* Auswertung, Interpretation und Speicherung von Messungen

• Systemlösungen und Architektur von Embedded Systems und Charakteristika
• Embedded Hardware (Prozessoren, Speicher, I/O, Busse)
• Embedded Software (Operating System, Middleware, Applikation, Treiber)
• Echtzeitbetrieb (Klassifizierung, Umsetzung)
• Mehrprozessorbetrieb
• Kennenlernen von einfachen Plattformen (z.B. Raspberry Pi, Arduino, FPGA) und der Entwicklungsumgebung
• Umsetzen von einfachen Anwendungsfällen bzgl. der Verarbeitung von Sensoren und der Ansteuerung von Aktoren
• Umsetzen von unterschiedlichen Möglichkeiten der Datenübertragung
• Durchführung eines komplexeren Abschlussprojektes

Lehrveranstaltung
Semester
ECTS

* Grundlagen der Datenübertragung
* Leitungsgebundene Datenübertragung
* Leitungsungebundene Kommunikation
* Technologien und Anwendungen moderner Netzwerke
* OSI-, Hybrid- und TCP/IP-Referenzmodell
* Drahtgebundene Datenübertragung (I2C-Kommunikation, Serielle Kommunikation)
* Drahtlose Netzwerke
* Sensornetzwerke und Ansätze (z.B. MANET, WMN)
* Ende-zu-Ende Protokolle: UDP, TCP
* Ausgewählte Protokolle der Anwendungsschicht (z.B. FTP, HTTP, HTTPS, SMTP, MQTT)
* Sicherheitskonzepte und Zugriffsverfahren
* Release Updates für Netzwerke
* Elemente eines Messberichts
* Auswahl von Übertragungstechnologien und -protokollen

* Grundlagen des Projektmanagements
* Projektmanagement Methoden und Tools
* Rollen in Projekten; Kommunikation u. Dokumentation
* Problem-, Konflikt-, Risiko- und Krisenmanagement
* Theorien/Modelle und Vorgehen für Teambuilding
* Tools für die Unterstützung von Teambuilding

* Internationales Management vor einem länderspezifischen Kontext
* F&E Strategie und Systeme auf Staatenebene
* Technologie- und Innovationsansätze

* Definition von Produkt Design
* Einordnung in den Produktentstehungsprozess
* Ablauf, Ansätze/Prinzipien und Werkzeuge für Produktdesign mit Schwerpunkt auf generative KI
* Bewertungskriterien und die Evaluierung von Erarbeiteten oder bestehenden Konzepten

Prototyping Technologien
* Abtragende Laserbearbeitung (Lasercut)
* Additive Fertigungsmethoden (z.B. 3D-Druck)
* Digitale Prototypen (z.B. Click Dummies für Apps)
* Scan-Technologien
* Grundlagen CAx
* Virtual Prototyping

Protoyping Konzepte
* Design Thinking
* Kreativitätsmethoden

Erstellung eines Prototyps

* Product & Process Life Cycle
* Risk determination strategies
* Planning of safe systems (concepts & strategies)
* Planning of secure systems (threat analysis, countermeasures)
* Structure & Concepts of reliable control systems

Lehrveranstaltung
Semester
ECTS

* Einführung (Daten, Informationen, Wissen, zeitliche Komponenten, Zielsetzungen)
* Datenprozess (Sammeln, Aufbereiten, Analyse, Darstellung)
* Datenaufbereitung (Bereinigung, Umformung, Umskalierung, Speicherung)
* Ansätze für die Analyse von Daten
* Darstellung/Visualisierung von Ergebnissen
* Software (Open Source und proprietäre Software)
* Machine Learning – Prozess, Ansätze, Umsetzung
* Einführung in die verwendete Software z.B. Python
* Sammeln und Aufbereiten von Daten mit Hilfe von Software
* Analyse und Darstellung von Beispieldaten unter Nutzung verschiedener Ansätze (z.B. Regression, Entscheidungsbäume etc.)

Semester
SE3
ECTS
4

- Grundbegriffe: Geschäftsprozess, Workflow, BPMS, WFMS, RPA, etc.
- Auswahlkriterien für Workflow-Engines zur Prozessautomatisierung
- Architektur und Integrationen von Workflows zur Prozessautomatisierung
- Überblick zur Interprozesskommunikation
- Transaktionale Eigenschaften der Prozesse, Simulation und Code-Generierung
- Grundlagen zu Microsoft Dynamics 365: Module und Navigation, Basis-Entitäten und Standard-Workflows
- Organisatorische und technische Umsetzung mit Konfiguration und deklarativer Programmierung

Semester
SE3
ECTS
4

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Vorstellung unterschiedlicher anwendungsorientierter Analyseplattformen (z.B KNIME, RapidMiner, Grafana)
- Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
- Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
- Diskussion der unterschiedlichen Ansätze

Semester
SE3
ECTS
4

Den Studierenden wird ein Überblick von gängigen Business Plattformen und Cloud Computing vermittelt. Zusätzlich werden Vor- und Nachteile der jeweiligen Plattformen vermittelt. Studierende sind dadurch in der Lage, geeignete Plattformen für ein gegebenes Problem zu selektieren. In Fallbeispielen erlangen die Studierenden praktische Erfahrungen mit ausgewählten Plattformen. Zusätzlich werden mit den Studierenden Methoden zur Definition von Schnittstellen behandelt.

Semester
SE3
ECTS
4

Einführung
- IoT Architektur (z.B. Referenzmodelle)
- Anforderungen an IOT Systeme
- IOT Datenübertragungsprotokolle
- Einsatz von IOT im industriellen Kontext (Beispiele)
- Grundlagen der Sensorik
- Grundlagen von embedded Systemen

Implementierung
- Vorgehen bei der Implementierung von IOT
- Prototypische Implementierung von IOT
- Auswahl von Sensoren
- Erhebung, Visualisierung und Auswertung von Daten
- Herausforderungen bei der Implementierung

Semester
SE3
ECTS
4

In der Vorlesung werden grundlegende Konzepte aus dem Arbeits- und Forschungsfeld Mensch-Computer Interaktion (Usability, User Experience, User Interface Design) sowie der Informationsvisualisierung gelehrt. Dazu gehören folgende Schwerpunkte: User Interface Architekturen; Designkriterien, Guidelines und Normen zur Erstellung und Modellierung von Benutzungsoberflächen von interaktiven Systemen; Ansätze und Methoden (quantitative und qualitative) zur Evaluation von Benutzungsschnittstellen interaktiver Systeme; Web Style-Guides und Bewertungskriterien für Webseiten (z.B. im Hinblick auf Accessibility/Barrierefreiheit); Grundlagen der Darstellung von Informationen und Datenvisualisierung; Interaktive Informationsvisualisierung;

In der Übung werden die theoretischen Vorlesungsinhalte an praktischen Beispielen aufbereitet und anhand eines kleinen Projekts (Usability Evaluierung) im Team umgesetzt.

Semester
SE3
ECTS
4

- Überblick agiler Vorgehensmethoden
- Rollen im agilen Prozess
- Ablauf eines agilen Projekts (Sprins, Dailies, Demos, Retros)
- Coachen eines agilen Projekts (z.B. Fragetechniken)
- Erfahrungen mit agilen Projekten aus der Softwareentwicklung
- Herausforderung beim Entwickeln smarter Produkte
- Methoden der Produktentwicklung (z.B. FMEA, TRIZ)
- Vorteile von hybriden Vorgehensmethoden
- Rolle des Managements im agilen Prozess

Semester
SE3
ECTS
4

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Auswertungswerkzeuge mit visueller Ausrichtung, z.B. Bl-Tools wie MS PowerBl, Tableau, QlikView
- Darstellungsbibliotheken, z.B. matplotlib.pyplot, gglot2
- Regeln der visuellen Communication, z.B. Hichert SUCCESSS

Semester
SE3
ECTS
4

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Grundlagen der beschreibenden Statistik
- Messsystemanalyse
- Stichprobenbestimmung
- Statistische Prozesskontrolle
- Prozesskontrollcharts
- Prozessfähigkeitsanalyse
- Components of Variants Analyse (COV)
- Wiederholung Grundlagen der schließenden Statistik
- Fehlerursachenbestimmung über Hypothesen testen (T-test, Chi-Sq, ANOVA)
- Multiple Regressionsanalyse

* Grundlagen der digitalen Ökonomie und Trends
* Digitale Geschäftsmodelle
* Bedeutung von Daten
* Ansätze für die Entwicklung von Strategien, Geschäftsmodellen und Geschäftsprozessmodellen
* Businesspläne
* Risikoreduktion/Umsetzung

Grundlagen und Modellbildung:
-Einführung in Digital Twin, deren Bedeutung und Anwendungsbereiche
-Vermittlung der theoretischen Grundlagen und Methoden der Modellbildung
Simulation und Software:
-Überblick über Simulationstechniken und deren typische Anwendungen
-Kennenlernen verschiedener Simulationssoftware und praktische Übungen
Smarte Produkte und Lösungen:
-Erstellung und Analyse von Modellen für smarte, kommunizierende Produkte
-Integration von Digital Twins in IoT-Systeme und deren Vorteile
Vertiefte Konzepte und Anwendungen:
-Einführung in fortgeschrittene Themen wie Condition Monitoring und Predictive Maintenance
-Diskussion über die Rolle von Digital Twins in der zukünftigen Technologieentwicklung.
Praxisprojekt:
-Planung und Durchführung eines eigenen Digital Twin Projekts zur Anwendung des Gelernten

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Auswertungswerkzeuge mit visueller Ausrichtung, z.B. Bl-Tools wie MS PowerBl, Tableau, QlikView
- Darstellungsbibliotheken, z.B. matplotlib.pyplot, gglot2
- Regeln der visuellen Communication, z.B. Hichert SUCCESSS

Folgende Inhalte werden in der Lehrveranstaltung besprochen:

- Vorstellung unterschiedlicher anwendungsorientierter Analyseplattformen (z.B KNIME, RapidMiner, Grafana)
- Vorstellung unterschiedlicher Cloudlösungen für die Datenanalyse (z.B. Google Cloud, AWS, Azure)
- Anwenden der vorgestellten Plattformen am Beispiel von Analysedatensätzen
- Diskussion der unterschiedlichen Ansätze

Einführung
* IoT Architektur (e.g. Referenzmodelle)
* Anforderungen an IOT Systeme
* IOT Datenübertragungsprotokolle
* Einsatz von IOT im industriellen Kontext (Beispiele)
* Grundlagen der Sensorik
* Grundlagen von embedded Systemen

Implementierung
* Vorgehen bei der Implementierung von IOT
* Prototypische Implementierung von IOT
* Auswahl von Sensoren
* Erhebung, Visualisierung und Auswertung von Daten
* Herausforderungen bei der Implementierung

• Verständnis von Herstellungsprozessen und Montagetechniken
• Materialauswahl und -anwendung
• Integration der Materialwissenschaft in das Design
• Nachhaltigkeit in der Fertigung
• Innovative Fertigungstechnologien
• Kostenanalyse und Effizienz
• Qualitätskontrolle und -prüfung

* Vertiefung der Methoden und Ansätze von wissenschaftlichen Arbeiten
* Forschungsdesign für wissenschaftliche Fragestellungen
* Qualitative und quantitative Forschungsmethoden
* Nutzung von Methoden und Tools
* State of the Art Literaturrecherche und Nutzung von Zitationstools e.g. Citavi
* Vorbereitung auf das Exposé für Masterarbeit
* Hinweise zur formalen Gestaltung der Masterarbeit

* Arbeiten im Team und Teamorganisation
* Ableiten einer Fragestellung
* Auswahl einer geeigneten Methodik und korrespondierenden Werkzeugen
* Planung, Durchführung und Steuerung von Projekten
* Integrative Anwendungen von erworbenen Kompetenzen und Wissen
* Aufbereitung und Vermittlung von Ergebnissen
* Selbstreflexion

* Besonderheiten von smarten Produkten
* Neue Produktmanagement-Ansätze
* Marktforschung
* Produktstrategie
* Kaufentscheidungskriterien bzw. Akzeptanz (Treiber, Hindernisse)
* Besonderheiten bei der Einführung und Vermarktung
* Datenbasierte Entscheidungen
* Lebenszyklusmanagement

Lehrveranstaltung
Semester
ECTS
Semester
SE4
ECTS
3

- Aktuelle Entwicklungen im Gebiet der betrieblichen Anwendungssystemen mit speziellem Bezug zu ERP-Systemen und Geschäftsprozessmanagement
- Modelle, Beispiele, Best-Practice Cases

Semester
SE4
ECTS
3

Die Inhalte dieser Lehrveranstaltung sind nicht stabil, sondern werden an die aktuell vorherrschenden Trends angepasst. Exemplarische Inhalte können sein:

- Neue Technologien im Bereich Big Data Processing
- Trends im Bereich der Programmiersprachen in der Datenanalyse
- Neue Verarbeitungskonzepte von Daten (z.B. Data Lake)
- Neue Fragestellungen im Bereich der Data Science Forschung
- Neue Fragestellungen im Bereich der Data Science Praxis

Semester
SE4
ECTS
3

Die Inhalte dieser Lehrveranstaltung sind nicht stabil, sondern werden an die aktuell vorherrschenden Trends angepasst. Exemplarische Inhalte können sein:

- Aktuelle Best-Practice Ansätze und Konzepte in Anwendungsgebieten (z.B. Smart Home, Smart City, Smart Production, Connected Vehicles etc.)
- Aktuelle Best-Practice Ansätze hinsichtlich der Entwicklungsprozesse und - tools
- Aktuelle Forschungs- und Entwicklungsaktivitäten bzw. Forschungs- und Entwicklungsergebnisse

Semester
SE4
ECTS
3

Die Inhalte dieser Lehrveranstaltung sind nicht stabil, sondern werden an die aktuell vorherrschenden Trends angepasst. Exemplarische Inhalte können sein:

- Neue Technologien im Bereich der Web-Architekturen
- Trends im Bereich der Programmiersprachen im Web
- Neue Designkonzepte im Bereich von Web-Applikationen
- Neue Fragestellungen im Bereich der Forschung im Bereich Web-Technologien und Anwendungen
- Neue Fragestellungen im Bereich der Web-Entwicklungspraxis

* Einführung in Datenschutz und deren Umsetzung
* Begriffsbestimmungen: personenbezogene Daten, Datenregister, öffentlich zugängliche Daten, Pseudonymisierung
* Informationelle Selbstbestimmung, Gesetze und Verordnungen zu Datenschutz
* Rechte der Betroffenen
* Organisatorische Maßnahmen zum Schutz personenbezogene Date
* Strafrechtliche / Zivilrechtliche Aspekte: Betriebsgeheimnisse, Aussageverweigerung

* Einführung in die Ethik als Wissenschaft vom guten und richtigen Entscheiden und Tun
* Relevante Faktoren ethischer Urteilsbildung
* Methoden ethischer Argumentation
* Verantwortungsbegriff
* Wirtschafts- und Technikethik als Unterdisziplinen der Ethik
* Ethische Herausforderungen in digitalisierten und globalen Informations- und Wissensgesellschaften
* Auswirkungen des technischen Wandels auf Work life Balance und Familie

Die Inhalte dieser Lehrveranstaltung sind nicht stabil, sondern werden an die aktuell vorherrschenden Trends angepasst. Exemplarische Inhalte können sein:

- Neue Technologien im Bereich Big Data Processing
- Trends im Bereich der Programmiersprachen in der Datenanalyse
- Neue Verarbeitungskonzepte von Daten (z.B. Data Lake)
- Neue Fragestellungen im Bereich der Data Science Forschung
- Neue Fragestellungen im Bereich der Data Science Praxis

* Aktuelle Best-Practice Ansätze und Konzepte in Anwendungsgebieten (z.B. Smart Home, Smart City, Smart Production, Connected Vehicles etc.)
* Aktuelle Best-Practice Ansätze hinsichtlich der Entwicklungsprozesse und - tools
* Aktuelle Forschungs- und Entwicklungsaktivitäten bzw. Forschungs- und Entwicklungsergebnisse

• Begleitung der Studierenden bei der Erstellung der Masterarbeit
• Vorstellung und Diskussion der Fragestellung/Hypothese, Gliederung der Masterarbeit, wissenschaftliche Methodik und formale Gestaltung der Mas- terarbeit

* Begleitung der Studierenden bei der Erstellung der Masterarbeit
* Vorstellung und Diskussion der Fragestellung/Hypothese, Gliederung der Masterarbeit, wissenschaftliche Methodik und formale Gestaltung der Masterarbeit
* Review des Analyseteils und kritische Reflektion zur Auswertung
* Struktur der Arbeit, angemessene Aufteilung, klare Ergebnisstruktur und Fazit
* Kürzer Überblick zur Masterprüfung und dessen Anforderungen

Studienordnung Zum Download

Häufig gestellte Fragen

Ich habe kein technisches Studium und möchte Smart Products & AI-driven Development studieren. Welche Voraussetzungen sind notwendig?

Um zum Studium zugelassen zu werden, ist ein Nachweis über technische Kenntnisse erforderlich.

Wie kann ich mich im Vorfeld auf das Studium vorbereiten?

Um sich auf den Masterstudiengang Smart Products & Solutions vorzubereiten, bietet unsere Business School zwei auf den Studiengang ausgelegte Einführungskurse an:

  • Der Einführungskurs Grundlagen des Ingenieurwesens behandelt die technischen Grundlagen in den Bereichen Engineering, Produktentwicklung und Produktion.
  • Der Einführungskurs Grundlagen der Wirtschaft behandelt die wichtigsten Aspekte aus dem Bereich der Wirtschaft.
Können die Labore frei genutzt werden?

Nach einer Einschulung und dem Erwerb eines Laborführerscheins können die Labore von den Studierenden nach Voranmeldung frei genutzt werden.

Kann ich neben dem Studium arbeiten?

Ja. Die Präsenzlehre findet von Mittwoch bis Freitag statt. Dies ermöglicht unseren Studierenden ihr Studium eigenverantwortlich zu organisieren und gibt ihnen die Freiheit für Teilzeitjobs in der Branche.

Angewandte Forschung mit Unternehmen und wissenschaftlichen Institutionen bereichern die Lehre und unsere Know-How in den spezifischen Fachbereichen.
© FH Kufstein Tirol
© FH Kufstein Tirol

Thomas Schmiedinger

Lehrender

Die Wahl fiel auf diesen Studiengang, da ich damit mein Fachgebiet erweitern kann und mich so für den Arbeitsmarkt noch attraktiver mache.
© FH Kufstein Tirol
© FH Kufstein Tirol

Verena Schmidt

Absolventin

Durch dieses einzigartige Programm erhielt ich nicht nur fundierte Einblicke in eine breite Palette von Fachgebieten, sondern es ermöglichte mir auch, eine Brücke zwischen Management und (Software-)Entwicklung einfacher zu schlagen – ein entscheidender Schritt in meiner beruflichen Karriere.
© Paul Wührer
© Paul Wührer

Paul Wührer

Absolvent

Smarte Produkte und darauf aufbauende Lösungen eröffnen neue Chancen, erfordern ein Umdenken und neue Kompetenzen in Unternehmen.
© FH Kufstein Tirol
© FH Kufstein Tirol

Martin Adam

Studiengangsleiter