Ziel des Kurses ist es, den Studierenden einen Einblick in die technischen und theoretischen Grundlagen des Internet of Things (IoT) und dessen Anwendungsgebiete zu bieten. Neben dem generellen Aufbau von IoT-Systemen und der darin eingesetzten Technologiestandards wird den Studenten auch die Bedeutung des Internet of Things für Wirtschaft und Gesellschaft vermittelt. Darüber hinaus wird dargestellt, auf welche Weise Daten im IoT ausgetauscht, gespeichert und verarbeitet werden.

1. Grundlagen des Internet of Things
   1. Das Internet der Dinge – Grundlagen und Motivation
   2. Evolution des Internets – Web 1.0 bis Web 4.0
2. Gesellschaftliche und wirtschaftliche Bedeutung
   1. Innovationen für Verbraucher und Industrie
   2. Auswirkungen auf Mensch und Arbeitswelt
   3. Datenschutz und Datensicherheit
3. Kommunikationsstandards und -technologien
   1. Netzwerktopologien
   2. Netzwerkprotokolle
   3. Technologien
4. Datenspeicherung und -verarbeitung
   1. Vernetztes Speichern mit Linked Data und RDF(S)
   2. Analyse vernetzer Daten mit dem Semantic Reasoner
   3. Verarbeitung von Datenströmen mit Complex Event Processing
   4. Betrieb und Analyse großer Datenmengen mit NoSQL und MapReduce
5. Design und Entwicklung
   1. Software Engineering für verteilte und eingebettete Systeme
   2. Architekturstile und -muster verteilter Systeme
   3. Mikrocontroller
6. Anwendungsbereiche
   1. Smarthome/Smart Living
   2. Ambient Assisted Living
   3. Smart Energy/Smart Grid
   4. Smart Factory
   5. Smart Logistics

Ein Business-Modell ist die Beschreibung der Logik wie ein Unternehmen Wert generiert, liefert und sichert. Die fortschreitende Digitalisierung vieler Prozesse, Produkte und Dienstleistungen hat in den letzten Jahren eine Vielzahl an Innovationen im Bereich der Business-Modelle ermöglicht. Die Darstellung, die zugrundeliegenden Muster und die wesentlichen Einflussfaktoren dieser digitalen Geschäftsmodelle sind Gegenstand dieses Kurses.

Ausgehend von einer allgemeinen Definition des Konzeptes Business-Modell wird ein System zur Beschreibung der wesentlichen Faktoren eines Business-Modells entwickelt. Eine Übersicht über die historische Entwicklung von wichtigen Business-Modellen und insbesondere den Einfluss der Digitalisierung auf neuere Business-Modelle erlaubt eine Einordung des Konzeptes und ein Verständnis für die Rahmenbedingungen.

Sodann werden die wichtigsten alternativen digitalen Geschäftsmodelle der letzten Jahre systematisch dargestellt und hinsichtlich der jeweiligen Stärken-und Schwächen analysiert sowie bewertet.

Abschließend wird dargestellt, welche Rolle das Business-Modell im Rahmen der Erstellung eines Business-Planes spielt. Die Studierenden lernen die zentralen Ansätze zur Entwicklung einer eigenständigen Unternehmenspositionierung und werden in die Lage versetzt, die zentralen Einflussfaktoren auf den Unternehmenserfolg im digitalen Business zu prüfen und zu bewerten.

1. Bedeutung, Genese und Definitonen des Begriffs "digitales Geschäftsmodell"
   1. Ziele und Funktionen digitaler Geschäftsmodelle
   2. Geschäftsmodell – Genese des Begriffs und Bedeutung in der digitalen Ökonomie
   3. Definition Geschäftsmodell und digitales Geschäftsmodell
   4. Abgrenzung zu anderen Terminologien der digitalen Ökonomie
2. Grundlegende Konzepte zur Beschreibung von Geschäftsmodellen
   1. Wertkette
   2. Wertschöpfungsketten
   3. Dominante Logik
   4. Erlösmodell
   5. Unique Selling Proposition
   6. Transaktion
   7. Produkt- oder Leistungsangebot

3. Tools zur Beschreibung von Geschäftsmodellen
   1. Business Model Canvas
   2. St. Galler Business Model Navigator
   3. DVC Framework

4. Muster digitaler Geschäftsmodelle
   1. Long Tail
   2. Multi-sided-Muster
   3. Free und Freemium
   4. OPEN-API-Muster

5. Digitale Business-Modelle und Business-Plan
   1. Integration des Business-Modells in den Business-Plan
   2. Firmenpositonierung und das digitale Business-Modell
   3. Digitale Business-Modelle als Innovationstreiber für die Entwicklung neuer Unternehmen

Mit der Teilnahme an diesem Kurs erhalten die Studierenden einen umfassenden Einblick in Fragestellungen der Digitalisierung in der industriellen Produktion und in Wertschöpfungsnetzwerken. Zum einen werden dabei die wesentlichen Treiber von Industrie 4.0 in Form technologischer Innovationen und deren Anwendungs- und Einsatzfelder thematisiert und hinsichtlich ihrer Potentiale zur Verbesserung betrieblicher Prozesse eingeordnet sowie im Kontext der Entwicklung innovativer Geschäftsmodelle diskutiert. Zum anderen werden gesellschaftliche Herausforderungen der Digitalisierung insbesondere im Hinblick auf die Arbeitswelt von morgen und die Gestaltung der Mensch-Maschine-Schnittstelle vor- und zur Diskussion gestellt.

1. Systeme und Prozesse in Wirtschaft und Logistik
   1. Systemdenken und Modellbildung
   2. Prozesse und Prozessdenken – Industrielle Prozesse und Geschäftsprozesse
   3. Abbildung von betriebswirtschaftlichen Prozessen in IT-Systemen
   4. Automatisierung und Digitalisierung in der Produktion – der digitale Zwilling
2. Trends und Entwicklungen
   1. Von der industriellen Revolution bis heute und darüber hinaus – Von der Automatisierung zur Digitalisierung
   2. Produktion 4.0 und Gesellschaft 4.0 – Evolution und Revolution, soziale Implikationen
   3. Kooperation Mensch – Roboter – Gemeinsam Kompetenzen für die Produktion entwickeln
   4. Innovationen und Innovationsmanagement in der Industrie und für die Industrie 4.0

3. Digitale Wertschöpfungsnetzwerke
   1. Dezentrale Formen der Steuerung – Selbststeuernde Produktionssysteme und Schwarmintelligenz
   2. Wertschöpfung in Echtzeitkontrolle und -steuerung
   3. 3D-Druck und Implikationen für die industrielle Produktion
   4. Industrielle Prozesse in einer digitalen Welt

4. Umgang mit großen Datenmengen
   1. Herausforderungen und Strategien im Umgang mit Big Data in der Produktion
   2. Technische Lösungen in verschiedenen Anwendungsfeldern – Predictive Maintenance und Künstliche Intelligenz in der Produktion
   3. Cloud Services in der Produktion von morgen
   4. Sicherheit und Datenschutz
   5. Implikationen und Chancen für die Produktionslogistik

5. Produktionssysteme in einer digitalen Welt
   1. Zukünftiges Design von Produktionssystemen
   2. Produktionsautomatisierung und Cyber-Physische Systeme
   3. Digitalisierung weltweiter Produktions- und Liefernetzwerke
   4. Der Mensch in der Produktion der Zukunft
   5. Bildung für die digitalisierte Welt – Zukunftskompetenzen für die Produktion von morgen
   6. Gamification für die Konzeptentwicklung in der Produktion
   7. Aktuelle Forschungsprojekte für die Produktion

Ziel des Kurses ist es, die Studierenden mit ausgewählten Methoden und Techniken der Datenanalyse im Kontext stetig wachsender, heterogener Datenmengen vertraut zu machen. Hierzu wird zunächst die grundsätzliche Relevanz von Big Data-Methoden anhand der historischen Entwicklung der Datenbestände motiviert. Entscheidend ist hier unter anderem die kontinuierliche Belieferung der Systeme mit Sensordaten aus dem Internet of Things. Es folgt eine kurze Einführung in die wesentlichen statistischen Grundlagen, bevor die einzelnen Schritte des Data Mining-Prozess thematisiert werden. In Abgrenzung zu diesen klassischen Verfahren werden dann ausgewählte Methoden vorgestellt, mit denen Datenbestände im Big Data-Kontext analysierbar gemacht werden können. Weil die Datenanalyse bestimmten gesetzlichen Rahmenbedingungen unterliegt, werden in diesem Kurs zudem rechtliche Aspekte wie der Datenschutz behandelt. Der Kurs schließt mit einem Überblick über den Praxiseinsatz von Big Data-Methoden und -Werkzeugen. Hierbei werden insbesondere die Anwendungsfelder im industriellen Kontext beleuchtet.

1. Einführung in die Analyse von Daten
   1. Entscheidungen, Informationen, Daten
   2. Historische Entwicklung der Speicherung und Auswertung von Daten
   3. Big Data: Eigenschaften und Beispiele
   4. Datenanalyse
   5. Das Internet of Things als Treiber für Big Data
2. Statistische Grundlagen
   1. Deskriptive Datenanalyse
   2. Inferenzielle Datenanalyse
   3. Explorative Datenanalyse
   4. Multivariate Datenanalyse
3. Data Mining
   1. Knowledge Discovery in Databases
   2. Assoziationsanalyse
   3. Korrelationsanalyse
   4. Prognose
   5. Clusteranalyse
   6. Klassifikation
4. Big Data-Methoden und -Technologien
   1. Technologiebausteine
   2. MapReduce
   3. Text- und semantische Analyse
   4. Audio- und Videoanalyse
   5. BASE und NoSQL
   6. In-Memory-Datenbanken
   7. Big-Data-Erfolgsfaktoren
5. Rechtliche Aspekte der Datenanalyse
   1. Datenschutzgrundsätze in Deutschland
   2. Anonymisierung und Pseudonymisierung
   3. Internationale Datenanalyse
   4. Leistungs- und Integritätsschutz
6. Lösungsszenarien
7. Anwendung von Big Data in der Industrie
   1. Produktion und Logistik
   2. Effizienzsteigerungen in der Supply Chain
   3. Schlüsselfaktor Daten
   4. Beispiele und Fazit