1. Einführung in das Produktmanagement
   1. Begriff, Ziele und Aufgaben des Produktmanagements
   2. Rolle und Kompetenzen der Produktmanager:innen
   3. Positionierung des Produktmanagements im Unternehmen
2. Markt- und Unternehmensanalysen
   1. Methoden zur Analyse des Marktes
   2. Methoden zur Analyse des Unternehmens
   3. Integrierte Methoden zur Markt- und Unternehmensanalyse
   4. Geschäftsmodellanalyse
3. Produktstrategie
   1. Grundlagen der Produktstrategie
   2. Ziele und Positionierung
   3. Bewertung und Auswahl von Produktstrategien
4. Prozessorientiertes Produktmanagement
   1. Gestaltung des Produktlebenszyklus
   2. Produkt-Roadmaps
   3. Agiles Produktmanagement und Lean Product Management
   4. Produktentwicklungsprozess
5. Ideengenerierung und Produktvalidierung
   1. Ideengenerierung
   2. Ideen- und Konzeptbewertung
   3. Produktanforderungen
   4. Produkt- und Markttests
6. Markteinführung
   1. Grundlagen zum Markteintritt
   2. Markteintrittsstrategien
   3. Vertrieb
7. Produktmanagement nach Markteinführung
   1. Produktstrategien am Ende des Produktlebenszyklus
   2. Erfolgskontrolle und Metriken im Produktmanagement
   3. Schnittstellen- und Stakeholder -Management

Das Produktmanagement ist eine Funktion, die sich mit der Planung, Steuerung und Kontrolle von Produkten und Dienstleistungen während des gesamten Produktlebenszyklusses beschäftigt. Der Produktmanager als Hauptverantwortlicher eines Produktes muss verschiedene Disziplinen beherrschen, um sein Produkt erfolgreich zu managen.

Der Kurs Grundlagen des Produktmanagements vermittelt das passende Hintergrundwissen, um Marktanalysen zu erstellen und Produktstrategien zu entwickeln. Besondere Beachtung finden die Generierung und Validierung von neuen Produktideen, die Testung und Einführung von Produkten am Markt sowie das Management von Produkten nach der Markteinführung.

1. Digitale Geschäftsmodelle: Grundlagen und Begriffswelt
   1. Herkunft und Evolution des Geschäftsmodellbegriffs
   2. Strömungen und Trends in der Geschäftsmodellforschung
   3. Arten und Definitionen digitaler Geschäftsmodelle
   4. Erfolgsfaktoren für digitale Geschäftsmodelle
   5. Ebenen und Ziele digitaler Geschäftsmodelle
2. Trends und Technologien als Enabler für digitale Geschäftsmodelle
   1. Plattformökonomie
   2. Internet of Things (IoT)
   3. Cloud Computing
   4. Big Data und Data Science
   5. Künstliche Intelligenz (KI)
3. Tools und Frameworks für digitale Geschäftsmodelle
   1. Business Model Canvas nach Osterwalder und Pigneur
   2. St. Galler Business Model Navigator von Gassmann et al.
   3. Geschäftsmodellraster nach Schallmo
   4. Digital Value Creation Framework nach Hoffmeister
   5. 4C-Net Business Model und 4S-Net Business Model nach Wirtz
4. Digitale Geschäftsmodellmuster
   1. Warum digitale Geschäftsmodellmuster wichtig sind
   2. Long Tail
   3. Freemium
   4. Zwei- und mehrseitige Märkte
   5. Subscription und Flatrate
5. Digitale Plattform-Geschäftsmodelle
   1. Von der Pipeline zur digitalen Plattform
   2. Grundlegende Plattformfunktionalitäten und Systematisierungsansätze
   3. Direkte und indirekte Netzwerkeffekte
   4. Frameworks zur Modellierung
   5. Herausforderungen und Erfolgsfaktoren bei Entwicklung und Implementierung
6. Design und Management digitaler Geschäftsmodelle
   1. Digitale Geschäftsmodelle als Innovationstreiber
   2. Bedeutung des Business Plans im Kontext digitaler Geschäftsmodelle
   3. Firmenpositionierung von digitalen Geschäftsmodellen
   4. Management digitaler Geschäftsmodelle
   5. Fallbeispiele im Business-to-Consumer- und Business-to-Business-Markt

Die digitale Wirtschaft zeichnet sich durch eine enorme Dynamik und Geschwindigkeit aus. Die rasante Digitalisierung vieler Lebensbereiche hat zur Entstehung einer Informationsgesellschaft geführt, in der Online-Geschäfte seit Beginn des 21. Jahrhunderts immer mehr an Bedeutung gewonnen haben. Dies hat dazu geführt, dass das Management digitaler Geschäftsmodelle durch den zunehmenden Wettbewerb und die Verkürzung der Innovationszyklen immer komplexer und schwieriger geworden ist. Das Geschäftsmodellkonzept hat sich dabei in den letzten Jahren in der Unternehmenspraxis als ein beliebtes Werkzeug etabliert, um diese Komplexitäten erfolgreich zu analysieren und zu managen. Trotz der hohen praktischen Relevanz des Geschäftsmodellmanagements im digitalen Bereich beziehen sich die konzeptionellen Grundlagen in der Literatur überwiegend auf ein traditionelles Geschäftsmodellverständnis. Der Kurs bietet den Studierenden einen detaillierten Überblick über das Geschäftsmodellkonzept in der digitalen Welt und stellt moderne, digitale Geschäftsmodellansätze und -werkzeuge in den Mittelpunkt. Er vermittelt die notwendigen Fähigkeiten, um erfolgreiche digitale Geschäftsmodelle zu entwickeln und umzusetzen. Im Rahmen des Kurses werden die Grundlagen digitaler Geschäftsmodelle sowie die damit verbundenen Erfolgsfaktoren behandelt. Darüber hinaus werden Trends und Technologien erläutert, die die Entstehung digitaler Geschäftsmodelle ermöglichen. Außerdem erhalten die Studierenden einen Einblick in verschiedene Tools und Frameworks, die eine hilfreiche Unterstützung bei der Gestaltung digitaler Geschäftsmodelle darstellen. In diesem Zusammenhang werden auch digitale Geschäftsmodellmuster und Plattformgeschäftsmodelle näher betrachtet. Schließlich behandelt der KUrs auch Aspekte des Designs und Managements digitaler Geschäftsmodelle. Es wird gezeigt, wie innovative Geschäftsmodelle für das digitale Zeitalter entwickelt und umgesetzt werden. Die Kursteilnehmer:innen erhalten die notwendigen Kenntnisse und Fähigkeiten, um in einer sich schnell verändernden digitalen Welt erfolgreich zu agieren.

1. Einführung in die moderne Produktentwicklung
   1. Begriffe der industriellen Produktion
   2. Die vierte industrielle Revolution
   3. Wende in den Produktionsfaktoren
   4. Trends in der Produktentwicklung
2. Grundlagen der Produktentwicklung
   1. Methoden der Produktplanung
   2. Methoden der Lösungssuche
   3. Auswahl und Bewertung von Alternativen

3. Methoden im Produktentwicklungsprozess
   1. Anforderungen klären
   2. Konzeption
   3. Entwurf
   4. Ausarbeitung

4. Alternative Designansätze
   1. Design Thinking
   2. Personas
   3. Human-centered Design nach ISO 9241-210
   4. Participatory Design
   5. Open Innovation
   6. Empathic Design

5. Digitalisierung der Produktgestaltung
   1. Vom Zeichenbrett zum digitalen Funktionsmodell
   2. Computer-aided Engineering
   3. Computer-aided Quality
   4. Engineering- und Produktdatenmanagement
   5. Simulationsdatenmanagement

6. Kundenindividuelle Massenproduktion
   1. Traditionelle Produktionstypen
   2. Losgrößenproblem und -planung
   3. Mass Customization
   4. Rapid Manufacturing

7. Ausblick: Digital Engineering an Operation
   1. Definition
   2. Einsatzgebiete
   3. Erschließung von Daten
   4. Modellierung dynamischer Produkteigenschaften
   5. Bereitstellung von Informatinen im Betrieb

Ziel des Kurses ist es, den Studierenden einen Überblick über die gegenwärtigen Ansätze einer modernen Produktentwicklung im Kontext der Industrie 4.0 zu geben. Ausgehend von traditionellen Methoden und Werkzeugen der Produktentwicklung werden hierzu zunächst relevante alternative Designansätze beschrieben, die den Konsumenten in den Mittelpunkt der Gestaltung rücken. Darüber hinaus werden moderne Werkzeuge zur Unterstützung der Produktgestaltung vorgestellt, mit denen ein Ingenieur sowohl die statischen/geometrischen als auch die dynamischen Eigenschaften eines Produkts digital erfassen und simulieren kann. Außerdem werden in Abgrenzung zu traditionellen Produktionstypen die Aspekte der kundenindividuellen Massenproduktion thematisiert. Als Ausblick auf zukünftige Entwicklungen werden aktuelle Forschungsansätze für die durchgängig digitalisierte Produktentwicklung vorgestellt.

• Im Zentrum dieses Kurses steht die Entwicklung eines neuen Produktes. Die Studierenden durchlaufen dabei alle Projektphasen von der Ideengenerierung und -validierung bis zur Markteinführung und dokumentieren ihre Ergebnisse in ihrem Portfolio.

Die Produktentwicklung beschäftigt sich mit der Innovation, Planung und Herstellung eines Produktes. Sie ist für Unternehmen notwendig, um am Markt wettbewerbsfähig zu bleiben und stellt damit einen bedeutenden Aufgabenbereich dar.

Dieser Kurs vermittelt den praxisnahen Einsatz von Methoden für die Generierung und Validierung von neuen Produktideen, die Planung und Durchführung von Produkt- und Markttests sowie die Einführung von Produkten am Markt.

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

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 ihnen 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. 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

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 und Motivation
   1. Digitalisierung und Cyber-physische Produktionssysteme
   2. Smart Services in der Industrie 4.0
   3. Beispiele für Smart Services
2. Digitalisierung und Disruption
   1. Definition: Digitale Geschäftsmodelle
   2. Strategien für Änderung und Innovation
   3. Digitale Intermediäre
   4. Beispiele disruptiver Geschäftsmodelle
3. Potentiale für Smart Services erkennen
   1. Business Model Canvas
   2. Personas
   3. Customer Journeys
   4. Domain-driven Design
4. Entwicklung und Spezifikation von Smart Services
   1. Modellierung des Systemkontexts
   2. Modellierung fachlicher Abläufe
   3. Modellierung technischer Schnittstellen
   4. Werkzeuge für die API-Spezifikation
5. Service-Architekturen
   1. Infrastructure/Platform/Software-as-a-Service
   2. Everything-as-a-Service
   3. Service-orientierte Architekturen
   4. Microservices
6. Integrationsplattformen
   1. Eigenschaften und Zweck von Integrationsplattformen
   2. Enterprise Integration Patterns
   3. Externe Integration mit Zapier, IFTTT & Co.
7. Technologien für Smart Services
   1. Formate für den Datenaustausch
   2. Internetkommunikationsprotokolle
   3. Semantische Beschreibungen
   4. Complex Event Processing
   5. Sicherheit
8. Qualität und Betrieb von Smart Services
   1. Qualitätseigenschaften und Reife von APIs
   2. Service Level Agreements
   3. Service Level Management

In diesem Kurs sollen die Studierenden Konzepte und Methoden zur Entwicklung von Smart Services erlernen. Hierzu wird zunächst eine Einführung des Begriffs im Kontext der Digitalisierung und der Industrie 4.0 vorgenommen. Darauf aufbauend wird gezeigt, inwiefern innovative Services am Beispiel digitaler Intermediäre auf bestehende Geschäftsmodelle oder sogar Märkte disruptiv einwirken können. Anschließend werden den Studierenden ausgewählte Methoden und Techniken vermittelt, mit denen Digitalisierungspotentiale erkannt und modelliert werden können. Zudem werden ausgewählte Architekturen und Plattformen zur Integration von Services vorgestellt. Abschließend werden relevante Technologien zur Implementierung von Smart Services vermittelt und es wird kurz dargestellt, wie die Qualität von Services vereinbart werden kann.

• Ein Katalog mit den jeweils aktuell bereitgestellten Aufgabenstellungen wird auf der Online-Plattform des Kurses bereitgestellt. Er bietet die inhaltliche Basis und kann fortlaufend ergänzt bzw. aktualisiert werden.

In diesem Kurs wählen die Studierenden in Abstimmung eine konkrete Aufgabenstellung aus dem bereitgestellten Themenkatalog aus. Sie bearbeiten die Aufgabe mithilfe einer Prototyping-Umgebung, die zu dem Gegenstand der Aufgabenstellung passt. Bei den Umgebungen kann es sich sowohl um Hardware (z. B. Prototyping-Boards) als auch um Software (z. B. technologiespezifische Entwicklungsumgebungen) handeln. Zur Bearbeitung der Aufgabe wenden die Studierenden die grundlegenden Konzepte, Methoden und Werkzeuge aus dem Bereich Smart Mobility und Smart Services an. Zum Abschluss dokumentieren sie ihre Ergebnisse.