Unternehmen müssen ihre Kunden und deren Kauf- und Konsumverhalten kennen, um Trends frühzeitig wahrzunehmen und Chancen der Bedarfsdeckung zu nutzen. Deshalb ist es unerlässlich, zu analysieren, wie Kunden ihre Ressourcen (Zeit, Geld, Aufwand) einteilen und welche Faktoren zur Kaufentscheidung beitragen. Hierzu müssen beispielsweise die folgenden Fragen beantwortet werden: Was, warum, wann, wie, wie oft und wo kauft der Kunde? Wie beeinflussen die Merkmale von Produkten und Dienstleistungen den Kaufentscheidungsprozess? Und welche anderen Aspekte und Faktoren sind wichtig?

Dieser Kurs macht die Studierenden mit wesentlichen psychologischen Erklärungsansätzen und Modellen des Konsumentenverhaltens vertraut. Er beleuchtet die Kaufentscheidungsprozesse von privaten Haushalten und beschaffenden Organisationen, untersucht die individuellen und sozialen Faktoren, die diese Prozesse jeweils beeinflussen und zeigt zentrale Konzepte zur Kundenbindung auf. Zudem vermittelt er die Besonderheiten der Vermarktung von Dienstleistungen und stellt Ansätze vor, wie Unternehmen diesen spezifischen Anforderungen wirksam begegnen können.

1. Einführung in das Konsumentenverhalten
   1. Begriffe und Entwicklung des Konsumentenverhaltens
   2. Ziele der Konsumentenforschung
   3. Konsum und Konsumenten
2. Modelle des Konsumentenverhaltens
   1. Modellansätze zur Erklärung des Konsumentenverhaltens
   2. Wichtige Modellarten des Konsumentenverhaltens
   3. Einführung in die Determinanten des Konsumentenverhaltens

3. Aktivierung
   1. Grundlagen zur Aktivierung
   2. Aktivierung des Konsumenten

4. Emotion, Motivation und Einstellung
   1. Emotion
   2. Motivation
   3. Einstellung

5. Kognitive Prozesse
   1. Kognition und Gedächtnis
   2. Lernen durch Konditionierung und kognitive Lerntheorien

6. Weitere Einflüsse auf das Konsumentenverhalten
   1. Persönliche Einflussgrößen
   2. Soziale Einflussgrößen
   3. Kulturelle Einflussgrößen

7. Der Kaufprozess
   1. Arten der Kaufentscheidung und Kaufentscheidungstyp
   2. Vorkaufphase
   3. Kaufphase
   4. Nachkauf- und Nutzungsphase

8. Der Kunde ist König: Von der Kundenorientierung zum Kundenwert
   1. Kundenorientierung und Kundenzufriedenheit
   2. Kundenbindung und Kundenwert

9. Konsumentenverhalten auf Dienstleistungsmärkten
   1. Kaufentscheidungsprozess im Dienstleistungsbereich
   2. Die Service-Erfolgskette
   3. Marktsegmentierung auf Dienstleistungsmärkten

10. Organisationales Kaufverhalten
    1. Grundlagen des organisationalen Kaufverhaltens
    2. Ein Modell organisatorischer Kaufentscheidung

Die frühen Phasen der Softwareentwicklung sind maßgeblich davon gekennzeichnet, dass fachliche und technische Anforderungen (Requirements) an das IT-System zu ermitteln sind. Die Anforderungsermittlung muss äußerst umsichtig betrieben werden, weil alle folgenden Aktivitäten im SW-Entwicklungsprozess auf der Grundlage der dokumentierten Anforderungen geplant und durchgeführt werden.

In diesem Kurs werden Vorgehensweisen, Methoden und Modelle vermittelt, die eine strukturierte und methodische Ermittlung und Dokumentation von Anforderungen an betriebliche Informationssysteme ermöglichen.

1. Grundlagen und Begriffe des Requirements Engineering
   1. Requirements Engineering im Softwareprozess
   2. Kernaktivitäten im Requirements Engineering
   3. Was ist eine Anforderung?
2. Ermittlung von Anforderungen
   1. Bestimmung des Systemkontextes
   2. Bestimmung der Quellen von Anforderungen
   3. Ausw.hlen der geeigneten Ermittlungstechniken
   4. Anforderungen unter Einsatz der Techniken ermitteln
3. Ausgewählte Ermittlungstechniken
   1. Kreativitätstechniken
   2. Befragungstechniken
   3. Beobachtungstechniken
   4. Prototyping
4. Dokumentation von Anforderungen
   1. Aktivitäten zur Dokumentation von Anforderungen
   2. Typische Elemente der Anforderungsdokumentation
   3. Dokumentationsformen
5. Modellierung von Prozessen
   1. Grundlagen und Begriffe
   2. Modellierung mit der Business Process Model and Notation
   3. Modellierung mit Ereignisgesteuerten Prozessketten
6. Modellierung von Systemen
   1. Grundlagen Unified Modeling Language
   2. UML-Use Case-Diagramm
   3. UML-Aktivitätsdiagramm
   4. UML-Klassendiagramm
   5. UML-Zustandsdiagramm
7. Prüfen und Abstimmen von Anforderungen
   1. Aktivitäten zum Prüfen und Abstimmen von Anforderungen
   2. Prüfkriterien
   3. Prüfprinzipien
   4. Prüftechniken
   5. Abstimmen von Anforderungen
8. Management von Anforderungen und Techniken zur Priorisierung
   1. Verwalten von Anforderungen
   2. Techniken zur Priorisierung von Anforderungen

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.

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

Unter Anwendung bekannter Methoden und Techniken aus dem Themengebiet des agilen Projektmanagements bearbeiten die Studierenden in diesem Kurs selbstständig eine praktische Fragestellung und erhalten so eine praktische Einführung in das agile Projektmanagement. Dabei erfolgt die Anwendung der einzelnen Grundprinzipien auch in Gegenüberstellung zu plangetriebenem Projektmanagement. Um agiles Projektmanagement nicht nur zu verstehen, sondern auch zu erfahren, werden Werte, Aktivitäten, Rollen und Artefakte typischer agiler Vorgehensweisen am Beispiel Scrum vertieft und an einem Beispielprojekt umgesetzt.

In diesem Kurs werden den Studierenden verschiedene Kompetenzen im Bereich des agilen Projektmanagements durch die praktische Anwendung im Rahmen eines Projektberichts vermittelt. Im Gegensatz zu plangetriebenem Projektmanagement werden dabei vor allem die aus der modernen Softwareentwicklung bekannten Prinzipien der Agilität genutzt. Am Beispiel von SCRUM sollen sich die Studierenden eine agile Vorgehensweise selbst aneignen. Das Wissen um die jeweiligen Rollen und Aktivtäten werden die Studierenden dann in einem einfachen Projekt einsetzen und auf diese Weise erste praktische Erfahrungen sammeln und im Projektbericht dokumentieren. Die Inhalte der Projekte ergeben sich aus den individuellen Fähigkeiten und Voraussetzungen der Studierenden.

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