Master, Berufsbegleitend
- Campus Steyr
- E-Mail lem@fh-steyr.at
- Telefon +43 5 0804 33204
- Infoblatt downloaden Anfrage stellen
Studienplan
Module
Formale Kompetenzen
1. | 2. | 3. | 4. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Grundlagen Logistik-Engineering -Management |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Grundlagen Logistik-Engineering -ManagementAbsolvent*innen • verfügen über die notwendigen formalen Kenntnisse in den Bereichen Logistikmanagement, Statistik und Programmieren • können Begriffe, Ziele, Funktionen, Prozesse und Prozessbeteiligte in der Logistik benennen und erklären • können aktuelle technische und wirtschaftliche Entwicklungen, Veränderungstreiber und Trends in der Logistik einordnen • können grundlegende statistische Methoden und Werkzeuge erörtern und anwenden, um logistische Daten zu analysieren • können elementare Strukturierungsprinzipien von Programmen erklären und elementare Algorithmen selbständig nachvollziehen und formulieren. • können Konzepte der objektorientierten Programmierung und relevante Strukturen und Komponenten erläutern • können einfache Algorithmen für Problemstellungen in einer ausgewählten objektorientierten Programmiersprache beschreiben und zur Ausführung bringen. Grundlagen Programmieren
Realisierung von Algorithmen und Datenstrukturen, systematischer Entwurf von Algorithmen, Strukturkomplexität und Laufzeitverhalten, elementare Algorithmen für Standardaufgaben (u.a. Suchen, Filtern, Sortieren). Einführung in die Programmierung mit der Programmiersprache Python, Grundlagen der Python-Programmierung im Sinne von Variablen, Ablaufsteuerung, Klassen, etc., Unterschiede Objektorientierung, prozedurale und funktionale Programmierparadigmen. Digitales und nachhaltiges Logistikmanagement
Begriffe, Merkmale, Ziele, Funktionen, Prozesse und Prozessbeteiligte digital und nachhaltig gestalteter Logistiksysteme, aktuelle Entwicklungen, Veränderungstreiber und Trends in der Logistik und konkrete Anwendungsfälle, Grundlagen der digitalen Transformation, Enabler und Treiber, Methoden und Werkzeuge zur Unterstützung digitaler Transformation in der Logistik sowie Grundlagen zur Nachhaltigkeit in der Logistik, Anwendungsfälle für Konzepte, Methoden und Werkzeuge einer nachhaltigen Logistik. Grundlagen Statistik
Einführung in die Grundlagen der Statistik als Basis für die Auswertung großer Datenmengen, Inhalte umfassen u.a. Univariate und Multivariate Deskription und Exploration von Daten, Regressionsanalyse, Varianzanalyse, Zeitreihenanalyse und die anwendungsorientierte Erprobung im Logistik Kontext. |
Digitale Logistiksysteme
1. | 2. | 3. | 4. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Logistik Prozessmanagement |
4 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistik ProzessmanagementAbsolvent*innen • können Methoden, Techniken und Werkzeuge des Business Process Managements erörtern und können diese in konkreten Entwicklungsprojekten einsetzen (z.B. Prozessdigitalisierung, Prozess Re-Engineering, Definition von Leistungsindikatoren in Prozessen für das Monitoring die Prozesssteuerung). • können die Grundlagen einer prozessorientierten Organisation und deren Referenzmodelle in der Logistik beschreiben. • Können Prozessmanagement Projekte von der strategischen bis zur operativen Ebene aufsetzen, erfolgreich durchführen und hinsichtlich der Zielerreichung beurteilen. • können Konzepte und Werkzeuge für die Unterstützung arbeitsteiliger Prozesse (d.h. Konzepte und Werkzeuge der Bereiche Collaboration Engineering und Computer Supported Collaborative Work) erläutern und im Kontext konkreter Logistik Anwendungsfälle argumentieren und einführen. Case Studies: Logistik-Prozessmanagement
Anwendung der in PMG1IL erworbenen Kenntnisse und Kompetenzen zur Erhebung, Modellierung und Ausführungsunterstützung von Logistikprozessen. Logistik-Prozessmanagement
Grundlagen Business Process Management, Ausgewählte Ansätze des Bu-siness Process Management (BPM), unterschiedliche BPM-Notationen, Rolle von Business Process Management im Kontext Digitalisierung. Grundlagen Collaboration Engineering und Computer Supported Collaborative Work (CSCW), Kollaborationswerkzeuge (Arten, Unterstützungsfunktionen), Auswahl und Bewertung von Kollaborationswerkzeugen, Konfiguration von Kollaborationswerkzeugen für konkrete Logistikanwendungsfälle. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistische Optimierungssysteme und Algorithmen |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistische Optimierungssysteme und AlgorithmenAbsolvent*innen • können die Grundlagen im Bereich Operations Research (unterschiedliche Modelle, Methoden, Algorithmen) erklären • können mathematische Modelle logistischer Planungsprobleme verstehen, interpretieren und definieren • können unterschiedliche exakte und heuristische Algorithmen zur Lösung logistischer Planungsprobleme anwenden Case-Studies: Logistische Optimierung
Anwendung der in OPG2IL erworbenen Kenntnisse und Kompetenzen auf konkrete Aufgabenstellungen und Fallstudien in der Logistik anhand von Benchmark-Problemen sowie Optimierungsproblemen aus der Praxis, Training im Umgang mit Softwarewerkzeugen zur Lösung von Optimierungsproblemen (z.B. HeuristicLab, CPLEX, Gurobi, Python-MIP) Logistische Optimierungssysteme und Algorithmen
Operations Research Begriffe, Modelle und Methoden, mathematische Notation von Optimierungsproblemen, Grundlagen und Anwendung linearer und gemischt-ganzzahliger Optimierung, Simplex-Algorithmus, Modelle der Standort-, Transport- und Tourenplanung, kombinatorische Optimierungsprobleme, exakte vs. heuristische Lösungsverfahren, nachbarschaftsbasierte und populationsbasierte Metaheuristiken, multikriterielle Optimierungsprobleme. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
KI und Machine Learning in der Logistik |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
KI und Machine Learning in der LogistikAbsolvent*innen • kennen die typische Unterscheidung von Aufgabenstellungen für maschinelles Lernen und die verschiedenen Bereiche des Data Mining • kennen einfache Algorithmen und Methoden des maschinellen Lernens und können diese auswählen, parametrieren und anwenden • können die Ergebnisse von maschinellen Lernverfahren beurteilen und richtig interpretieren Case-Studies: KI in der Logistik
Anwendung der in KIG2IL erworbenen Kenntnisse und Kompetenzen auf konkrete Aufgabenstellungen und Fallstudien in der Logistik anhand von Benchmark-Datensätzen sowie Datensätzen aus der Praxis, Training im Umgang mit Softwarewerkzeugen für maschinelles Lernen und Data Mining (z.B. KNIME, HeuristicLab, Weka, scikit-learn). KI und Maschine Learning in der Logistik
Einsatzgebiete von maschinellem Lernen und Data Mining, Kategorisierung von Lernaufgaben, überwachtes/unüberwachtes Lernen, Over-/Underfitting und Komplexität von Hypothesenräumen, Datenvorverarbeitung und -modellierung, Crossindustry Standard Process Model for Data Mining (CRISP-DM) Clusteringverfahren, fallbasiertes vs. regelbasiertes Lernen, Lernen von Entscheidungsbäumen, symbolische Regression und genetische Programmierung, neuronale Netze, Auswertung und Interpretation von Modellierungsergebnissen |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Vernetzte Logistiksysteme und Web-Technologien |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Vernetzte Logistiksysteme und Web-TechnologienAbsolvent*innen • können Grundlagen verteilter Systeme (Zielsetzung, Basiskonzepte, Systemarchitekturen, Kommunikation in verteilten Systemen) erklären • können Gestaltungsdimensionen und Zusammenhänge von Interoperabilität zwischen heterogenen verteilten Systemen fallbasiert erläutern • sind in der Lage organisationale Anforderungen verteilter Logistiksysteme abzubilden und deren informationstechnische Unterstützung zu konzipieren • können einfache vernetzte Systeme mit Standardkomponenten und -Werkzeugen prototypisch umsetzen Case-Studies: Vernetzte Logistiksysteme
Anwendung der in VEG2IL erworbenen Kenntnisse und Kompetenzen zur Konzeption und prototypischen Umsetzung von Fallstudien einfacher vernetzter Logistiksysteme. Training im Umgang mit Softwarewerkzeugen und Standardkomponenten zur Implementierung von Industrial IoT Systemen (z.B. MQTT, REST, Raspberry Pi, Node-RED) Vernetzte Logistiksysteme und Web-Technologien
Zielsetzung verteilter Systeme, Eigenschaften und Basiskonzepte verteilter Systeme, Systemarchitekturen, Kommunikationsmechanismen zwischen verteilten Systemkomponenten, Kommunikationsstandards Grundlagen sicherer Kommunikation im Internet, Internetprotokolle, Grundlagen Mobile Computing, Datenqualität und Sicherung in verteilten Systemen |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistik-Datenmanagement und Visualisierung |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistik-Datenmanagement und VisualisierungAbsolvent*innen • können grundlegende Methoden und ausgewählte Werkzeuge des Datamanagements erörtern. • können relevante logistische (Prozess-) Daten, deren Bedeutung und Abhängigkeiten erklären. • können grundlegende Methoden und ausgewählte Werkzeuge des Datamanagements und der Datenanalyse, etwa zur Datenmodellierung, -zu-sammenführung, oder -abfrage im Rahmen konkreter Logistik Anwendungsfälle anwenden. • können Verfahren und Prozesse des Bereichs Business Intelligence beschreiben und deren Relevanz erörtern. • können Verfahren, Prozesse und ausgewählte Werkzeuge (z.B. Power BI, Tableau, ArcGIS) zur systematischen Datenanalyse im Logistik Kontext anwenden, z.B. Daten aus unterschiedlichen Quellen zusammenführen, aufbereiten, auswerten, Reports zur Entscheidungsunterstützung erstellen. Case Studies: Logistik-Datenmanagement und Visualisierung
Anwendung und Transfer der in DMG1IL erworbenen Kenntnisse und Kompetenzen zur Realisierung von Datenmodellen und Visualisierungen für Logistikanwendungsfälle. Logistik-Datenmanagement und Visualisierung
Grundlagen Datenmodellierung, Beziehungsmodell, Relationen-Modell, Graphen-Modell, strukturierte, semi-strukturierte, unstrukturierte Daten, SQL-Datenbanken, Datenabfragesprachen (SQL), Datenquellen für Big Data Grundlegung Data Warehousing, Multimodale Datenmodellierung, OLAP-Grundlagen, Datenanalyse und Navigation anhand multidimensionaler Funktionen und Operatoren, Aufbau, Modellierung und Architektur von Data Warehouse Systemen, „Realtime“ Data Warehouse, Dashboards, Reports. |
Management Kompetenzen
1. | 2. | 3. | 4. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Logistikmanagement 1 |
9 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistikmanagement 1Absolvent*innen • können relevante Personalprozesse und Führungsansätze in kulturell heterogenen Unternehmenskontexten erörtern. • kennen die Modelle und Methoden des Logistik-Controllings und die Herausforderungen und Grundlagen der Finanzierung von Logistikprojekten. • verfügen über Kenntnisse im Projektmanagement und können Projekt planen, leiten und umsetzen • können Methoden und Werkzeuge zur Erhebung, Abbildung, Konzipierung und Umsetzung von Enterprise Architekturen beschreiben und zur Ausrichtung der Unternehmens-IT an den jeweiligen Geschäftszielen anwenden. Enterprise Architecting
Enterprise Architecting, Enterprise Architecture Management, Enterprise Architecture Frameworks, Rolle von Enterprise Architecture im Kontext Digitalisierung, Modellierung verteilter Systeme. Finanzen in der Logistik
Ausprägung des Logistik-Controllings, Logistikkosten, logistische Leistungsrechnung, Transparenz und Berichtswesen in der Logistik, Finanzierung (Finanzierungsphasen, Finanzierungsquellen, Finanzierungsprozesse und Instrumente); Kapitalaufbringung (Mezzanin-Kapital, Private Equity, Venture Capital, Business Angels, Gründungsförderung, Inkubatoren, Start-Up Förderungen, Crowd Funding etc.). Leadership und Personalmanagement
Traditionelle und aktuelle Führungskonzepte, Demographie und diversitäts-gerechte Führung, Instrumente zur Führung, Führungskompetenzen der Zukunft, allgemeine Grundlagen von Personalprozessen, Merkmale und Elemente von Entlohnungssystemen, Werte und Verhalten, Kommunikation, interkulturelle Handlungskompetenz. Projektmanagement
Definitionen und Begriffe, Vorgehensmodelle, Methoden und Werkzeuge des Projektmanagement, Phasenmodell, Projektorganisation, Projektstrukturierung, Konzeptionierung und Realisierung von Projekten, Projektportfolio und Programm-Management. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistikmanagement 2 |
7.5 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logistikmanagement 2Absolvent*innen • können Ansätze und Methoden zur Begleitung von Veränderungsprozessen in Unternehmen beschreiben. • können den Zusammenhang von Entrepreneurship und Innovationen erklären und die Arten von Innovationen und deren Bedeutung beschreiben. • haben einen Überblick zu relevanten Rechtsgebieten der Logistik (Arbeitsrecht, Gesellschaftsrecht, Steuerrecht, allgemeines Vertragsrecht, Gewerberecht, Unternehmensgründung und -übertragung). Entrepreneurship
Grundlagen Entrepreneurship (Typologie, Rahmenbedingungen für unternehmerische Haltung), strategisches Denken für Entrepreneure, unternehmerische Verantwortung und Wertentwicklung. Kontextwissen Innovation Eco-Systeme. Innovations- und Changemanagement
Innovationsprozessmodelle, Grundlagen Change-Management (Auslöser, Hemmnisse, Ursachen für das Scheitern, Erfolgsfaktoren); Rolle von Personen, Visionen, Kommunikation, Partizipation, Integration, Mitarbeiterentwicklung, Projektorganisation, Konsultation, und Evolution im Change-Management, Change-Management Prozesse, Unternehmenskultur und Change-Management, Innovation in soziotechnischen Systemen, Elemente soziotechnischer Systeme, Gestaltung und Evaluierung von Mensch-Maschine-Interaktion. Rechtsgrundlagen für Logistik
Relevante Rechtsgebiete der Logistik (Arbeitsrecht, Gesellschaftsrecht, Steuerrecht, allgemeines Vertragsrecht, Gewerberecht, Unternehmensgründung und -übertragung); transportrechtliche Grundlagen; Haftungsumfänge und –Einschränkungen; Versicherungswesens und Risikomanagement im Güterverkehr; gewerbliche Schutzrechte. |
Logistik-Technologie
1. | 2. | 3. | 4. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Ausgewählte Logistik-Technologien |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ausgewählte Logistik-TechnologienAbsolvent*innen können Basistechnologien, Anwendungen und aktuelle technologische Entwicklungen der Digitalisierung der Logistik, z.B. Technologien zur Erfassung, Auswertung und Steuerung logistischer Aktivitäten, benennen und deren Einsatz in konkreten Anwendungsfällen bewerten und damit einhergehende organisationale Veränderungsprozesse gestalten und begleiten. Ausgewählte Logistik-Technologien
Auswahl aktueller Basistechnologien der Logistik (z.B. Track&Trace, Telematik Systeme, Geoinformationssysteme, Transportmittel, Fördertechnik) und technologischen Trends der Logistik (z.B. Logistik 4.0, Cyber-Physische Systeme, Industrial Internet, autonome Transportfahrzeuge). Case Studies: Ausgewählte Logistik-Technologien
Anwendung der in ATG1IL erworbenen Kenntnisse und Kompetenzen in konkreten Logistik-Anwendungsfällen und Gestaltung/Begleitung organisationaler Veränderungsprozesse. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Informationslogistik in der digitalen Fabrik |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Informationslogistik in der digitalen FabrikAbsolvent*innen • verstehen moderne Methoden um industrielle Prozesse sowohl modellieren als auch simulieren zu können. Dies umfasst sowohl automatisierungstechnische Aspekte als auch logistische und betriebswirtschaftliche Betrachtungsweisen (z.B. Taktzeitanalysen). • können Maschinen und Produktionsprozesse so weit mitgestalten, dass diese im Sinne einer modernen Fertigung Daten unternehmensweit und darüber hinaus bereitstellen und nutzen können Case Studies: Digitale Fabrik
Lösen beispielhafter Aufgaben aus dem unmittelbaren Berufsumfeld bzw. dem Umfeld eines Fallstudien-Partners aus der Industrie. Die Problemstellungen stammen aus der aktuellen industriellen F&E im unmittelbaren Berufsumfeld und werden als Projekt vorzugsweise im Unternehmen der berufsbegleitend Studierenden und/oder F&E-Institutionen durchgeführt. Informationslogistik in der digitalen Fabrik
Übersicht der Werkzeuge zur digitalen Fabrik, Simulationsunterstützte Analyse von Produktions- und Logistikabläufen (Fertigung, Montage), Prozessplanung mit Methoden der Digitalen Fabrik, Vernetzung der Einzelsysteme im Sinne eines PPLM, System- und Datenintegration, Montage-/Demontagesimulation zur Arbeitsplatzgestaltung, Methodik zur Verringerung der Inbetriebnahme-Zeit, Einsatzmöglichkeiten eines digitalen Zwillings zur Prozessoptimierung, Methoden und Prozesse zum Entwickeln eines digitalen Zwillings |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Nachhaltige Technologien und Energiesysteme |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Nachhaltige Technologien und EnergiesystemeAbsolvent*innen • haben ein grundlegendes Verständnis für Gebäudetechnik und das Energiemanagement von logistisch nutzbaren Industriebauten • kennen alternative Energiesysteme und können deren Potentiale und Einsatzmöglichkeiten einschätzen Case Studies: Nachhaltige Technologien und Energiesysteme
Lösen beispielhafter Aufgaben aus dem unmittelbaren Berufsumfeld bzw. dem Umfeld eines Fallstudien-Partners aus der Industrie. Die Problemstellungen stammen aus der aktuellen industriellen F&E im unmittelbaren Berufsumfeld und werden als Projekt vorzugsweise im Unternehmen der berufsbegleitend Studierenden und/oder F&E-Institutionen durchgeführt. Nachhaltige Technologien und Energiesysteme
Einführung in die Gebäudetechnik, Energieeffizienz, Gebäudeautomation, Grundlagen des Energiemanagements, Industriebau und erneuerbare Energiesysteme, Smart Building und alternative Energiesysteme. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Robotik und Automatisierung |
6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Robotik und AutomatisierungAbsolvent*innen • können verschiedene Roboter und Manipulatoren in einer virtuellen Welt abbilden und modellieren • verstehen die Methodik zum Transfer der Simulation auf das reale System • verstehen den Ablauf zur Auslegung und Planung eines Robotersystems • verstehen die Zusammenhänge zwischen Robotersystemen und den übergeordneten Steuerungs- und Leitsystemen Case Studies: Robotik und Automatisierung
Lösen beispielhafter Aufgaben aus dem unmittelbaren Berufsumfeld bzw. dem Umfeld eines Fallstudien-Partners aus der Industrie wie z.B. Fallstudien zur Planung und Optimierung von Roboterapplikationen im Bereich Produktionslogistik mittels Simulationssoftware (z.B. RoboDK); Die Problemstellungen stammen aus der aktuellen industriellen F&E im unmittelbaren Berufsumfeld und werden als Projekt vorzugsweise im Unternehmen der bb-Studierenden und/oder F&E-Institutionen durchgeführt. Robotik und Automatisierung
Modellierung von Roboterzellen, Methoden zur Durchführung von Simulationsstudien, Methoden zur Optimierung von Roboterapplikationen mittels Simulation, Anwendung moderner Simulationswerkzeuge in der Produktionslogistik, Einsatzszenarien für mobile autonome Fahrzeuge. |
Vertiefung und Spezialisierung
1. | 2. | 3. | 4. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Wahlpflichtfächer |
3 | 3 | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
WahlpflichtfächerAbsolvent*innen • verfügen über vertiefende und/oder erweiternde Kompetenzen in wesentlichen, für das Qualifikationsprofil und die Berufsfelder relevanten Themenbereichen. Wahlpflichtfach 1
Wahlpflichtfächer sind auf Master-Niveau und zu einem berufsfeldrelevanten Thema. Die Studierenden können dabei aus einem definierten Angebot an Wahlpflichtfächern der Fakultät für Wirtschaft und Management wählen. Alternativ können Studierende einen individuellen Vorschlag einbringen. Die vorgeschlagenen Lehrveranstaltungen werden von der Studiengangsleitung bezüglich Relevanz und Niveau überprüft, akzeptiert oder zurückgewiesen. Wahlpflichtfach 2
Wahlpflichtfächer sind auf Master-Niveau und zu einem berufsfeldrelevanten Thema. Die Studierenden können dabei aus einem definierten Angebot an Wahlpflichtfächern der Fakultät für Wirtschaft und Management wählen. Alternativ können Studierende einen individuellen Vorschlag einbringen. Die vorgeschlagenen Lehrveranstaltungen werden von der Studiengangsleitung bezüglich Relevanz und Niveau überprüft, akzeptiert oder zurückgewiesen. Wahlpflichtfach 3
Wahlpflichtfächer sind auf Master-Niveau und zu einem berufsfeldrelevanten Thema. Die Studierenden können dabei aus einem definierten Angebot an Wahlpflichtfächern der Fakultät für Wirtschaft und Management wählen. Alternativ können Studierende einen individuellen Vorschlag einbringen. Die vorgeschlagenen Lehrveranstaltungen werden von der Studiengangsleitung bezüglich Relevanz und Niveau überprüft, akzeptiert oder zurückgewiesen. |
Wissenschaftliche Kompetenzen
1. | 2. | 3. | 4. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Masterarbeit |
1.5 | 24 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
MasterarbeitAbsolvent*innen • können das zuvor angeeignete Wissen im Zuge einer konkreten Aufgabenstellung (Themenstellung der Masterarbeit) anwenden und vertiefen • können eigenständig wissenschaftlich Arbeiten • sind in der Lage, Sachverhalte/ Problemstellungen zu analysieren, Verbesserungspotentiale zu lokalisieren, Verbesserungsvorschläge zu erarbeiten, Alternativen zu bewerten und diese im internationalen Umfeld umsetzen. • können eine wissenschaftliche Arbeit (Publikation) zu einem bisher in dieser Vertiefung unbekannten Thema des Studiums erstellen. Wissenschaftliches Arbeiten - MA Begleitseminar
Wissenschaftstheoretische Grundlagen der empirischen Forschung, Quali-tätskriterien empirischer Forschung, Untersuchungsdesigns und deren Operationalisierung, ausgewählte qualitative und quantitative Forschungsmethoden und Werkzeuge zur Unterstützung, Gestaltung von Masterarbeiten, Aufbau und Struktur wissenschaftlicher Arbeiten, Methoden und Techniken der systematischen Bearbeitung einer Problemstellung im Kontext einer Master-arbeit, Präsentation und wissenschaftliche Reflexion von Arbeitsergebnissen. Masterarbeit
Die Masterarbeit dient als abschließende Arbeit des Studiums dazu, das in den Modulen des Studiums angeeignete Wissen im Zuge einer konkreten Aufgabenstellung anzuwenden und zu vertiefen, wobei auf eigenständiges wissenschaftliches Arbeiten geachtet wird. Die Absolvent*innen können Sachverhalte/ Problemstellungen analysieren, Verbesserungspotentiale lokalisieren, Verbesserungsvorschläge erarbeiten, Alternativen bewerten und diese im internationalen Umfeld umsetzen. Inhaltlich muss das Thema der Masterarbeit den Modulen des Studiengangs zuordenbar sein. Masterprüfung
|
Kontakt
E-MailE lem@fh-steyr.at
TelefonT +43 5 0804 33204