Digital Engineering an der HSLU ist ein vollständig neu konzipierter, interdisziplinärer und praxisorientierter Studiengang mit einem Fokus auf Themen der Digitalisierung. Er verbindet den Umgang mit grossen Datenmengen mit ingenieurwissenschaftlichen Grundlagen und aktuellen technischen Fragestellungen. Der Studiengang wird seit dem Herbstsemester 2020 angeboten.

Aufbauend auf einem Fundament aus mathematisch-naturwissenschaftlichen Grundlagen und anwendungsorientierten Kompetenzen im ingenieur- und informationstechnischen Bereich werden Herausforderungen der Digitalisierung in der Produktentwicklung, der Produktion und der Transformation in den Vertiefungsrichtungen angenommen.

Digitale Kompetenzen

Die Studierenden erlangen digitale Kompetenzen im Umgang mit grossen Datenmengen mittels Data Pipelines, als Grundlage für Artificial Intelligence und Machine Learning. Sie erfahren die beschleunigten digitalen Transformation im Bereich der neuen Normalität von Big Data, und den vielfältigen Anwendungsmöglichkeiten von Blockchain-Technologien im Umfeld der vernetzten Produktion und Logistik.

Neben Mathematik, Physik, Informatik und Ingenieurwissenschaften bilden das Design und die Implementation von Data Pipelines die Basis des Studiengangs Digital Engineering. Zudem wird die Kompetenz vermittelt, Chancen der Digitalisierung zu erkennen und diese in neuen Geschäftsmodellen, Produkten und Abläufen umzusetzen.

Die Studierenden können sich in den folgenden drei Vertiefungen spezialisieren:

  • Digital Development – digitale Produktenwicklung & Entwicklung digital vernetzter physischer Produkte
  • Digital Manufacturing – Digitalisierung und Vernetzung von Produktion und Werkzeugen in der Produktion
  • Digital Transformation – Entwurf von Geschäftsmodellen, Produkten und Prozessen für digitale, vernetzte Unternehmen.

Der Studiengang wird vollständig in Deutsch angeboten. Internationalisierung und der Erwerb von sprachlichen und kulturellen Kompetenzen wird unterstützt, insbesondere mit einem Sprachangebot, Blockwochen im Ausland und natürlich der Möglichkeit ein Studiensemester an einer ausländischen Partnerhochschule zu absolvieren. Die Internationalisierung bietet so vielfältige Möglichkeiten zur wertvollen Erweiterung von fachlichen, sozialen und kulturellen Kompetenzen.

Studentin arbeitet zwischen verschiedenen digitalen Geräten am Laptop.

Alle Infos auf einen Blick

Bildungsinstitut

Hochschule Luzern HSLU > Departement Technik & Architektur

Link zum Angebot

Abschluss

Bachelor Fachhochschule FH

Sprache

Deutsch

Dauer

Voll­zeit: 3 Jahre – 6 Seme­ster à 14 Wochen Kontakt­stu­dium + Modul­prü­fun­g/­Ba­che­lor-Thesis Berufs­be­glei­tend: 4 Jahre Teil­zeit: 4 – 5 Jahre – 8-10 Seme­ster à 14 Wochen Kontakt­stu­dium + Modul­prü­fun­g/­Ba­che­lor-Thesis

Das Studium ist modular aufge­baut. Die Studie­ren­den stellen sich die einzel­nen Module zu einem indi­vi­du­el­len Stun­den­plan zusam­men. Zudem haben sie die Wahl zwischen drei Zeit­mo­del­len (Voll­zeit / Berufs­be­glei­tend / Teil­zeit). 

Modul­gruppeInhaltAnteil (*)
Kern­mo­duleDie Kern­mo­dule bilden den Fokus­be­reich des Studi­ums Digital Engi­nee­ring und vermit­teln Grund­la­gen im inge­nieur- und infor­ma­ti­ons­tech­ni­schen Bereich und ange­wandte mathe­ma­tisch-natur­wis­sen­schaft­li­chen Kompe­ten­zen. Der Kern­be­reich bietet einen Abschluss in einer der drei Vertie­fun­gen:

  • Vertie­fung «Digital Deve­lo­p­ment»
  • Vertie­fung «Digital Manu­fac­tu­ring»
  • Vertie­fung «Digital Trans­for­ma­tion»

Wesent­li­che Kern­mo­dule (ausge­wählte Module):

Grund­la­gen Digital Engi­nee­ring: Einfüh­rung in Digital Engi­nee­ring, Digi­ta­li­sie­rung, neue Tech­no­lo­gien, wie IoT, VR&AR, Digital Twin, Infor­ma­ti­ons­sy­ste­men und -sicher­heit, Grund­be­griffe der Infor­ma­tik, Grund­la­gen des Program­mie­rens in Python. Data Engi­nee­ring: Über­sicht und Einord­nung in Data Engi­nee­ring. Grund­la­gen in Cloud-Tech­no­lo­gien, Data-Pipe­lines, Daten­bank­sy­steme (SQL & NoSQL), ETL, OLTP & OLAP. Grund­la­gen der Data Gover­nance und Data Secu­rity sowie Vorstel­lung von Werk­zeu­gen wie IBM Clou­dant, IBM Infor­mix und Elastic­se­arch. Inter­net of Things (IoT) : Über­sicht über Anwen­dun­gen von IoT Geräten, und existie­ren­den Kommu­ni­ka­ti­ons­tech­no­lo­gien. Grund­la­gen des Designs von IoT–Systemen anhand aktu­el­ler, kommer­zi­ell verfüg­ba­rer Tech­no­lo­gien mit dem Ziel komplexe IoT-Systeme entwickeln und aufbauen zu können. Digital Twin & Produkte: Einfüh­rung in Digital Twins, als digi­tale Abbil­der realer Produkte in einer virtu­el­len Welt. Grund­la­gen für digi­tale Services, digi­ta­les Arbei­ten und digi­tale Entwick­lun­gen in der realen Welt. Prak­ti­sche Kennt­nisse im Aufbau von Digital Twins in unter­schied­li­chen Anwen­dungs­kon­tex­ten. Elek­tro­tech­nik: Grund­la­gen der Elek­tro­tech­nik mit Schwer­punkt Netz­werk­be­rech­nun­gen, Elek­tro­sta­tik, Digi­tal­tech­nik sowie Logik­bau­steine und Schal­tungs­ent­wurf. Prak­ti­sche Anwen­dung im Digi­tal­tech­nik-Labor. Produkt­ent­wick­lung Grund­la­gen: Einfüh­rung in Konstruk­ti­ons­me­tho­dik mit Form­ge­bungs­ver­fah­ren und Bauteil­ge­stal­tung und das spezi­fi­sche Entwer­fen und Gestal­ten. Über­blick über Korro­si­ons­vor­gänge und Verfah­ren der Ober­flä­chen­tech­nik. Systems Engi­nee­ring: Einfüh­rung in die syste­ma­ti­sche und prak­ti­sche Hand­ha­bung des Entwurfs größe­rer und komple­xe­rer Systeme, sowohl im tech­ni­schen als auch im orga­ni­sa­to­ri­schen Sinne. Gestal­tung und Manage­ment von komple­xen Syste­men in deren Lebens­zy­klus. Statis­ti­cal Data Analy­sis: Ange­wand­tes Machine Lear­ning basie­rend auf Grund­la­gen Wahr­schein­lich­keits­rech­nung und Stati­stik, Verständ­nis von Kenn­grös­sen und Vertei­lun­gen, Analyse von Stich­pro­ben, Ausein­an­der­set­zung mit Schätz- und Test­pro­ble­men. Data Commu­ni­ca­tion Systems: Grund­le­gende Struk­tu­ren und Konzepte der Kommu­ni­ka­ti­ons­sy­steme (Router, Switch, WLAN mit Fokus Inter­net TCP/IP), Einfüh­rung in Vermitt­lungs- und Über­tra­gungs­tech­nik. Arti­fi­cial Intel­li­gence (AI): Einfüh­rung in Such- und Opti­mie­rungs­tech­ni­ken der künst­li­chen Intel­li­genz einschliess­lich deren Anwen­dung in der Spiel­theo­rie und diskre­ten, multi­kri­te­ri­el­len Opti­mie­rung (Cons­traint Programming).

> 50%
Projekt­mo­duleAnspruchs­volle Heraus­for­de­run­gen aus der Praxis werden in selbst­or­ga­ni­sier­ter Arbeit in inter­dis­zi­pli­nä­ren Teams und später selbst­stän­dig im Rahmen der Abschluss­ar­bei­ten bear­bei­tet. Module: Kontext 1 + 2, Produkt­ent­wick­lung 1 + 2, Praxis im Studium, Indu­strie­pro­jekt, Bache­lor-Thesis> 25%
Erwei­te­rungs­mo­duleerlau­ben es den Studie­ren­den mit Themen aus verwand­ten Inge­nieur­wis­sen­schaf­ten, Infor­ma­tik und Data Science ihren tech­ni­schen Fokus zu erwei­tern und spezi­fi­sche Fach­kom­pe­ten­zen zu entwickeln.~ 10%
Zusatz­mo­dule / ISA-Moduleumfas­sen ein breites Angebot an Zusatz­kom­pe­ten­zen und befä­hi­gen die Studie­ren­den so, ihr Fach­wis­sen und ihre Entschei­dun­gen in gesell­schaft­li­che, kultu­relle, ethi­sche und wirt­schaft­li­che Zusam­men­hänge einzu­ord­nen.~ 10%

(*) Digital Engi­nee­ring eröff­net den Studie­ren­den indi­vi­du­elle Wahl­mög­lich­kei­ten. Je nach Modul­wahl im Kern-, Erwei­te­rungs-, oder Zusatz­be­reich ergibt sich eine leicht unter­schied­li­che Vertei­lung der Studi­en­an­teile, die dann in Summe 100% ergeben.

  • Tech­ni­sche Berufs­ma­tura plus abge­schlos­sene Berufs­lehre
  • Gymna­siale Matura plus Prak­ti­kum
  • Aufnahme über das Zulas­sungs­stu­dium

Beruf­li­che Perspek­ti­ven

Welche Tätig­keits­fel­der stehen nach diesem Studium offen? Wie könnte eine Lauf­bahn mit diesem Studium ausse­hen?

Weiter­füh­rende Master­stu­dien

Direk­ter Berufs­ein­stieg nach Abschluss des berufs­qua­li­fi­zie­ren­den Bache­lor of Science in Digital Engi­nee­ring:

  • Master of Science in Engi­nee­ring Major Mecha­tro­nics & Auto­ma­tion
  • Master of Science in Engi­nee­ring Major Data Science
  • Master of Science in Engi­nee­ring Major Medical Engi­nee­ring
  • Weitere Ange­bote aus dem Master of Science in Engi­nee­ring je nach indi­vi­du­el­lem Studi­en­pro­gramm, wie beispiels­weise: Elec­tri­cal Engi­nee­ring oder Busi­ness Engi­nee­ring
  • Master of Science in Applied Infor­ma­tion and Data Science
  • Zweit­stu­dium für einen weite­ren Bache­lor (z. B. Elektro- oder Maschi­nen­tech­nik usw.) Es sind für diesen zweiten Bache­lor-Abschluss an der HSLU – T&A ledig­lich 60 bis 90 ECTS-Punkte in einem diszi­pli­nä­ren Inge­nieur-Studi­en­gang zu erwer­ben