Machine Learning für Wirtschaftsingenieure

Kursüberblick

In produzierenden Unternehmen entstehen große Mengen an Prozess- und Maschinendaten, die sich mit Machine Learning gezielt auswerten lassen. Wirtschaftsingenieurinnen und -ingenieure stehen dabei an der Schnittstelle zwischen technischen Prozessen und betriebswirtschaftlicher Steuerung. Der Kurs zeigt, wie Machine-Learning-Modelle in diesem Umfeld eingesetzt werden. Kursinhalt 1. Prozessdaten als Grundlage für Modelle Erfassung und Strukturierung von Maschinen- und Sensordaten Umgang mit hochfrequenten Zeitreihen aus der Produktion Verknüpfung technischer Daten mit betriebswirtschaftlichen Kennzahlen 2. Predictive Maintenance und Ausfallprognose Modelle zur Vorhersage von Maschinenausfällen Einordnung von Wartungskosten gegenüber Ausfallrisiken Nutzung historischer Störungsdaten für Prognosemodelle 3. Qualitätsvorhersage in der Produktion Modellbasierte Erkennung von Ausschussrisiken Zusammenhang zwischen Prozessparametern und Produktqualität Frühzeitige Steuerung auf Basis von Vorhersagemodellen 4. Optimierung entlang der Lieferkette Bedarfsprognosen für Materialdisposition Modellgestützte Kapazitäts- und Ressourcenplanung Abwägen von Modellgenauigkeit und Planungsaufwand Berufliche Relevanz Wirtschaftsingenieure können Machine-Learning-Ansätze gezielt auf Produktionsprozesse anwenden. Prognosemodelle unterstützen die Planung von Wartung, Qualität und Kapazitäten. Die Verbindung technischer und betriebswirtschaftlicher Daten wird gestärkt. Die Inhalte erleichtern die Bewertung von ML-Projekten im industriellen Umfeld.

Nächste Termine

• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · München · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Frankfurt am Main · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Stuttgart · Hybrid Learning