Modulbeschreibung

Modeling & Simulation

ECTS-Credits:
4
Lernziele:

Leitidee: Das Modul "Modeling and Simulation" (MOSIM) zielt darauf ab, Studierenden ein Verständnis von (u.a. simulierbaren) Modellen und Modellierungsprozessen zu vermitteln. Aufbauend auf mathematischen und programmiertechnischen Grundlagen werden die Studierenden befähigt, mithilfe geeigneter Modelle, anwendungsbezogene Fragestellungen qualitativ u./o. quantiativ zu untersuchen und geeignete Lösungsvorschläge abzuleiten.
 
Ausbildungsziel: Ziel des Moduls ist es, Studierende in die Lage zu versetzen, reale Systeme (im unternehmerischen Kontext) durch geeignete Modelle zu beschreiben und diese im gegebenen Kontext sinnstiftend anzuwenden. Dies umfasst die Wahl einer (zur Fragestellung passenden) Modellierungs-Methode, die Anwendung eines zielgerichteten Modellierungsprozesses (= Modellierungskreislauf inkl. Modell-Validierung) sowie die Erarbeitung von (zur Fragestellung passenden) Lösungsvorschlägen. 

 

Vision: Studierende werden zu kompetenten "Modellierern / Modelliererinnen" ausgebelidet, die sowohl die theoretischen als auch die praktischen Aspekte des Modellierens beherrschen und in der Lage sind, diese Fähigkeiten in verschiedenen beruflichen Kontexten anzuwenden. Die Studierenden haben ein Bewusstsein dafür, was Modelle leisten können / sollen - und was nicht. Dadurch sind sie in der Lage, die iterative Natur eines Modellierungsprozess anzuerkennen und den eigenen Modellierungsprozess stets kritisch zu hinterfragen. 

Kurse in diesem Modul

Modeling & Simulation:

Teil1 - Einführung und zentrale Wissensstrukturen: 

  • System, Experiment, Modell, Simulation
  • Modellandschaft
  • Modellierungskreislauf (Problem-Verständnis & -definition / System- & Modellgrenzen / Modellierung (Absraktion + Datenformat) / Verifikation & Validierung / Simulation & Anwendung des Modells (Szenarien-Analyse) / Darlegung von Erkenntnissen)
  • Modell-Verifikation & Modell-Validierung
  • Modellwahl und Anwendungen des Modellierungskreislaufs

 

Teil2 - Anwendung der Wissensstruktur in verschiedenen Modellierungs-Kontexten:

  1. Mathematische Modelle -> (OPTIM) 
  2. Datenbasierte/stastistische Modelle -> Data Science  & Machine Learning (MACHL)
  3. Simulationsmodelle 
       - Monte Carlo Simulation (PCALC)
       - Diskrete Ereignissimulation (inkl. Projektarbeit - vgl. Teil3)
       - AgentBasedSimulation 
       - Systemdynamik (SDYNA)


Teil3 - Projektarbeit (Fallstudie "Apfelsaft GmbH")
Erstellung und vertiefte Anwendung einer diskreten Ereignissimulation mit Python. 

Vorlesung mit 2 Lektionen pro Woche
Uebung mit 2 Lektionen pro Woche
Disclaimer

Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.