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.
Teil1 - Einführung:
- Problemstellungen realer Systeme (Dynamik, Stochastik, Korrelation & Abhängigkeiten, ...)
- Modellandschaft (Übersicht & ggf. Klassifizierung von Modellierungs- & Simulations-Methoden)
Teil2 - Zentrale Wissensstruktur des Moduls:
- Modellierungskreislauf mit Fokus auf:
--> Problemverständnis & -definition (ggf. P'HAPI-Modell?)
--> System- bzw. Modellgrenzen ("Was muss wirklich modelliert/simuliert werden?")
--> Effektive Modellierung (Abstraktion + "Daten auf das richtige Format bringen" )
--> Validierung (kritisches Hinterfragen)
--> Simulation / Anwendung des Modells (Szenarien-Analyse)
--> Darlegung von Erkenntnissen (Ergebnisvisualisierung)
Teil3 - Anwendung der Wissensstruktur in verschiedenen Modellierungs-Kontexten:
1. Simulationsmodelle (White Box - theoriegeleitet) :
- Diskrete Ereignissimulation (quantiativ, mit Programmieren)
- AgentBasedSimulation (qualitativ für Abgrenzung zu DES)
- Systemdynamik (qualitativ für Abgrenzung zu DES)
- ...
2. Mathematische Modelle (White Box - theoriegeleitet):
- Formeln & Gleichungssysteme (z.B. EOQ-Modell)
- Taylor
- LP/ILP
- MonteCarlo (Probability Calculus)
- ...
3. Datenbasierte/statistische Modelle (Black Box):
- Regression
- DecisionTrees
- Classification
- ...
4. Physikalische Modelle
- ...
Teil4 - Projektarbeit (individuell / ggf. in 2er Gruppen)
Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.