Wissenschaftliche Leiter

Prof. Dr. Gerald Winz

Wissenschaftlicher Leiter Fakultät Maschinenbau

Schwerpunkte:

  • Simulation
  • Fabrikplanung
  • Industrie 4.0

Zum Xing-Profil

Prof. Dr. Stefan Wind

Wissenschaftlicher Leiter Fakultät Informatik

Schwerpunkte:

  • Integrierte Informationssysteme in der Wirtschaft
  • Industrie 4.0

Zum Xing-Profil

Wissenschaftliche Mitarbeiter*innen

Lukas Harzenetter (M.Eng. cand.)

 Laboringenieur

Schwerpunkte:

  • Analyse- und Testverfahren in Realumgebung 
  • Programmierung, Simulation und Umsetzung von Präzisionsfrästeilen
  • Wartung und Instandhaltung der Maschine
  • Betreuung von Bachelorarbeiten und Projekten der Lehre
  • Instandhaltung/Management der Räumlichkeiten

 

Kevin Rieck (M.Sc.)

 Wissenschaftlicher Mitarbeiter

Schwerpunkte:

  • Industrial Data Analytics
  • Machine Learning
  • Condition Monitoring
  • Instandhaltung/Management der Räumlichkeiten
Kilian Führer (M.Sc. cand.)

Wissenschaftliche Hilfskraft

Schwerpunkte:

  • Machine Learning
  • Produktionsplanung
  • Preditictive Analytics

Studienarbeiten

Semester Studierende(r) Thema
SS 2020
Bigler, Dimitri
Analyse und Konzeption einer Big Data Datenbank zur Verwaltung von Maschinenparametern im Rahmen der Digitalisierung
SS 2020
Dietrich, Vitus Jacob
Entwicklung, Integration und Validierung von Gamification und Augmented Reality im Maschinenwesen
SS 2020
Schmitt, Sebastian
Simulation in Verbindung mit Werkzeugmaschinen
WS 19/20
Stuhlmiller, Fabian
Analyse, Konzeption und Prototypische Entwicklung einer Industrie 4.0 Smartwatch Anwendung für den Maschinenbau
WS 19/20
Mußack, Ida
Konzeption, wirtschaftliche Analyse und Design einer Industrie 4.0 Smartwatch Anwendung im Maschinenbau
WS 19/20
Kojadinovic, Milos
Analyse und Konzeption eines Pay-by-Stress Abrechnungsmodells für eine 5-Achs Fräsmaschine
WS 19/20
Brunner, Fabian
Durchführung einer Simulationsstudie zur Optimierung der Materialbereitstellung einer kontinuierlichen Fließmontage eines Maschinenbauunternehmens
WS 19/20
Führer, Kilian
Analyse und Anwendung von Predictive Analytics Verfahren zur Vorhersage von Unternehmenskennzahlen bei einem Werkzeugmaschinenhersteller
SS 2019
Koepfler, Patrick Jus
Integration von smarten Sensoren mit Hilfe von Bluetooth im Kontext von Internet of Things
SS 2019
Zhuozhou, Chen
Analyse relevanter Sensoren und Daten zur Belastungsmessung einer 5-Achs Fräsmaschine als Grundlage eines pay-by-stress Abrechnungsmodells
WS 18/19
Kienle, Nicola
Wirtschaftliche Bewertung der Use-Cases des Digital Twins zur Priorisierung zukünftiger Entwicklungsstufen