Lehre und Weiterbildung

Diese drei mathematischen Teildisziplinen bilden die Grundpfeiler jeder technisch-naturwissenschaftlichen Ausbildung. Sie liefern die methodischen Kompetenzen zur Strukturierung, Formulierung und Lösung komplexer Problemstellungen. In unseren Kursen vermitteln wir neben den fachlichen Inhalten vor allem die mathematisch-analytische Denkweise. Sie befähigt unsere Studierenden, Probleme jeglicher Art systematisch und logisch zu untersuchen sowie effizient und effektiv zu lösen. Das Vorgehen umfasst das Erkennen von Mustern und Prozessen, das Verstehen abstrakter Konzepte und das Anwenden mathematischer Prinzipien, um zu fundierten Schlussfolgerungen zu gelangen. Konkrete Fragestellungen werden in eine mathematische Form überführt, um sie anschliessend graphisch, analytisch oder numerisch computergestützt zu bearbeiten.

Mathematische Berechnungsmodelle sind heutzutage in der Lage, das Verhalten vieler realer Systeme und Prozesse wirklichkeitsgetreu als digitalen Zwilling abzubilden. Dadurch ergibt sich die Möglichkeit, das Verhalten solcher Systeme unter verschiedenen Bedingungen vorherzusagen und zu analysieren, bevor sie physisch realisiert werden. Diese Simulationen ermöglichen virtuelle Experimente, Designstudien und Sensitivitätsanalysen. Damit erweitern sie den Entwicklungsprozess und ermöglichen Optimierungen und Einblicke, die mit einer rein empirischen Entwicklungsstrategie nicht erreichbar wären. So können Entwicklungsschleifen verkürzt werden und die realisierten Prototypen haben bereits einen hohen Reifegrad. Unsere Studierenden erlernen Methoden und Verfahren zur Erstellung und Implementierung derartiger Modelle sowie deren Simulation, Auswertung und Optimierung, welche in zahlreichen Anwendungsgebieten gewinnbringend einsetzbar sind.

Wir leben im Informations- und Daten-Zeitalter. Wissen und Daten sind so einfach und umfassend verfügbar wie nie zuvor. Daraus ergibt sich aber die Herausforderung, einen raschen und sinnvollen Überblick über verfügbare Daten zu erlangen. Die Statistik ist das geeignete Werkzeug, um Daten aufzubereiten, zu strukturieren, kondensieren und visualisieren und schliesslich daraus Erkenntnisse und Vorhersagen abzuleiten. Dafür bedient sie sich eines breiten Spektrums von Methoden, die von einfachen Häufigkeitsanalysen bis hin zu aufwändigen statistischen Testverfahren und Regressionsmodellen reichen. Ziel der Statistik und Datenanalyse ist es, aus gesammelten Daten nützliche Informationen zu extrahieren, Muster und Zusammenhänge zu erkennen und schliesslich sachlich fundierte Entscheidungen zu treffen. Wir befähigen unsere Studierenden zum nutzbringenden Umgang mit Daten und Informationen durch die Vermittlung grundlegender Konzepte und statistischen Methoden anhand von praxisnahen Datensätzen. 

Aufbauend auf fortschrittlichen Methoden der Statistik und Computertechnologie ist es heutzutage möglich, universelle Vorhersagemodelle mit bis vor kurzem unvorstellbarer Leistungsfähigkeit zu erstellen. Computer sind aufgrund dieser Technologie in der Lage, selbständig aus Daten zu Lernen und Muster zu erkennen. Diese Machine Learning Modelle erlauben die Automatisierung von Abläufen und Handlungen, welche bisher ausschliesslich (gut ausgebildeten) Menschen vorbehalten waren. Künstliche Intelligenz ermöglicht selbst das autonome Treffen von Entscheidungen und die unabhängige Steuerung von Prozessen. Die Anwendungen von Machine Learning und KI sind vielfältig und reichen von personalisierten Empfehlungen in Online-Shops über medizinische Diagnosen bis hin zur Optimierung von Prozessketten. Wir machen unsere Studierenden mit den Grundlagen und Anwendungen dieser hochmodernen, sich rasant entwickelnden Technologie vertraut, welche momentan unsere Gesellschaft, Wirtschaft und Wissenschaft transformiert.

Data Engineering befasst sich mit der systematischen Erfassung, Speicherung und Verarbeitung großer Datenmengen und ist von zentraler Bedeutung in unserer modernen, datengetriebenen Welt. Es umfasst die Entwicklung und Wartung von Infrastrukturen und Tools, die es ermöglichen, Daten effizient zu sammeln, zu transformieren und zu analysieren. Unsere Studierenden lernen, skalierbare Datenpipelines zu erstellen, Rohdaten aus verschiedenen Quellen in nutzbare Formate umzuwandeln und sie für Analysen und maschinelles Lernen zugänglich zu machen. Zudem schärfen wir das Bewusstsein für Datensicherheit und das Management von Dateninfrastruktur. Diese Fähigkeiten sind essenziell, da sie die Grundlagen für datengetriebene Entscheidungen in Unternehmen und Forschung bilden. 

Unsere Physikkurse machen die Studierenden mit grundlegenden Phänomenen aus den Bereichen Mechanik, Elektromagnetismus, Thermodynamik, Schwingungen/Wellen und Optik vertraut, welche als Basis für weiterführende technische Kurse in allen Ingenieursdisziplinen dienen. In den als Experimentalvorlesungen angelegten Kursen wird hauptsächlich ein induktiver Lernansatz basierend auf Beobachtungen anhand zahlreicher Versuche und daraus abgeleiteten Erkenntnissen verfolgt. Dabei wird die Fähigkeit geschult, aus genauen Beobachtungen ein Verständnis für Zusammenhänge zu entwickeln und diese anschliessend (mathematisch) zu beschreiben. Diese (natur-)wissenschaftliche Fähigkeit zur analytischen Auseinandersetzung mit komplexen Zusammenhängen ist in unserer hochkomplexen Arbeits- und Lebenswelt von unschätzbarem Wert.