Es besteht die Möglichkeit den Kurs als Blockveranstaltung durchzuführen. Mehr dazu im ersten Termin.
Die Gewährleistung eines gesunden Lebens und die Förderung des Wohlbefindens in jedem Alter sind für eine nachhaltige Entwicklung von wesentlicher Bedeutung. Das Gesundheitssystem in Deutschland und auch viele weitere Gesundheitssysteme weltweit sind jedoch kaum in Bezug auf Nachhaltigkeit und nachhaltiger Entwicklung ausgelegt. Wäre das weltweite Gesundheitswesen ein eigenes Land, dann wäre es der fünftgrößte Schadstoffverursacher der Erde, das knapp doppelt so viele Emissionen wie der weltweite Luftverkehr verursacht. In diesem Seminar wollen wie die beiden Aspekte Nachhaltigkeit und nachhaltige Entwicklung im Gesundheitswesen analysieren und aktuelle Entwicklungen diskutieren. Ein besonderer Fokus wird dabei auf der Digitalisierung und der Kreislaufwirtschaft liegen, da beide das Potential haben das Gesundheitswesen nachhaltiger zu gestalten. Gastvorträge von Expertinnen und Experten werden anschauliche Beispiele aus der Praxis aufzeigen. Im Laufe des Seminars werden die Studierenden auch eigene Themen innerhalb dieses Themenkomplexes erarbeiten und vor der Gruppe vorstellen.
Leistungsnachweis:
tm3124 - Nachhaltigkeit und nachhaltige Entwicklung im Gesundheitswesen<ul><li>p3124 - Nachhaltigkeit und nachhaltige Entwicklung im Gesundheitswesen: mündlich</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: NTA - Nicht-technisches Angebot (0-NTA)
beteiligte Institute: Institut für Data-Driven Innovation (W-EXK2)
In Stud.IP angemeldete Teilnehmer: 11
Anzahl der Dokumente im Stud.IP-Downloadbereich: 13
Supervised Theses
ongoing
completed
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.