Die universelle Herausforderung für Studenten ist es, das im Studium erlernte Wissen in einen praktischen Kontext zu übertragen. Management ist, mehr als jedes einzelne Fach für sich, die Kunst, aus den verschiedenen Themenfeldern eine holistische Entscheidung zu formen. Grundsätzlich ist dieses Prinzip in jeder Art von Management unverändert, sei es in einem Start-up, in einem mittelständischen oder einem börsennotierten Unternehmen. Dem Management liegt also die folgende Frage zu Grunde: Welche Kombination von Handlungen führt zu einem nachhaltigen Wettbewerbsvorteil für die eigene Organisation. Um bei der Beantwortung dieser Frage behilflich zu sein, möchte dieser Kurs Einsichten in die zurückliegenden und künftig benötigten Veränderungen innerhalb der GEA geben. Um dies zu erreichen, wird eine Kombination theoretischer und praktischer Elemente mit Fallstudien, einem Managementspiel und Diskussionen angeboten. Das Ziel ist, diese Vorlesung so weit wie möglich an der Managementrealität anzulehnen. Die Vorlesung gestaltet sich über drei Tage in täglichen Blöcken á sechs Stunden, weitere Details folgen.
Leistungsnachweis:
Nachhaltige Unternehmensführung in der Praxis: Referat
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
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.