Data analysis and related solutionsModule description #50653 / Version 3
- 6 CP
- Portfolio examination
- Graded
- Summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v6)
| Module / Version | #50653 / #3 |
|---|---|
| Validity | SS 2016 – WS 2017/18 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Jochem, Roland |
| Grading | Graded |
| Exam format | Portfolio examination |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät V |
|---|---|
| Institute | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Academic chair | 35361300 FG Qualitätswissenschaft |
Contact
| Office | PTZ 3 |
|---|---|
| Contact person | Müller-Stein, Lennart Frederik |
| E-mail address | l.mueller-stein@tu-berlin.de |
| Website | https://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen |
Learning outcomes
Die Teilnehmer des Moduls werden befähigt, in einem technischen Arbeitsumfeld Datenerhebungen unter
Beachtung statistischer Grundlagen zu planen, durchzuführen sowie die erhobenen Daten auszuwerten.
Aufbauend auf der Datenerhebung und -analyse werden in der betrieblichen Praxis anwendbare
Schlüsselmethoden zur Problemerkennung und nachhaltigen Lösung vermittelt.
Beachtung statistischer Grundlagen zu planen, durchzuführen sowie die erhobenen Daten auszuwerten.
Aufbauend auf der Datenerhebung und -analyse werden in der betrieblichen Praxis anwendbare
Schlüsselmethoden zur Problemerkennung und nachhaltigen Lösung vermittelt.
Content
Themenblock I: Angewandte Statistik
-Grundlagen der Wahrscheinlichkeitsrechnung und Statistik
-Datenerhebungsplanung und Deskriptive Statistik,
-Regressions- und Korrelationsanalyse
-Diskrete und stetige Verteilungen / Verteilungsfunktionen,
-Stichproben und -funktionen
-Hypothesentests und Konfidenzintervalle
-Varianzanalyse (ANOVA)
Themenblock II: Problemlösung durch die stat. Qualitätssicherung
-Qualitäts- und Fehlerbegriff
-Einführung in Problemlösungstechniken
-Prozess- und Prüfmittelfähigkeitsanalyse
-Statistische Versuchsplanung (Design of Experiments)
-Zuverlässigkeitsanalysen
-Statistische Prozessregelung (SPC)
-Grundlagen der Wahrscheinlichkeitsrechnung und Statistik
-Datenerhebungsplanung und Deskriptive Statistik,
-Regressions- und Korrelationsanalyse
-Diskrete und stetige Verteilungen / Verteilungsfunktionen,
-Stichproben und -funktionen
-Hypothesentests und Konfidenzintervalle
-Varianzanalyse (ANOVA)
Themenblock II: Problemlösung durch die stat. Qualitätssicherung
-Qualitäts- und Fehlerbegriff
-Einführung in Problemlösungstechniken
-Prozess- und Prüfmittelfähigkeitsanalyse
-Statistische Versuchsplanung (Design of Experiments)
-Zuverlässigkeitsanalysen
-Statistische Prozessregelung (SPC)
Module components
Compulsory area
The following courses are mandatory for this module:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Datenanalyse und Problemlösung | Lecture | 0536 L 318 | Summer semester | [de] | 2 | WS 2026/27 (1) ISIS |
| Datenanalyse und Problemlösung | Exercise | Summer semester | [de] | 2 | ISIS |
Courses in the course catalog
Courses created from the teaching units of this module.
Winter semester 2026/27 (1)
Datenanalyse und Problemlösung (Lecture) 1
- Applied Data Science for Quality Engineering (Vorlesung) Termingruppe 1 0536 L 318
Workload and credit points
Datenanalyse und Problemlösung (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 23 | 2 h | 46 h |
| Vor- und Nachbearbeitung | 23 | 1 h | 23 h |
| 69 h | |||
Datenanalyse und Problemlösung (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Bearbeitung der Übungsblätter | 16 | 2 h | 32 h |
| Präsenzzeit | 3 | 2 h | 6 h |
| Projektdurchführung | 1 | 40 h | 40 h |
| Vor-/Nachbearbeitung | 3 | 4 h | 12 h |
| 90 h | |||
The workload of the module adds up to 159 hours. The module therefore comprises 6 credit points.
Description of teaching and learning methods
Es kommen Vorlesungen, Übungen und selbstständige Einzel- sowie Gruppenarbeit zum Einsatz.
Vorlesungen:
-Frontalunterricht mit Darstellung der Inhalte und zahlreichen Beispielen aus der Praxis, z.T. in englischer
Sprache
-Vertiefung der Inhalte durch Übungsblätter
Übungen:
-Präsentation der Anwendung statistischer Methoden auf Probleme aus der Praxis unter Nutzung der
Statistiksoftware R
-Einführung in die Statistiksoftware R
-Einführung in die Projektdurchführung
-Vorbereitung auf die Klausur
Gruppenarbeit:
-Durchführung eines Projektes in kleinen Teams unter Nutzung der Statistiksoftware R
Vorlesungen:
-Frontalunterricht mit Darstellung der Inhalte und zahlreichen Beispielen aus der Praxis, z.T. in englischer
Sprache
-Vertiefung der Inhalte durch Übungsblätter
Übungen:
-Präsentation der Anwendung statistischer Methoden auf Probleme aus der Praxis unter Nutzung der
Statistiksoftware R
-Einführung in die Statistiksoftware R
-Einführung in die Projektdurchführung
-Vorbereitung auf die Klausur
Gruppenarbeit:
-Durchführung eines Projektes in kleinen Teams unter Nutzung der Statistiksoftware R
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Grundlegende Kenntnisse zur Mathematik und Wahrscheinlichkeitsrechnung (jeweils Abiturwissen)
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| Projekt und Präsentation | 20 | ||
| Schriftliche Leistungsüberprüfung | 80 |
Exam description
Portfolioprüfung mit einem Notenschlüssel basierend auf 100 Punkte.
Punkte von Punkte bis Note
90,0 100,0 1,0
85,0 89,9 1,3
80,0 84,9 1,7
75,0 79,9 2,0
70,0 74,9 2,3
66,0 69,9 2,7
62,0 65,9 3,0
58,0 61,9 3,3
54,0 57,9 3,7
50,0 53,9 4,0
0,0 49,9 5,0
Punkte von Punkte bis Note
90,0 100,0 1,0
85,0 89,9 1,3
80,0 84,9 1,7
75,0 79,9 2,0
70,0 74,9 2,3
66,0 69,9 2,7
62,0 65,9 3,0
58,0 61,9 3,3
54,0 57,9 3,7
50,0 53,9 4,0
0,0 49,9 5,0
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Summer semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Anmeldung zur Lehrveranstaltung:
- in der ersten Vorlesungswoche durch die Anmeldung im ISIS Kurs
Einteilung in Arbeitsgruppen für das Projekt:
- In den ersten 8 Wochen nach Semesterbeginn
Anmeldung zur Prüfung:
- Online (QISPOS)
- Die jeweiligen Anmeldefristen sind der Ordnung zur Regelung des allgemeinen Studien- und Prüfungsverfahrens (AllgStuPO) zu entnehmen (§ 39)
- in der ersten Vorlesungswoche durch die Anmeldung im ISIS Kurs
Einteilung in Arbeitsgruppen für das Projekt:
- In den ersten 8 Wochen nach Semesterbeginn
Anmeldung zur Prüfung:
- Online (QISPOS)
- Die jeweiligen Anmeldefristen sind der Ordnung zur Regelung des allgemeinen Studien- und Prüfungsverfahrens (AllgStuPO) zu entnehmen (§ 39)
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available – www.isis.tu-berlin.de
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Das Modul bildet einen Grundbaustein für jedes Ingenieurstudium. Die erlernten Grundlagen können insbesondere zum Lösen von Problemen in Forschung und Entwicklung, Beschaffung, Produktion, Vertrieb und Feldeinsatz genutzt werden. Die erlernten Methoden sind auf viele Problemstellungen und Anwendungsgebiete soziotechnischer und naturwissenschaftlicher Arbeitsumfelder oder auch Master Studiengänge übertragbar. Pflichtmodul für den Bachelorstudiengang Maschinenbau.
Miscellaneous
Not specified