Computational Engineering - wo Technik auf Data Science trifft
Mit der Digitalisierung verändern sich auch die Anforderungen an Maschinen und Anlagen rasant. Sensoren liefern riesige Datenmengen, intelligente Algorithmen werten sie aus, und virtuelle Prototypen eröffnen völlig neue Möglichkeiten. Gleichzeitig erfordert all das neue Kompetenzen für angehende Ingenieurinnen und Ingenieure. Genau hier setzt die neue Vertiefungsrichtung Computational Engineering an.
Im Bachelorstudiengang Maschinenbau an der FHNW startet die neue Vertiefungsrichtung Computational Engineering. Wir haben mit Marcel Steiner-Curtis, dem Verantwortlichen für die Vertiefung, gesprochen.
Prof. Dr. Marcel Steiner-Curtis leitet die neue Vertiefungsrichtung Computional Engineering im Studiengang Maschinenbau
Die Idee entstand unter anderem aus einem Innosuisse-Projekt. Ein anschauliches Beispiel ist das Abfüllen von Getränken in Dosen: Schon kleine Fehler beim Verschliessen – etwa wenn der Deckel nicht richtig sitzt und Kohlensäure entweicht – können dazu führen, dass ganze Chargen entsorgt werden müssen. Das kostet nicht nur Geld, sondern auch wertvolle Ressourcen.
Solche Herausforderungen zeigen, wie wichtig es ist, Ingenieurwissen mit digitalen Methoden zu verbinden. Sensoren und intelligente Datenanalyse helfen, fehlerhafte Dosen gezielt zu erkennen, und Simulationen machen komplexe Systeme verständlich. Dafür braucht es Fachkräfte, die Maschinenbau verstehen, aber auch in Systemtechnik und Data Science zu Hause sind. Hier setzt die neue Vertiefungsrichtung an und bildet echte interdisziplinäre Problemlöserinnen und Problemlöser aus.
Unsere Stakeholder-Analysen zeigen: Die Nachfrage nach interdisziplinären Fachkräften steigt enorm. Die Industrie sucht Menschen, die an den Schnittstellen zwischen Maschinenbau, Informatik und Datenanalyse arbeiten können. Mit Computational Engineering fördern wir genau dieses Profil – Menschen, die komplexe Probleme ganzheitlich lösen.
Die Vertiefungsrichtung richtet sich an Studierende, die Freude an analytischem Denken und abstrakten Modellen haben, aber nicht nur am Computer sitzen möchten. Sie arbeiten im Labor, entwickeln Ideen an Maschinen und Programmen – vielleicht sogar mit einem Lötkolben in der Hand – und werden aktiv in Industrieprojekte eingebunden. In praxisnahen Challenges können sie ihre Fähigkeiten direkt an realen Problemstellungen erproben und interdisziplinäre Lösungen entwickeln.
Sie entwickeln eine breite, gefragte Kompetenzbasis – von Maschinenbau über Systemtechnik bis hin zu Data Science. Besonders wertvoll ist ihr Gespür für Schnittstellenprobleme, etwa zwischen Simulation und Realität. So können sie digitale Modelle nicht nur verstehen, sondern prüfen, optimieren und praktisch einsetzen. Diese Fähigkeiten machen sie zu gefragten Problemlöserinnen und Problemlösern an der Schnittstelle von Technik und Innovation.
Im Mittelpunkt stehen Machine Learning und Künstliche Intelligenz basierend auf Sensordaten – der Einsatz von KI für Datenanalyse, Mustererkennung und intelligente Entscheidungsunterstützung. Dazu kommen numerische Simulationen für Strukturen, Strömungen und Multiphysik-Probleme sowie digitale Zwillinge, mit denen sich Systeme in Echtzeit überwachen und virtuell prototypisieren lassen. Ergänzt wird das Ganze durch Programmierung und Automatisierung, also die Entwicklung technischer Tools und Prozesse.
Ein besonderes Merkmal: Ein Teil der Vertiefung erfolgt über Challenges und praxisnahe Projekte, sodass die Studierenden ihr Wissen sofort anwenden können.
Sehr praxisnah: Unsere Studierenden arbeiten an echten Industrieprojekten und setzen ihre Ideen direkt um. Themen wie Industrie 4.0, smarte Fertigung oder digitale Qualitätssicherung stehen im Mittelpunkt. Computational Engineering greift aktuelle Herausforderungen wie Ressourcenschonung, Nachhaltigkeit und Effizienz auf – der Praxisbezug macht das Lernen greifbar und zeigt, wie Studierende echten Mehrwert schaffen können.
Mich fasziniert, wie klassische Ingenieurarbeit mit den neuesten digitalen Methoden verschmilzt. Besonders spannend ist, dass unsere Studierenden das Zusammenspiel von Mechanik, Elektronik und Daten verstehen und alles gezielt zusammenführen. Als Mathematiker begeistert mich, dass Mathematik hier lebendig wird – dass sie im Ingenieuralltag spürbar wird und echten Mehrwert schafft, statt nur abstrakte Theorie zu bleiben.
Die Absolventinnen und Absolventen entwickeln ein gefragtes Kompetenzprofil: analytisch stark, digital versiert und praxisnah ausgebildet. Damit sind sie bestens vorbereitet, technische Innovationen aktiv mitzugestalten – beim Berufseinstieg ebenso wie in weiterführenden Studien. Wer Teil des ersten Jahrgangs ist, hat zudem die Chance, die Vertiefungsrichtung von Anfang an mitzuprägen und neue Wege im Computational Engineering zu gestalten.
Ich wünsche mir, dass die Studierenden neugierig bleiben, die interdisziplinären Möglichkeiten voll ausschöpfen und mutig eigene Ideen einbringen. Für die Zukunft hoffe ich, dass Computational Engineering als feste Grösse etabliert wird – als Programm, das Studierende optimal auf die komplexen Herausforderungen der Industrie vorbereitet und gleichzeitig Raum für Innovation, Experimente und spannende Projekte lässt.
