Nachhaltige Gestaltung datengetriebener Systeme
Das Modul vermittelt grundlegende Kenntnisse und Methoden zur nachhaltigen Gestaltung datengetriebener Systeme. Die Teilnehmenden setzen sich mit den ökologischen, sozialen, technischen, wirtschaftlichen und individuellen Dimensionen der Nachhaltigkeit auseinander und lernen, diese systematisch zu analysieren und in die Entwicklung datenbasierter Anwendungen einzubeziehen. Im Modul werden auch Themen rund um Künstliche Intelligenz (KI) und die Erklärbarkeit von Modellen (Explainability) behandelt, um deren Chancen, Herausforderungen und Auswirkungen im Kontext nachhaltiger datengetriebener Systeme zu verstehen. Die Inhalte umfassen theoretische Grundlagen, methodische Werkzeuge wie das Sustainability Awareness Framework (SusAF) sowie praxisorientierte Projektarbeiten zur Anwendung der Konzepte.
Studierende verstehen die Grundlagen nachhaltiger Digitalisierung und Data Science, um datengetriebene Systeme nachhaltig zu gestalten. So können sie nachhaltige Aspekte frühzeitig in Entwicklungsprozesse einbringen und langfristig nachhaltige Systeme mitgestalten.
Studierende verstehen verschiedene Dimensionen der Nachhaltigkeit, das Orders of Effects-Modell und berücksichtigen Stakeholder-Perspektiven, um datengetriebene Systeme ganzheitlich zu bewerten. Dadurch sind sie in der Lage, komplexe Zusammenhänge zu durchdringen und Stakeholderbedürfnisse in nachhaltige Entscheidungen einzubeziehen.
Mit methodischen Werkzeugen wie dem Sustainability Awareness Framework (SusAF) und dem FFQ-Modell aus dem Digital Design Professional analysieren Studierende Auswirkungen und formulieren nachhaltige Anforderungen. So identifizieren sie systematisch Potenziale nachhaltiger Systeme und geben fundierte Gestaltungsempfehlungen.
Das erworbene Wissen wenden Studierende praktisch in einem Mini-Projekt an. Ihre Erkenntnisse präsentieren und diskutieren sie strukturiert sowohl schriftlich als auch verbal. Dadurch setzen sie theoretische Inhalte praxisnah um und kommunizieren ihre Ergebnisse kompetent.