Zum Hauptinhalt springen
TU Graz/ Studium/ Studienangebot/ Universitäre Weiterbildung/

Cognitive Industry Engineering

Praxisrelevante KI-Kompetenz für die produzierende Industrie

Der Universitätskurs Cognitive Industry Engineering qualifiziert Sie, kognitive Technologien wie KI, Machine Learning und verteilte Systeme strategisch zu planen und erfolgreich in industrielle Produktionsumgebungen zu integrieren. Der Kurs verbindet technologische Grundlagen mit datengetriebenen Methoden und nachhaltigem, menschenzentriertem Systemdesign.

Eine Kooperation von TU Graz Life Long Learning und Pro2Future GmbH

 

Was lerne ich in diesem Kurs?

Für wen ist der Kurs relevant?

Wie kann ich teilnehmen?

Wie läuft der Kurs ab? 

 

Eckdaten

Kursstart: 29. Mai 2026 (Kick-off), weitere Termine 

Bewerbungsende:  30. April 2026, Bewerbung

Dauer: 9 Wochen 

Abschluss:

  • Zertifikat der TU Graz (mit positiver Prüfung)
  • Teilnahmebestätigung (ohne Prüfung)

ETCS-Anrechnungspunkte: 5 

Unterrichtssprache: Englisch oder Deutsch 

Teilnahmegebühren: EUR 4.500,-  (MwSt.-frei) inkl. Kursunterlagen und Pausengetränke

Kursort: TU Graz, online

Anzahl Teilnehmende: max. 20

Was lerne ich in diesem Kurs?

Kursinhalte

Der Universitätskurs Cognitive Industry Engineering vermittelt Ihnen praxisnahes Know-how für strategische Entscheidungen, technologische Umsetzung und regulatorische Sicherheit. 

Der Universitätskurs besteht aus 3 Modulen: 

  • Modul I: Technische Basis
    Verständnis kognitiver Systeme, Auswahl von Embedded-, Edge- und Cloud-Plattformen, Sensorik sowie industriellen Kommunikationsstandards (z. B. OPC UA, MQTT).
  • Modul II: Kognitive Datenverarbeitung
    Analyse industrieller Daten mit Machine Learning, Deep Learning und Computer Vision für Prognose, Qualitätssicherung und Optimierung.
  • Modul III: Nachhaltiges System Design 
    Entwicklung sicherer, nachhaltiger und regelkonformer KI-Systeme unter Berücksichtigung von EU AI Act, Interoperabilität und modernen verteilten Architekturen.

 

Lehrplan

Vorteile für Ihr Unternehmen
  • Schnellere Identifikation sinnvoller KI-Anwendungsfälle
  • Reduktion von Fehlinvestitionen durch fundierte Technologiekompetenz
  • Nachhaltige Verankerung digitaler Kompetenzen im Unternehmen
  • Höhere Erfolgsquote bei Digitalisierungs- und Automatisierungsprojekten
  • Mitarbeitende, die Technologie, Daten und Strategie verbinden

 

Darüber hinaus:

  • Praxisnahe Anwendung auf eigene betriebliche Fragestellungen
  • Geeignete Schulungsmaßnahme zum Kompetenzaufbau gemäß der KI-Verordnung der EU (AI Act Art.4) 
  • Zertifikat der TU Graz

Für wen ist der Kurs relevant?

Zielgruppen

Der Universitätskurs richtet sich an Fach- und Führungskräfte aus der produzierenden Industrie, die Verantwortung für Digitalisierung, Automatisierung oder KI-basierte Systeme tragen oder übernehmen möchten:

  • Ingenieur*innen und Techniker*innen (Produktion, Automatisierung, IT/OT)
  • Projektleiter*innen und Systemarchitekt*innen
  • Softwareentwickler*innen und Data Scientists im industriellen Umfeld
  • Produktmanager*innen und F&E-Mitarbeiter*innen
  • Technische Führungskräfte und Entscheider*innen (Industrie 4.0, Digitalisierung, KI)
Zulassungsvoraussetzungen

Wer kann teilnehmen?

  • Abgeschlossene technische Ausbildung (z.B. HTL-Matura) oder vergleichbare Qualifikation mit einschlägiger Berufserfahrung
  • Erste Programmiererfahrungen

 

Zusätzlich:

Für einzelne Vertiefungsmodule werden spezifische Vorkenntnisse (z.B. in Netzwerktechnik, Python, oder Statistik) empfohlen.

„Der Kurs Cognitive Industry Engineering richtet sich gezielt an Fach- und Führungskräfte aus Industriebetrieben, die kognitive Technologien nicht nur verstehen, sondern unter realen Produktionsbedingungen wirksam einsetzen wollen. Die Teilnehmenden lernen, industrielle KI-Lösungen strategisch zu planen, fundiert zu bewerten und so umzusetzen, dass sie messbaren Nutzen und einen nachhaltigen Wettbewerbsvorteil im eigenen Unternehmen schaffen.“

„Das Competence Center for Excellent Technologies Pro²Future arbeitet seit 2017 intensiv mit produzierenden Unternehmen und Universitäten zusammen, um gemeinsam Technologien im Bereich von kognitiven Produkten und kognitiven Produktionssystemen zu erforschen und in Innovationen zu überführen.
Wichtige Erkenntnisse und wesentliche Ergebnisse aus über 100 Projekten und mehr als 340 Veröffentlichungen werden im Rahmen des Universitätskurses Cognitive Industry Engineering Fach- und Führungskräften helfen, Digitale Transformation, künstliche Intelligenz und Industry X.0 in Unternehmen praktisch zum Einsatz zu bringen.“

Wie kann ich teilnehmen?

Bewerbung

Bitte senden Sie das ausgefüllte Bewerbungsformular per E-Mail (lifelong.learningnoSpam@tugraz.at) oder Post an:

TU Graz Life Long Learning
z.H. Sarah Meinhardt BA
Stremayrgasse 16, 8010 Graz

Ermäßigungen und Fördermöglichkeiten

 

Ermäßigungen

  • Rabatt für Partner von Pro2Future ab 4 Teilnehmenden aus einem Unternehmen. 

 

Fördermöglichkeiten

Kontakt

Sarah Meinhardt
BA

TU Graz Life Long Learning
Tel.: +43 316 873 4945
lifelong.learningnoSpam@tugraz.at

Wie läuft der Kurs ab?

Ablauf und didaktisches Konzept
  • Blended Learning: Präsenz + Selbststudium + Praxistransfer
  • Expert*innenvorträge und interaktive Workshops
  • Praktische Übungen und Code-Demos
  • Bearbeitung realer Fallstudien aus dem industriellen Umfeld
  • Transferprojekt aus dem eigenen Unternehmen
  • Digital unterstützter Austausch zwischen Lehrenden und Teilnehmenden

 

TERMINPLAN

Vortragende
  • Bernhard ANZENGRUBER-TÁNASE, Pro2Future
  • Philipp EISELE, Pro2Future 
  • Ouijdane GUIZA, Pro2Future
  • Michael HASLGRÜBLER, Pro2Future
  • Jan HOLZWEBER, Pro2Future
  • Markus JÄGER, Pro2Future
  • Amer KAJMAKOVIC, Pro2Future
  • Belgin MUTLU, Pro2Future
  • Jenny SCHLAGER, Riverside Change
  • Michael SIEGL, Pro2Future 
  • Josef SUSCHNIGG, Pro2Future
  • Anita THALLER, IFZ
  • Matej, VUKOVIC, Pro2Future

 

Kursleitung 

Markus JÄGER
Dr. techn. 

Pro2Future
markus.jaegernoSpam@pro2future.at 

Wissenschaftliche Leitung

Marcel BAUNACH
Univ.-Prof. Dipl.-Inf. Univ. Dr.rer.nat.

Institut für Technische Informatik, TU Graz