Hochschule
Hannover University of
applied sciences
and arts –Fakultät II
Maschinenbau und
Bio­verfahrens­technik
Zur Studiengangsübersicht

Prozess-Engineering und ­Produktionsmanagement (PEP)

Studieninhalte

Was ist das Schlechteste? Haben Sie sich das auch schon mal gefragt? Das Schlechteste ist, nichts zu ändern! Das ist nicht nur der Leitsatz eines CEOs von der Toyota Motor Company, sondern auch der Leitsatz des Master-Studiengangs PEP der Hochschule Hannover.
PEP steht für Prozess-Engineering und Produktionsmanagement.

Im Vordergrund der Ausbildung stehen sowohl der Erwerb eines vertieften theoretischen Verständnisses als auch das Erlernen gängiger industrieller Managementtools, wie z. B. Lean Management, Total Productive Management (TPM), Sustainability sowie die Verwendung von Simulationstools, wie. z. B. die Unternehmenssimulation TOPSIM©, virtuelle Prozessplanung, verfahrenstechnische Prozesssimulation, Machine Learning, Robotersimulation (KUKA.Sim©) etc.

Das sagen Studierende zum PEP-Master:
Video zu PEP-PE       Video zu PEP-PM

Warum ändern Sie nicht gleich etwas an Ihrer Berufswegplanung und bewerben sich bei PEP?

Sie wissen ja, das Schlechteste ist, nichts zu ändern!

Jetzt bewerben!

Kurzübersicht

  • Abschluss

    Master of Engineering (M.Eng.)

  • Studienbeginn

    Sommer- und Wintersemester

  • Studienform

    Vollzeit

  • Anforderungen
    überdurchschnittlicher Hochschulabschluss (B. Eng.) im Bereich Maschinenbau
  • Zulassungsmodus

    örtlich zulassungs­beschränkt

  • Interessensgebiet
    Maschinenbau, MINT, Technik
  • Regelstudienzeit

    3 Semester (90 CP)

  • Bewerbungsschluss

    15. Januar und 15. Juli eines Jahres

  • Vertiefungen / Studienschwerpunkte
    • Prozess-Engineering (Verfahrenstechnik)  
    • Produktionsmanagement (Fertigungstechnik) 
  • Vorpraktikum

    nicht erforderlich

Unser Motto: Das Schlechteste ist, nichts zu ändern!

Ziele des Studienganges

Unser Ziel ist die Ausbildung von hochqualifiziertem Nachwuchs für Führungskräfte in der Planung, der Auslegung und dem Management verfahrens- (PE) und fertigungstechnischer (PM) Produktionsbereiche.

Im Vordergrund der Ausbildung stehen sowohl der Erwerb eines vertieften theoretischen Verständnisses als auch das Erlernen gängiger industrieller Management-Techniken sowie die Verwendung rechnergestützter Entwicklungs- und Planungstools.

Die Absolvent*innen des PEP-Masters erwerben eine dem Universitätsabschluss vergleichbare Qualifikation. Ihnen steht die Möglichkeit der anschließenden Promotion sowie der Zugang zur Laufbahn des höheren Dienstes offen. 

PEP-Logo

Einsatzmöglichkeiten

Typische Tätigkeitsfelder für Absolvent*innen
des PEP-Masters sind u. a.

... Führungsaufgaben in Unternehmen der Fertigungs- bzw. Verfahrenstechnik.

... das Managen und Optimieren von Produktionsanlagen.

... Forschung und Entwicklung im Bereich des Maschinen- und Anlagenbaus sowie im Bereich produzierender Unternehmen der Fertigungs- und der Verfahrenstechnik. 

... Engineering und Inbetriebnahme von Anlagen z. B. in der industriellen Produktion, der Lebensmittel-, Pharma- sowie rohstoffbe- und -verarbeitenden Industrie bis zu umwelt- und energietechnischen Aufgabenfeldern. 

Vertiefungsrichtungen

Prozess-Engineering (PE)

Die Vertiefungsrichtung Prozess-Engineering (PE) stellt das Engineering verfahrens- und energietechnischer Prozesse in den Vordergrund.
Sie richtet sich demnach vor allem an Maschinenbauer*innen sowie Verfahrens- und Energietechniker*innen.

- Großtechnische Anlagenplanung

- Verfahrenstechnische Prozesssimulation

- Dekarbonisierung thermischer Prozesse

- Dynamische Systeme und Fluiddynamik (CFD)

- Leittechnik – Virtuelle Inbetriebnahme

- Sustainable Circular Economy und Global Production and Sourcing 

Externer Inhalt

An dieser Stelle finden Sie einen externen Inhalt von YouTube, der aufgrund der aktuell getroffenen Cookie-Einstellungen nicht automatisch angezeigt wird.

Mit Klick auf den Button bestätigen Sie die Einbettung des externen Inhalts und damit das Setzen der benötigten Cookies.

Produktionsmanagement (PM)

Die Vertiefungsrichtung Produktionsmanagement (PM) legt besonderen Wert auf das Management von Produktionsprozessen von Stückgütern richtet sich vor allem an Maschinenbauer*nnen sowie Wirtschaftsingenieur*innen und Fertigungstechniker*innen.

- Lean Manufacturing Processes, Effective Leadership

- Digitale Planung von Fertigungskonzepten

- Virtuelle Prozessplanung im industriellen Umfeld

- Laser- und Hochleistungsfertigung

- Industrielle Montage und Virtuelle Inbetriebnahme

- Sustainable Circular Economy und Global Production and Sourcing 

Externer Inhalt

An dieser Stelle finden Sie einen externen Inhalt von YouTube, der aufgrund der aktuell getroffenen Cookie-Einstellungen nicht automatisch angezeigt wird.

Mit Klick auf den Button bestätigen Sie die Einbettung des externen Inhalts und damit das Setzen der benötigten Cookies.

Der Studiengang PEP kompakt

Details zum Studiengang PEP

PEP im Überblick mit Prof. Schneider

Externer Inhalt

An dieser Stelle finden Sie einen externen Inhalt von YouTube, der aufgrund der aktuell getroffenen Cookie-Einstellungen nicht automatisch angezeigt wird.

Mit Klick auf den Button bestätigen Sie die Einbettung des externen Inhalts und damit das Setzen der benötigten Cookies.

Process-Engineering

Externer Inhalt

An dieser Stelle finden Sie einen externen Inhalt von YouTube, der aufgrund der aktuell getroffenen Cookie-Einstellungen nicht automatisch angezeigt wird.

Mit Klick auf den Button bestätigen Sie die Einbettung des externen Inhalts und damit das Setzen der benötigten Cookies.

Produktionsmanagement

Externer Inhalt

An dieser Stelle finden Sie einen externen Inhalt von YouTube, der aufgrund der aktuell getroffenen Cookie-Einstellungen nicht automatisch angezeigt wird.

Mit Klick auf den Button bestätigen Sie die Einbettung des externen Inhalts und damit das Setzen der benötigten Cookies.

Fokus

 

1. Lean Management

2. Leadership

3. Verfahrenstechnik

4. Produktionsmanagement

5. Virtuelle Inbetriebnahme

6. Sustainability / Nachhaltigkeit

7. Machine Learning