Fallstudien in der Optimierung
Die Lehrveranstaltung "Fallstudien Diskrete Optimierung" findet seit 2009 statt und hat sich gemeinsam mit der Schwesterveranstaltung "Fallstudien Nichtlineare Optimierung" zum Erfolgsmodell entwickelt. Hier erleben Studierende jedes Sommersemester ganz real, was es heißt, komplexe mathematische Verfahren auf Probleme aus der Wirklichkeit anzuwenden, mit Praktiker:innen aus Forschung und Wirtschaft zusammenzuarbeiten und ihre Ideen und Ergebnisse öffentlich zu präsentieren.
Aktuelle Informationen zu den Fallstudien im Sommersemester 2024 finden Sie hier: https://go.tum.de/386917.
Fallstudien: die Idee
"Anspruchsvolle Mathematik mit anwendungsorientiertem Profil" – so charakterisiert das Department of Mathematics der Technischen Universität München ihre Studiengänge. Diesen Anspruch leben wir in zahlreichen Projekten mit Partnern aus Industrie, Wirtschaft oder den Nachbardepartments aus den Ingenieurs-, Wirtschafts- und Lebenswissenschaften.
Damit unsere Studierenden bereits in der Ausbildung Mathematik anwenden, haben wir die Veranstaltungen "Fallstudien Diskrete Optimierung" und "Fallstudien Nichtlineare Optimierung" ins Leben gerufen. Hier setzen die Studierenden das um, was sie in Vorlesungen lernen – in realen Projekten mit einem hohen Maß an Eigenverantwortung und Gestaltungsmöglichkeiten.
Dabei gilt es, zunächst eine praktische Herausforderung zu verstehen und dann in kleinen Teams zu modellieren und zu analysieren. Anschließend entwickeln und implementieren die Studierenden geeignete Lösungsansätze. Dabei kooperiert unser Department in der Regel mit externen Partnern.
Die Entstehung
Die erste Veranstaltung "Diskrete Optimierung: Fallstudien aus der Praxis" im Sommersemester 2009 war ein voller Erfolg – und erhielt den Felix Klein-Lehrpreis der damaligen Fakultät für Mathematik. Seitdem sind die regelmäßigen Veranstaltungen "Fallstudien Diskrete Optimierung" und die "Fallstudien Nichtlineare Optimierung" zentrale Bestandteile des Studiengangs Master Mathematics in Operations Research.
Ablauf einer Fallstudie
Die Studierenden starten in 3- bis 5-köpfigen Teams mit ihrer Projektarbeit. Sie lernen die Projektpartner kennen, planen gemeinsam die Projektziele und das konkrete Vorgehen, erstellen einen Zeitplan und verteilen Verantwortlichkeiten. Regelmäßige Absprachen mit den Betreuer:innen stellen sicher, dass die gegenseitigen Erwartungen an die Projektarbeit aufeinander abgestimmt und die gesteckten Ziele realistisch sind.
Schon während die Teilnehmer:innen die Problemstellung erarbeiten, fertigen sie eine Darstellung ihres Projekts in Form eines Posters an. Dieses präsentieren die Teams im Rahmen einer Veranstaltung für die Öffentlichkeit – etwa für Oberstufenschüler:innen, die uns im Kontext verschiedener Schulprogramme besuchen.
Selbstverständlich unterstützen die Betreuer:innen die Studierenden professionell. Die Gruppen berichten regelmäßig von ihren Fortschritten und planen das weitere Vorgehen. Dabei diskutieren sie fachliche Fragestellungen und erhalten technische Unterstützung. In Soft-Skill-Einheiten üben die Studierenden Foliengestaltung, Strukturierung und Präsentation.
In einem Zwischenvortrag in der Mitte des Semesters berichtet jedes Team über den aktuellen Stand seines Projekts und erhält ausführliche Rückmeldungen von den anderen Teilnehmer:innen und Betreuer:innen. Höhepunkt und Abschluss der Fallstudien bildet der eintägige wissenschaftliche Workshop SCoNDO, den die Betreuer:innen der beiden Fallstudien-Module gemeinsam veranstalten.
SCoNDO – der Abschluss-Workshop
Die Students' Conference on Nonlinear and Discrete Optimization (SCoNDO) findet einmal jährlich im Sommer statt. Hier präsentieren die Teilnehmer:innen der beiden Kurse "Fallstudien Diskrete Optimierung" und "Fallstudien Nichtlineare Optimierung" ihre Projekte und stellen ihre Ergebnisse in einem kurzen öffentlichen wissenschaftlichen Vortrag vor.
Zudem können sie die spezifischen Herausforderungen, die mathematische Theorie und die praktischen Ergebnisse in kurzen Frage-und-Antwort-Runden und während der Kaffee- und Mittagspausen diskutieren. Ein gemeinsames "Conference Dinner" schließt die Veranstaltung ab.
Die Konferenz ist für Besucher:innen offen. Alle, die sich für mathematische Optimierung und ihre Anwendungen in realen Projekten interessieren, laden wir herzlich ein. Machen Sie sich also selbst ein Bild und sprechen Sie mit unseren Studierenden. Die nächste ScoNDO findet vstl. im Juli 2024 statt. Genauere Informationen werden an dann an dieser Stelle veröffentlicht.
Unsere Kooperationspartner
Partner in der Vergangenheit waren z.B. Audi, BMW, car2go, Deutsche Bahn, DLR, Flixbus, Framos, HAWE Hydraulik, iABG, IAV, Logivations, risklab GmbH, Siemens, das World Food Programme und immer wieder Forschungsinstitute aus anderen Departments der TUM.
Haben Sie auch ein Optimierungsprojekt, das sich für ein einsemestriges Studierendenprojekt eignet? Gerne prüfen wir die Möglichkeit einer Kooperation. Wenden Sie sich dazu bitte an Dr. Florian Lindemann.
Praxis und Karriere für Mathematik-Studierende
Das Department of Mathematics bietet Ihnen weitere Möglichkeiten, bereits während des Studiums praktische Erfahrungen zu sammeln.
Das TUM Data Innovation Lab (TUM-DI-LAB) richtet sich an Master-Studierende, die an datengesteuerten Verfahren für interdisziplinäre praktische Aufgaben forschen wollen. Jedes Semester bietet das Lab neue Projekte.
Damit unsere Studierenden bereits im Bachelor-Studium lernen, anwendungsbezogen zu arbeiten, bieten wir ihnen die Fallstudien der mathematischen Modellbildung.