| Art der Veranstaltung | Vorlesung + Übung |
| Niveaustufe | Hauptstudium / Master |
| Semester | Winter- & Sommersemester |
| Creditpoints | 2 CP oder 5 CP |
| Umfang | 2 SWS |
| Prüfung | Pitch vor Fachjury |
| Dozent | Prof. Dr.-Ing. Thomas Seel |
| Übungsleiter | M. Sc. Simon Ehlers |
Ziel der Lehrveranstaltung
Das imes betreut den "Student Accelerator - Engineering Innovations", bei dem die Studierenden in selbstgewählten Teams erste realitätsnahe Erfahrungen im Bereich Ausgründung/Start-Up sammeln können. Ihr bekommt die Basics im Bereich Businessplan und Unternehmenspräsentation vermittelt und entwickelt in enger Abstimmung mit eurer/eurem Betreuer*in und externen Profis aus dem Bereich Entrepreneurship eure Geschäftsidee aus dem ingenieurstechnischen Umfeld.
Überzeugt euer Team beim Pitches vor einer Fachjury, gibt es die Möglichkeit zur einwerbung von Geld in Form von Innovationsgutscheinen zur Umsetzung eines ersten (Soft- oder Hardware) Prototypen. Im Idealfall leitet euch dieses Tutorium (2 ECTS) über i.d.R. zwei Semester bis hin zur Einwebung von Start- bzw. Anschlussfinanzierung, wie z.B. des vom Bund (BmWK) geförderten EXIST-Gründerstipendiums.
Je nach Studiengang ist es ebenfalls möglich den Student Accelerator in Kombination mit der Vorlesung "Gründungspraxis für Technologiestartups" von starting business als Alternative zur Studienarbeit zu belegen. In diesem Fall handelt es sich um eine aufwändigere Version des Student Accelereators mit 5 ECTS. Dafür sei auf die Modulkataloge der jeweiligen Studiengänge verwiesen.
Für weitere Informationen wenden Sie sich bitte an den/die unten genannte Ansprechpartner/in.
Besonderheiten
Empf. Fachsemester:
Ende Bachelor-, Anfang Masterstudium (alle Studiengänge innerhalb der Fakultät Maschinenbau)
Anmeldung:
Anmeldung über Studip → Bitte hier anmelden
Besonderheiten:
Das Modul erstreckt sich in der Regel über 2 Semester und bereitet die Studierenden auf die Bewerbung um ein BmWK-gefördertes Exist-Gründungsstipendiums vor.
Ansprechperson
Learning & Control
30823 Garbsen
Learning & Control