1 Information Management Intro 2025
1.1 Waarom dit vak?
Het vak Information Management behandelt hoe ingenieurs moeten omgaan met het opslaan,
terugvinden, analyseren, beveiligen en beheren van data. De centrale motivatie is dat moderne
bedrijven steeds meer afhankelijk worden van data. Daardoor is het voor ingenieurs niet meer
voldoende om enkel fysieke systemen, machines of processen te begrijpen: men moet ook de
informatiestromen begrijpen die deze systemen aansturen, monitoren en optimaliseren.
Te kennen: Je moet kunnen uitleggen waarom informatiebeheer tegenwoordig verplicht is voor
ingenieurs: de hoeveelheid data groeit, bedrijven nemen meer datagedreven beslissingen en moderne
technische systemen combineren fysieke processen met digitale informatiestromen.
Belangrijke kernzin uit de intro:
Managing diverse and increasing volumes of information is now mandatory for every
engineer.
Dit betekent dat een ingenieur niet alleen componenten, machines of productieprocessen ontwerpt,
maar ook rekening moet houden met data-acquisitie, opslag, analyse, beveiliging, transmissie en
interpretatie.
1.2 IT versus OT
Een zeer belangrijk onderscheid in de cursus is dat tussen Information Technology (IT) en
Operational Technology (OT).
Aspect Information Technology (IT) Operational Technology (OT)
Focus Digitale informatie Fysieke processen en machines
Doel Beheren van informatiestromen Beheren van werking, sturing en vei-
ligheid van machines
Voorbeelden Databases, netwerken, cloud, soft- PLC’s, motorcontrollers, robots, sen-
ware, cybersecurity soren, actuatoren
Typische priori- Data-integriteit, beschikbaarheid, Betrouwbaarheid, determinisme, vei-
teit beveiliging, schaalbaarheid ligheid, realtime gedrag
Te kennen: Ken het verschil tussen IT en OT. IT beheert digitale informatie; OT beheert fysieke
processen en machines. In moderne elektromechanische systemen komen beide samen.
Een voorbeeld is een industriële robotcel. De robot zelf, de PLC, sensoren en actuatoren behoren
vooral tot OT. De database waarin productiedata wordt opgeslagen, de visualisatiedashboards,
netwerkcommunicatie en cloudanalyse behoren vooral tot IT. In een modern systeem zijn deze twee
niet meer strikt gescheiden.
1.3 De waarde van data
De slides tonen meerdere voorbeelden van bedrijven en toepassingen waarin data centraal staat:
• Google: gebruikt enorme hoeveelheden data voor zoekmachines, advertenties, aanbevelingen,
kaarten, cloudservices en AI-systemen.
1
,• Tesla Autopilot: verzamelt en verwerkt data uit voertuigen, sensoren en camera’s om rijhulp-
systemen en autonome functies te verbeteren.
• Meta en de Metaverse: gebruikt data voor interactie tussen mensen, avatars, sociale netwerken
en virtuele omgevingen.
• Zaha Hadid Architects: gebruikt data en computationeel ontwerp om ruimtelijke interactie,
vormgeving en architectuur te optimaliseren.
Deze voorbeelden tonen dat data niet enkel een administratief hulpmiddel is. Data wordt een
strategische grondstof waarmee bedrijven processen verbeteren, gedrag voorspellen, ontwerpen
optimaliseren en nieuwe producten of diensten bouwen.
Te kennen: Voor het examen moet je de algemene boodschap begrijpen: data krijgt economische
en technische waarde zodra ze correct verzameld, verwerkt en geïnterpreteerd wordt.
1.4 DIKW-hiërarchie: Data, Information, Knowledge, Wisdom
De DIKW-piramide beschrijft hoe ruwe gegevens kunnen evolueren naar waardevolle besluitvorming.
De vier niveaus zijn:
Niveau Betekenis Voorbeeld in engineering
Data Ruwe feiten, metingen of signalen Temperatuurwaarde: 75 ◦ C, vibratie:
zonder context 0.0035 m/s2
Information Data met context, structuur of bete- Machine 101 heeft om 14:05 een tem-
kenis peratuur van 75 ◦ C
Knowledge Inzicht in hoe informatie gebruikt Temperaturen boven 75 ◦ C verhogen
moet worden het risico op motorfalen
Wisdom Begrijpen wanneer en waarom actie De machine preventief stilleggen of
nodig is onderhoud plannen om productiestil-
stand te vermijden
Volgens de slides:
• Data is het meest basale niveau.
• Information voegt context toe.
• Knowledge voegt toe hoe men de informatie moet gebruiken.
• Wisdom voegt toe wanneer en waarom men de kennis moet toepassen.
Te kennen: DIKW is een kernconcept. Je moet elk niveau kunnen definiëren en een technisch
voorbeeld kunnen geven.
1.5 Waarom informatie centraal staat in engineering
Moderne engineering is steeds meer datagedreven. Dit komt door:
• de groei van sensoren en IoT-systemen;
• continue monitoring van machines en processen;
• cloud computing en remote analyse;
• artificiële intelligentie en machine learning;
2
, • digital twins en simulatiemodellen;
• toenemende nood aan traceerbaarheid, veiligheid en reproduceerbaarheid.
Een elektromechanisch systeem bestaat dus niet alleen uit hardware. Het bevat ook dataflows:
sensordata, statusinformatie, foutcodes, onderhoudsdata, gebruikersdata en netwerkcommunicatie.
Information Management helpt om deze data bruikbaar en betrouwbaar te maken.
1.6 Onderwijsteam
Het vak wordt gegeven binnen KU Leuven, Faculteit Industriële Ingenieurswetenschappen, richting
Mechanical Engineering, Robotics, Automation and Mechatronics (RAM), Campus Groep T Leuven.
Persoon / team Rol
Carlos Rodriguez- Course coordinator en hoofdlesgever
Guerrero
Gorik de Samblanx Gastlessen over information theory en encryption
Yunhao Hu, Priyanka Pra- Oefensessies
kasan
RDM guest lecturer Data management / Research Data Management
1.7 Inhoud van de hoorcolleges
De intro geeft het globale overzicht van de hoorcolleges. De belangrijkste onderwerpen zijn:
1. Data relevance: waarom data steeds belangrijker wordt.
2. Exploratory Data Analysis: data verkennen, trends herkennen, anomalieën zoeken.
3. Data Storage: SQL, NoSQL, gestructureerde en ongestructureerde data.
4. Cloud Computing: cloudmodellen, virtualisatie, containers, schaalbaarheid.
5. Data Management / RDM: data organiseren, documenteren, bewaren en delen.
6. Data Transmission: communicatievormen, protocollen en netwerken.
7. Information Theory: informatiehoeveelheid, entropie, compressie, ruis.
8. Data Encryption 1: basisprincipes van cryptografie.
9. Data Encryption 2: geavanceerdere beveiliging en communicatie.
10. Overview + Research: overzicht en link met onderzoekstoepassingen.
Te kennen: Je moet het vak niet zien als losse onderwerpen. De rode draad is de volledige
levenscyclus van data: verzamelen, opslaan, verwerken, verzenden, beveiligen, analyseren en
beheren.
1.8 Evaluatie en examenstructuur
Het vak heeft één gepubliceerd eindcijfer, maar dat cijfer is samengesteld uit twee hoofdonderdelen:
Te kennen: Het theoriegedeelte wordt geëvalueerd via een MCQ-examen. De praktische component
telt even zwaar mee als het examen.
3
, Onderdeel Gewicht
MCQ-examen tijdens de examenperiode 50%
Practicumsessies / praktische component 50%
1.9 Praktische component en opties
Voor de praktische evaluatie vermeldt de intro twee opties in EP2 en een regeling voor EP3.
Periode Optie Evaluatievorm Gewicht
EP2 Optie I Permanente evaluatie, 40%
weken 2–10
EP2 Optie I Miniproject, release 60%
rond week 11 en indie-
ning/evaluatie rond
week 12
EP2 Optie II Miniproject 100%
EP3 Herkansing Miniproject broadcast 60% bij optie I of 100% bij optie II
1.10 Wekelijkse topics van de praktische sessies
De intro geeft ook een overzicht van de praktische weken. Dit is belangrijk omdat het miniproject
normaal gezien concepten uit deze sessies combineert.
Week Topic
Week 1 Niet van toepassing
Week 2 Spreadsheet Automation & Analysis
Week 3 Python fundamentals & Pandas
Week 4 Niet van toepassing
Week 5 Visualization and Comparison
Week 6 Exploratory Data Analysis (EDA)
Week 7 Communication, Security & Encryption
Week 8 Database & Ontology
Paaspauze Geen reguliere sessie
Week 9 Timeseries Data Management
Week 10 Adoption & Influence of Generative AI
Week 11 Niet van toepassing
Week 12 Mini Project
Week 13 Niet van toepassing
1.11 Examenfocus uit deze intro
Voor het examen moet je uit deze eerste slides vooral de volgende zaken beheersen:
1. Waarom Information Management belangrijk is: ingenieurs moeten omgaan met opslag,
4
1.1 Waarom dit vak?
Het vak Information Management behandelt hoe ingenieurs moeten omgaan met het opslaan,
terugvinden, analyseren, beveiligen en beheren van data. De centrale motivatie is dat moderne
bedrijven steeds meer afhankelijk worden van data. Daardoor is het voor ingenieurs niet meer
voldoende om enkel fysieke systemen, machines of processen te begrijpen: men moet ook de
informatiestromen begrijpen die deze systemen aansturen, monitoren en optimaliseren.
Te kennen: Je moet kunnen uitleggen waarom informatiebeheer tegenwoordig verplicht is voor
ingenieurs: de hoeveelheid data groeit, bedrijven nemen meer datagedreven beslissingen en moderne
technische systemen combineren fysieke processen met digitale informatiestromen.
Belangrijke kernzin uit de intro:
Managing diverse and increasing volumes of information is now mandatory for every
engineer.
Dit betekent dat een ingenieur niet alleen componenten, machines of productieprocessen ontwerpt,
maar ook rekening moet houden met data-acquisitie, opslag, analyse, beveiliging, transmissie en
interpretatie.
1.2 IT versus OT
Een zeer belangrijk onderscheid in de cursus is dat tussen Information Technology (IT) en
Operational Technology (OT).
Aspect Information Technology (IT) Operational Technology (OT)
Focus Digitale informatie Fysieke processen en machines
Doel Beheren van informatiestromen Beheren van werking, sturing en vei-
ligheid van machines
Voorbeelden Databases, netwerken, cloud, soft- PLC’s, motorcontrollers, robots, sen-
ware, cybersecurity soren, actuatoren
Typische priori- Data-integriteit, beschikbaarheid, Betrouwbaarheid, determinisme, vei-
teit beveiliging, schaalbaarheid ligheid, realtime gedrag
Te kennen: Ken het verschil tussen IT en OT. IT beheert digitale informatie; OT beheert fysieke
processen en machines. In moderne elektromechanische systemen komen beide samen.
Een voorbeeld is een industriële robotcel. De robot zelf, de PLC, sensoren en actuatoren behoren
vooral tot OT. De database waarin productiedata wordt opgeslagen, de visualisatiedashboards,
netwerkcommunicatie en cloudanalyse behoren vooral tot IT. In een modern systeem zijn deze twee
niet meer strikt gescheiden.
1.3 De waarde van data
De slides tonen meerdere voorbeelden van bedrijven en toepassingen waarin data centraal staat:
• Google: gebruikt enorme hoeveelheden data voor zoekmachines, advertenties, aanbevelingen,
kaarten, cloudservices en AI-systemen.
1
,• Tesla Autopilot: verzamelt en verwerkt data uit voertuigen, sensoren en camera’s om rijhulp-
systemen en autonome functies te verbeteren.
• Meta en de Metaverse: gebruikt data voor interactie tussen mensen, avatars, sociale netwerken
en virtuele omgevingen.
• Zaha Hadid Architects: gebruikt data en computationeel ontwerp om ruimtelijke interactie,
vormgeving en architectuur te optimaliseren.
Deze voorbeelden tonen dat data niet enkel een administratief hulpmiddel is. Data wordt een
strategische grondstof waarmee bedrijven processen verbeteren, gedrag voorspellen, ontwerpen
optimaliseren en nieuwe producten of diensten bouwen.
Te kennen: Voor het examen moet je de algemene boodschap begrijpen: data krijgt economische
en technische waarde zodra ze correct verzameld, verwerkt en geïnterpreteerd wordt.
1.4 DIKW-hiërarchie: Data, Information, Knowledge, Wisdom
De DIKW-piramide beschrijft hoe ruwe gegevens kunnen evolueren naar waardevolle besluitvorming.
De vier niveaus zijn:
Niveau Betekenis Voorbeeld in engineering
Data Ruwe feiten, metingen of signalen Temperatuurwaarde: 75 ◦ C, vibratie:
zonder context 0.0035 m/s2
Information Data met context, structuur of bete- Machine 101 heeft om 14:05 een tem-
kenis peratuur van 75 ◦ C
Knowledge Inzicht in hoe informatie gebruikt Temperaturen boven 75 ◦ C verhogen
moet worden het risico op motorfalen
Wisdom Begrijpen wanneer en waarom actie De machine preventief stilleggen of
nodig is onderhoud plannen om productiestil-
stand te vermijden
Volgens de slides:
• Data is het meest basale niveau.
• Information voegt context toe.
• Knowledge voegt toe hoe men de informatie moet gebruiken.
• Wisdom voegt toe wanneer en waarom men de kennis moet toepassen.
Te kennen: DIKW is een kernconcept. Je moet elk niveau kunnen definiëren en een technisch
voorbeeld kunnen geven.
1.5 Waarom informatie centraal staat in engineering
Moderne engineering is steeds meer datagedreven. Dit komt door:
• de groei van sensoren en IoT-systemen;
• continue monitoring van machines en processen;
• cloud computing en remote analyse;
• artificiële intelligentie en machine learning;
2
, • digital twins en simulatiemodellen;
• toenemende nood aan traceerbaarheid, veiligheid en reproduceerbaarheid.
Een elektromechanisch systeem bestaat dus niet alleen uit hardware. Het bevat ook dataflows:
sensordata, statusinformatie, foutcodes, onderhoudsdata, gebruikersdata en netwerkcommunicatie.
Information Management helpt om deze data bruikbaar en betrouwbaar te maken.
1.6 Onderwijsteam
Het vak wordt gegeven binnen KU Leuven, Faculteit Industriële Ingenieurswetenschappen, richting
Mechanical Engineering, Robotics, Automation and Mechatronics (RAM), Campus Groep T Leuven.
Persoon / team Rol
Carlos Rodriguez- Course coordinator en hoofdlesgever
Guerrero
Gorik de Samblanx Gastlessen over information theory en encryption
Yunhao Hu, Priyanka Pra- Oefensessies
kasan
RDM guest lecturer Data management / Research Data Management
1.7 Inhoud van de hoorcolleges
De intro geeft het globale overzicht van de hoorcolleges. De belangrijkste onderwerpen zijn:
1. Data relevance: waarom data steeds belangrijker wordt.
2. Exploratory Data Analysis: data verkennen, trends herkennen, anomalieën zoeken.
3. Data Storage: SQL, NoSQL, gestructureerde en ongestructureerde data.
4. Cloud Computing: cloudmodellen, virtualisatie, containers, schaalbaarheid.
5. Data Management / RDM: data organiseren, documenteren, bewaren en delen.
6. Data Transmission: communicatievormen, protocollen en netwerken.
7. Information Theory: informatiehoeveelheid, entropie, compressie, ruis.
8. Data Encryption 1: basisprincipes van cryptografie.
9. Data Encryption 2: geavanceerdere beveiliging en communicatie.
10. Overview + Research: overzicht en link met onderzoekstoepassingen.
Te kennen: Je moet het vak niet zien als losse onderwerpen. De rode draad is de volledige
levenscyclus van data: verzamelen, opslaan, verwerken, verzenden, beveiligen, analyseren en
beheren.
1.8 Evaluatie en examenstructuur
Het vak heeft één gepubliceerd eindcijfer, maar dat cijfer is samengesteld uit twee hoofdonderdelen:
Te kennen: Het theoriegedeelte wordt geëvalueerd via een MCQ-examen. De praktische component
telt even zwaar mee als het examen.
3
, Onderdeel Gewicht
MCQ-examen tijdens de examenperiode 50%
Practicumsessies / praktische component 50%
1.9 Praktische component en opties
Voor de praktische evaluatie vermeldt de intro twee opties in EP2 en een regeling voor EP3.
Periode Optie Evaluatievorm Gewicht
EP2 Optie I Permanente evaluatie, 40%
weken 2–10
EP2 Optie I Miniproject, release 60%
rond week 11 en indie-
ning/evaluatie rond
week 12
EP2 Optie II Miniproject 100%
EP3 Herkansing Miniproject broadcast 60% bij optie I of 100% bij optie II
1.10 Wekelijkse topics van de praktische sessies
De intro geeft ook een overzicht van de praktische weken. Dit is belangrijk omdat het miniproject
normaal gezien concepten uit deze sessies combineert.
Week Topic
Week 1 Niet van toepassing
Week 2 Spreadsheet Automation & Analysis
Week 3 Python fundamentals & Pandas
Week 4 Niet van toepassing
Week 5 Visualization and Comparison
Week 6 Exploratory Data Analysis (EDA)
Week 7 Communication, Security & Encryption
Week 8 Database & Ontology
Paaspauze Geen reguliere sessie
Week 9 Timeseries Data Management
Week 10 Adoption & Influence of Generative AI
Week 11 Niet van toepassing
Week 12 Mini Project
Week 13 Niet van toepassing
1.11 Examenfocus uit deze intro
Voor het examen moet je uit deze eerste slides vooral de volgende zaken beheersen:
1. Waarom Information Management belangrijk is: ingenieurs moeten omgaan met opslag,
4
