Lehrangebot

Aktuelle Lehrveranstaltungen

Prof. Dr. Ulf Brefeld

Methoden der Künstlichen Intelligenz


We begin with an introduction of where Artificial Intelligence comes from and then dive into agents, search, planning, reinforcement learning, neural networks, etc. The lecture roughly follows

Stuart Russel and Peter Norvig: Artificial Intelligence: A Modern Approach. Prentice Hall, 3rd edition, 2010

(perhaps there is a newer version by now but content will not have changed much)

Ziel: The goal is to familiarize the students with core methods of Artificial Intelligence.

Grundlagen digitaler Medientechnik


Anhand verschiedener Medientypen (Bild, Ton, Text) werden die Strukturen und Formate digitaler Medien herausgearbeitet, miteinander verglichen und systematisiert. Dabei ist der Übergang von bzw. die Differenz zu analogen Medien sowie die Genzen des Digitalen (Berechenbarkeit) von besonderem Interesse. Die Erkenntnisse werden mit einem allgemeinen Informationsbegriff verknüpft.

Ziel: Die Studierenden sollen digitale Strukturen erkennen, verstehen und in der Lage sein, sie zwischen den Medientypen zu übertragen, um sie dann bewusst zu verwenden (z.B. Auflösung) oder zu vermeiden (z.B. Moirés) zu können.

Ebenso sollen ihnen als Handlungsorientierung die Unterschiede und Grenzen analoger und digitaler Techniken bewusst sein.

Anhand verschiedener Medientypen (Bild, Ton, Text) werden die Strukturen und Formate digitaler Medien herausgearbeitet, miteinander verglichen und systematisiert. Dabei ist der Übergang von bzw. die Differenz zu analogen Medien sowie die Genzen des Digitalen (Berechenbarkeit) von besonderem Interesse. Die Erkenntnisse werden mit einem allgemeinen Informationsbegriff verknüpft.

Forschungskolloquium Wirtschaftsinformatik & Data Science


Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Ziel: Teilnehmerinnen und Teilnehmer erhalten einen Einblick in aktuelle Forschungsprojekte der Wirtschaftsinformatik und im Bereich

Data Science. Promovierende lernen, ihre eigenen Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquium zu präsentieren und zu verteidigen.

Speicherung und Verarbeitung großer Datenbestände


This module deals with data base concepts RDBMS and NoSQL, and their practical implementations; preprocessing, reduction, analysis and mining of massive datasets; theory of MapReduce, typical ap-plications and algorithms for diverse appli-cations, e.g. link analysis, analysis of item sets, mining of data streams.

Ziel: Professional knowledge:

Knowledge of different database concepts and of how to handle and analyse huge amounts of data

Professional skills:

Evaluation of appropriate software tools and techniques, practical experiences in dealing with databases.

The students evaluate current developments in the field of analysis and storage of big data regarding their potentials, applications and risks. They are able to present and argue for their results.

Masterforum


Prof. Dr. Paul Drews

Information Systems - Theory & Practice


This module covers basic topics of management information systems, including selected topics of the following list:

- Information Systems in Global Business Today

- Global E-Business and Collaboration

- Information Systems, Organization, and Strategy

- Ethical and Social Issues in Information Systems

- IT Infrastructure and Emerging Technologies

- Foundations of Business Intelligence: Databases and Information Management

- Telecommunications, the Internet, and Wireless Technology

- Securing Information Systems

- Acheiving Operational Excellence and Customer Intimacy: Enterprise Applications

- E-Commerce: Digital Markets, Digital Goods

- Managing Knowledge

- Enhancing Decision Making

- Building Information Systems

- Managing Projects

- Managing Global Systems

Ziel: The students are familiar with fundamental theories and concepts of information systems from a management perspective. Furthermore, they also have basic practical knowledge about using selected types of application systems in an enterprise context.

Forschungskolloquium Wirtschaftsinformatik & Data Science


Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Ziel: Teilnehmerinnen und Teilnehmer erhalten einen Einblick in aktuelle Forschungsprojekte der Wirtschaftsinformatik und im Bereich

Data Science. Promovierende lernen, ihre eigenen Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquium zu präsentieren und zu verteidigen.

Digital Innovation Lab: Exploring Transdisciplinary Design (FSL)


Digitalization effects our daily life, enterprises and society. By drawing upon the rapidly changing potentials of IT, new artifacts, services and products are created. In this course, we will get in contact with theories and methods of design science and transdisciplinary design. By applying, combining and questioning these methods, we tackle real world challenges and create ideas and prototypes of new approaches, artifacts, models and services as first steps towards possible "solutions". Hands-on experience with innovative IT artifacts (Virtual & augmented reality, RFID, Microsoft Surface Hub, Voice Interfaces, Sensors) will serve as a source of inspiration. Creativity methods like Lego Serious Play will be applied in this course. Transdisciplinary design requires group work and close collaboration with people from multiple disciplines.

Ziel: Learning outcomes:

- Basic knowledige about design science, transdisciplinary design and according methods

- Overview about current IT trends and application scenarios

- Practical experiences in the use of selected methods from design science and transdisciplinary design

- Experiences in creative and collaborative transdisciplinary team work

Information Systems - Theory & Practice (Group A)


Nowadays, information systems are prerequisites for every successful business. In this course, you will develop realistic business cases and ideas. Based on these ideas, you will learn the basics of how to model business processes and execute data-driven statistical analysis. Simultaneously, you will get a first glimpse and practical experience on how to utilize software tools in this context.

Ziel: At the end of all sessions, you will have gained practical experience in utilizing software tools for modeling business processes and executing data analysis.

Digitalization


In this course, students are introduced to and discuss opportunities and challenges of digitalization on the organizational level while also considering the individual, society and digital technology. By taking a multidisciplinary perspective, students learn how their own discipline as well as other disciplines seize topics related to digitalization in research. Reports and guest talks about digitalization efforts and use cases for applying digital technologies in practice enrich the understanding of digitalization as a phenomenon of interest. Negative and unintended consequences of digitalization are discussed in order to foster critical reflection of digitalization endeavours and to support responsible management practices in digital transformation activities and projects.

▪ 06.04. P. Drews / Introduction

▪ 20.04. P. Drews / Information Systems

▪ 27.04. T. Gegenhuber / Business Administration

▪ 04.05. D. Loschelder / Psychology

▪ 11.05. M. Mechtel / Economics

▪ 18.05. J. Heger / Engineering

▪ 25.05. A. Halfmeier / Law

▪ 08.06. Final Session + Discussion

▪ 22.06. Exam

Ziel: After completion of the course, students shall be able to

- know and explain key theoretical conceptualizations from the field of digitalization and digital transformation as well as foundations of key technologies

- know and explain approaches of other disciplines for conceptualizing digitalization and digital transformation

- apply these concepts for analyzing and realizing real-world cases

- critically reflect on negative and unintended consequences of digitalization endeavours

Prof. Dr. rer. nat. Burkhardt Funk

Probabilistic Modelling


The module discusses advanced concepts of probabilistic modelling. Topics include: unsupervised learning methods, Bayesian statistics (graphical models, belief networks, multi-level models, Monte Carlo sampling approaches, and tools (e.g. JAGS, Stan).

Ziel: Students are able to assess quantitative research questions and develop probabilistic models based on this assessment.

Analyse von Sensordaten (Quantified Self)


Unter dem Begriff Quantified Self vermessen Menschen ihre Aktivitäten, ihre physiologischen und psychischen Eigenschaften sowie ihren sozialen Kontext. Dazu werden u.a. Daten genutzt, die mit Hilfe von Smartphones und Wearables erhoben werden. In der Veranstaltung werden wir das Phänomen Quantified Self und die erwarteten bzw. bereits sichtbaren Folgen erörtern und die methodischen Grundlagen zur Erhebung und Analyse von Sensordaten legen.

Nach einer einführenden Vorlesungsreihe werden Sie ein selbst gewähltes Projekt durchführen, in dem Sie die zuvor erlernten Kenntnisse anwenden. In den bisherigen Kursen haben Studierende mit Hilfe von Sensordaten z.B. an folgenden Projekten gearbeitet: (i) Erkennung von Oberflächen, auf denen eine Person geht, (ii) Erkennung von Fußballtricks, die ein Spieler ausführt, (iii) Bestimmung von Sitzhaltungen, (iv) Erklärung des Blutzuckerspiegels aufgrund körperlicher Aktivität, (v) Personenidentifikation anhand von Sprachaufnahmen. It'll be fun!

Ziel: Studierende entwickeln im Kontext der Veranstaltung eigene Projektideen und lernen den Umgang mit und die Analyse von Sensordaten

DATAx: Fortgeschrittene Konzepte der Programmierung mit Python


Die Veranstaltung besteht aus einer Vorlesung und einer begleitenden Übung. Die behandelten Inhalte umfassen:

* Grundlegende Ansätze der Programmierung (Debugging, Testing, Coding Guidelines, Entwicklungsprozess, Versionsverwaltung)

* Vertiefung Datenstrukturen und Funktionskonzept in Python

* Algorithmen (Vertiefung des Begriffs, Iteration und Rekursion, Effizienz von Algorithmen, ausgewählte Such- und Sortierfunktionen)

* Objektorientierte Programmierung (grundlegende Konzepte und ihre Umsetzung in Python)

* Visualisierung und Graphik

Ziel: Fortgeschrittene Fach- und Methodenkompetenzen im Bereich der Informatik/Programmierung.

Advanced competencies in the field of computer science and programming.

Forschungskolloquium Wirtschaftsinformatik & Data Science


Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Ziel: Teilnehmerinnen und Teilnehmer erhalten einen Einblick in aktuelle Forschungsprojekte der Wirtschaftsinformatik und im Bereich

Data Science. Promovierende lernen, ihre eigenen Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquium zu präsentieren und zu verteidigen.

Digitalization


In this course, students are introduced to and discuss opportunities and challenges of digitalization on the organizational level while also considering the individual, society and digital technology. By taking a multidisciplinary perspective, students learn how their own discipline as well as other disciplines seize topics related to digitalization in research. Reports and guest talks about digitalization efforts and use cases for applying digital technologies in practice enrich the understanding of digitalization as a phenomenon of interest. Negative and unintended consequences of digitalization are discussed in order to foster critical reflection of digitalization endeavours and to support responsible management practices in digital transformation activities and projects.

▪ 06.04. P. Drews / Introduction

▪ 20.04. P. Drews / Information Systems

▪ 27.04. T. Gegenhuber / Business Administration

▪ 04.05. D. Loschelder / Psychology

▪ 11.05. M. Mechtel / Economics

▪ 18.05. J. Heger / Engineering

▪ 25.05. A. Halfmeier / Law

▪ 08.06. Final Session + Discussion

▪ 22.06. Exam

Ziel: After completion of the course, students shall be able to

- know and explain key theoretical conceptualizations from the field of digitalization and digital transformation as well as foundations of key technologies

- know and explain approaches of other disciplines for conceptualizing digitalization and digital transformation

- apply these concepts for analyzing and realizing real-world cases

- critically reflect on negative and unintended consequences of digitalization endeavours

Prof. Dr. Mathias Groß

Betriebswirtschaftliche Grundlagen des eBusiness


Electronic Business (e-Business), Electronic Commerce (e-Commerce) und Internetökonomie sind recht junge Teilgebiete der Wirtschaftswissenschaften (und anderer Wissenschaftsgebiete), die noch nicht einheitlich definiert und abgegrenzt werden.

In dieser Veranstaltung werden u.a. folgende Gebiete einführend betrachtet: eProcurement, eCommerce, Online Marketing, eProduction, eFullfillment

Ziel: Das Kernanliegen besteht darin, die Studierenden in die Thematik einzuführen, Schnittstellen zu anderen Veranstaltungen aufzuzeigen und eine möglichst ganzheitliche und kritische Sicht auf das Themenfeld zu vermitteln.

Wirtschaftsinformatik-Projekt II E-Business


In dieser Veranstaltung erarbeiten die Studierenden in Gruppen von 3-5 Personen konkrete Lösungen zu Problemstellungen aus der Praxis des Kooperationspartners.

Jede Woche findet ein Coaching der Gruppen durch die Dozenten statt.

Ziel: Anwendung der gewonnenen WI und E-Business Erkenntnisse in einem Praxisprojekt.

Praktische Erfahrungen mit den Herausforderungen einer Teamarbeit in einem Projekt mit festen Abgabetermin.

E-Commerce: Strukturen, Technologien und Geschäftsmodelle


Bestandteile des E-Commerce Universums,

Händlerinteressen vs. Kundenwunsch,

Technologien, Design, Businessmodelle

Ziel: Aufbauend auf den im 2. und 3. Semester vermittelten E-Business Grundlagen sollen die Teilnehmer in dieser Veranstaltung ein tieferes Verständnis für die transaktionsbasierten Prozesse erfolgreicher E-Commerce Anwendungen erlangen.

Vernetzen, verkaufen, verdienen - Business mit Social Media


Seit dem Aufkeimnen erster Social-Media-Aktivitäten hat sich das Feld rasant entwickelt - vom bloßen Informationsaustausch unter Freunden zu einem hart umkämpften Markt. Reichweite, Follower und Conversions wurden zu einer neuen Währung. Das Seminar möchte verschiedene Aspekte beleuchten, welches unternehmerische Potenzial in Online-Netzwerken steckt.

Dazu werden wir sammeln, welche sozialen Netzwerke es gibt, und ergründen, wofür sie genutzt werden (können): Wie lassen sich Social-Media-Kanäle einsetzen, um die eigene Marke bekannter zu machen und Produkte besser zu vertreiben? Welche Geschäftsmodelle lassen sich auf Grundlage bestehender Social-Media-Netzwerke entwickeln? Und welche App ist der nächste heiße Sch***, der die Welt aus den Angeln hebt und in wenigen Monaten Millionen wert sein wird?

Prof. Dr. rer. nat. Jürgen Jacobs

Praktische Anwendungsentwicklung


Das Modul vermittelt Kenntnisse und Fertigkeiten im Entwurf, in der Implementation und im Testen mehrschichtiger betrieblicher Anwendungssysteme. Zu den behandelten Themen gehören:

- Schichtenarchitektur

- Software-Test

- Transformation eines Softwareentwurfsmodells in ein Programm

- Erstellung einer Projektdokumentation

Ziel: Befähigung zur Modellierung, Dokumentation, Implementation und zum Test mehrschichtiger Anwendungssoftware

Forecasting and Simulation


The module provides a survey of the theory and application of data-based computational techniques to forecast and simulate data with temporal dependencies. Selected statistical approaches dealing with the special role of time in modeling will be discussed in detail. Topics of interest include:

- stationary and non-stationary time series (ARIMA models)

- conditional heteroscedastic time series (ARCH and GARCH models)

- multivariate time series (VAR and VARMA models)

- state space models (Kalman Filter)

Ziel: On successful completion of the module, students will have gained knowledge on selected methods of forecasting and simulating data with temporal dependencies and will be able to use these methods in various applications.

Betriebliche Informationssysteme im Rechnungswesen / IT-Anwendung im Rechnungswesen


Das Modul befasst sich mit Einsatzmöglichkeiten, Aufgaben, Strukturen und Funktionsweisen von Data-Warehouse-Systemen zur datenbasierten Unternehmenssteuerung. Die dazu erforderlichen IT-Kenntnisse und betriebswirtschaftlichen Kenntnisse werden in Form von Vorlesungen und Übungen vermittelt. Im Rahmen eines Projekts werden die Vorlesungsinhalte vertieft und praktische Erfahrungen in der Entwicklung eines Data Warehouse-Teilsystems gesammelt. Der Fokus des Projekts kann nach eigenen Interessen definiert werden.

Ziel: Befähigung zur Beurteilung von Einsatzmöglichkeiten von Data-Warehouse-Systemen in der Unternehmenssteuerung

Befähigung zur Entwicklung von Data-Warehouse-gestützten Steuerungssystemen.

Prof. Dr. rer. nat. Peter Niemeyer

Forschungskolloquium Wirtschaftsinformatik & Data Science


Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Ziel: Teilnehmerinnen und Teilnehmer erhalten einen Einblick in aktuelle Forschungsprojekte der Wirtschaftsinformatik und im Bereich

Data Science. Promovierende lernen, ihre eigenen Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquium zu präsentieren und zu verteidigen.

Mathematik I: Lineare Algebra


Grundlagen:

- Aussagenlogik

- Aufbau des Zahlensystems

- Beweistechniken, insbesondere Induktionsprinzip

- Abbildungen

Lineare Algebra:

- Vektorräume

- Lineare Abbiuldungen

- Matrizen

- Gleichungssysteme

- Determinanten

- Eigenwerte

Ziel: Qualifikationsziele:

Erwerb von Kenntnissen der Begriffe, mathematischen Inhalte, Methoden und Techniken, die für die Anwendungen in der Wirtschaftsinformatik von Relevanz sind;

Vermittlung der Grundlagen zum Verständnis mathematischer Modellierung in Informatik und Ökonomie;

Auswahl und Anwendung der passenden erlernten Verfahren und Interpretation der Ergebnisse für typische Aufgabenstellungen.

Fachkompetenz:

Grundkenntnissen der Begriffe, mathematischen Inhalte, Methoden und Techniken, die für die Anwendungen in der Informatik und Wirtschaftsinformatik von Relevanz sind;

Beurteilung deren Anwendbarkeit auf Problemstellungen der Wirtschaftsinformatik.

Methodenkompetenz:

Umgang mit mathematischen Definitionen, Sätzen, Beweisen und Vorgehensweisen;

Auswahl mathematischer Methoden und Modelle und deren Umsetzung auf praktische Problemstellungen;

Umgang mit mathematischer Fachliteratur.

Personale Kompetenz:

Entwicklung der Leistungsbereitschaft auch im Umgang mit komplexen und abstrakten Problemstellungen.

Netzwerkanalyse


Students learn basics of graph theory and network analysis. Furthermore the following topics will be in-depth: network metrics, generative models, hypothesis testing in the context of network data, design of social network studies, tools for analyzing networks.

Ziel: Specialized Knowledge:

· graph theoretical foundations

· network metrics

· models of random graphs (Erdös-Renyi, Preferential Attachement, Watts-Strogatz, Exponential Random, Graph Models)

· basic clustering methods

Professional Competences:

· analysis of networks with appropriate software tools (e.g. R, UCInet, Pajek)

· tests of network hypothesis

· visualization of networks

Personal competence:

Students, as teamwork, can develop project goals and time those realistically. Furthermore, they can reflect on their working results and evaluate them.

Prof. Dr. Lin Xie

Analysing Networks with OR-Methods


This module teaches advanced methods, techniques and applications of operations research. This course focuses on the graph theory and the modelling of real-world routing and network flow problems using mathematical programming. This course contains a practical component (homework) in which students analyze, model and solve decision problems with operations-research-methods.

Ziel: Factual knowledge: Knowledge about state-of-the-art techniques for solving routing/network flow problems.

Methodic competence: Advanced modelling with mixed-integer programming. Metaheuristic methods are for example introduced as a way of solving large-scale industrial problems.

Transfer competence: Application of the discussed methods and technologies in business setting; use of appropriate software tools for different problems.

Personal competence: modelling training, cooperation and team skills in groups

Tutorial Analyzing Network for OR-Methods


Forschungskolloquium Wirtschaftsinformatik & Data Science


Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Ziel: Teilnehmerinnen und Teilnehmer erhalten einen Einblick in aktuelle Forschungsprojekte der Wirtschaftsinformatik und im Bereich

Data Science. Promovierende lernen, ihre eigenen Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquium zu präsentieren und zu verteidigen.

Operations Research Lab


Die Studierenden lernen in dieser Veranstaltung Python und die Anwendung von Python für ein Problem in einem automatisierten Lager.

Ziel: Entwicklung eines Entscheidungsunterstützungssystems für einen automatisierten Lager mit der Programmierungssprache Python.

Dipl.-Kfm. Norbert Tschritter

Einführung in die Programmierung mit Python zur Datenanalyse


[Dieser Kurs richtet sich ausdrücklich nur an Studierende, die diesen Kurs noch nicht im Leuphana Semester belegt haben] Dieser Kurs bietet eine Einführung in die Programmierung mit Python. Wir stellen grundlegende Konzepte (Variablen, Typen, Operatoren) sowie häufig benutzte Daten- und Kontrollstrukturen vor und befassen uns mit Funktionen. Es soll ein Verständnis dafür erzielt werden, was digitale Daten sind und wie sie gesammelt, strukturiert und analysiert werden können. Dieser Kurs wird seminaristisch gehalten und verbindet Vorlesungselemente mit Hands-on-Sessions. Es sind KEINE Vorkenntnisse notwendig – wir fangen bei null an. Das Mitbringen eines eigenen Laptops wird empfohlen, ist aber nicht zwingend notwendig.

This course offers an introduction to programming using the language of Python. We introduce basic concepts (variables, types, operators) as well as most frequently used data- and control-structures and then move on to functions. The course aims at establishing an understanding of what digital data is and how data can be collected, structured and managed as well as applied. This course combines lectures with hand-on-sessions. There is NO prior knowledge required – we start from scratch. Bringing you own device (Laptop) is highly recommended, but not a requirement.

Ziel: Fach- und Methodenkompetenzen im Bereich der Informatik/Programmierung, (insbesondere im Umgang mit digitalen Daten).

Basic competencies in the field of computer science and programming (with special emphasis of the processing of data).

Weitere Angaben zu den Lehrveranstaltungen finden Studierende im Studienportal myStudy.

myStudy

Abonnieren Sie unsere Veranstaltungen im Studienportal myStudy und erhalten Sie Materialien zu den Veranstaltungen und aktuelle News. Link zum myStudy-Portal