Lehrangebot

Aktuelle Lehrveranstaltungen

Prof. Dr. Ulf Brefeld

Masterforum


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 eigene Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquim zu präsentieren und zu verteidigen.

Maschinelles Lernen und Data Mining


Im Modul werden die Grundbegriffe des Lernens aus Daten eingeführt. Unterschiedliche Techniken des überwachten und unüberwachten maschinellen Lernens und Data Mining werden hergeleitet und ihre Eigenschaften besprochen. Beispiele sind theoretische/empirische Risikominimierung, Entscheidungsbäume, Random Forests, Regularisierung, Perzeptron, Multilayer Netzwerke, Support Vector Machines, k-means, probabilistische Clustering-Verfahren mittels Expectation Maximization. Weitere Themen sind Experimentalaufbau, Interpretation der Ergebnisse, Kommunikation der Ergebnisse, z.B. Kreuzvalidierung sowie nichtlineare Merkmalsgenerierung, z.B. mittels Kernfunktionen.

Deep Learning


This course deals with deep neural networks. We begin with a brief history of neural networks and then consider state-of-the-art networks. We cover convolutions, LSTMs, reinforcement learning, GANs, etc.

Machine Learning Lab


Address a learning task in a data-driven fashion. After reviewing related work, you'll formalize the problem, derive an appropriate method to solve it, implement the method, define an experimental setup and identify relevant baselines and empirically evaluate your approach. The learning task can be arbitrarily defined. We provide fallback problems but bringing your own idea(s) and/or data is more than welcome! The final report may have the form of a research paper. We'll have milestones where progress is reported in short presentations.

Ziel: Learn to appropriately address a task in a data-driven fashion (related work, technical approach, empirical evaluation and interpretation of outcomes).

Prof. Dr. Paul Drews

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 eigene Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquim zu präsentieren und zu verteidigen.

Einführung in die Wirtschaftsinformatik


Die Veranstaltung vermittelt wissenschaftliche, methodische und technische Grundlagen der Wirtschaftsinformatik im Sinne einer Einführung. Nach Diskussion des Wissenschaftsverständnisses der Disziplinen und einem historischen Abriss werden ausgewählte Konzepte der Wirtschaftsinformatik und Informatik dargestellt und erörtert. Dies umfasst die Grundlagen der Informationsverarbeitung, die Konstruktion und den Einsatz betrieblicher Informationssysteme sowie deren ökonomische Bedeutung. Neben der technisch methodischen Sicht vermittelt die Veranstaltung auch die transdisziplinäre Perspektive der Wirtschaftsinformatik.

Ziel: Studierende erhalten einen Überblick über die Gegenstände der Wirtschaftsinformatik und werden in die Denkweise der WI eingeführt.

Data Economy


- Data-driven business

- Value of data

- Information Management

- Digital Transformation

- Data Quality Management

- Data-driven business models & entrepreneurship

- Customer & Social Media Data

- Open Data & Sensor Data

- BigData Maturity

- Transformation of the IT landscape

- Practitioner's talks: entrepreneur, consulting, tool vendor

Ziel: The students learn to understand the relevance and value of data for enterprises. They learn to analyze and understand how the use of data science methods and tools changes business models and processes.

Prof. Dr. rer. nat. Burkhardt Funk

Learning from Data


The course will cover

• Theoretical foundation of statistical learning

• Learning settings and frameworks

• Linear models

• Regularization and feature selection

• Model evaluation

• Neuronal nets, SVMs and their application

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 eigene Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquim zu präsentieren und zu verteidigen.

Networks, Crowds and Markets


Aufbauend auf dem Buch "Network, Crowds and Markets: Reasoning about a Highly Connected World " (David Easley & Jon Kleinberg, Cambridge Univ. Press, 2010) werden Methoden aus Spieltheorie und Netzwerkanalyse auf (überwiegend) wirtschaftswissenschaftliche Problemstellungen angewendet.

Im ersten Teil der Veranstaltung stellen die Dozenten die methodischen Grundlagen vor. Anschließend bereiten die Teilnehmer Diskussionen zu ausgewählten Themen aus dem Buch von Easley & Kleinberg vor.

Einführung in die Wirtschaftsinformatik


Die Veranstaltung vermittelt wissenschaftliche, methodische und technische Grundlagen der Wirtschaftsinformatik im Sinne einer Einführung. Nach Diskussion des Wissenschaftsverständnisses der Disziplinen und einem historischen Abriss werden ausgewählte Konzepte der Wirtschaftsinformatik und Informatik dargestellt und erörtert. Dies umfasst die Grundlagen der Informationsverarbeitung, die Konstruktion und den Einsatz betrieblicher Informationssysteme sowie deren ökonomische Bedeutung. Neben der technisch methodischen Sicht vermittelt die Veranstaltung auch die transdisziplinäre Perspektive der Wirtschaftsinformatik.

Ziel: Studierende erhalten einen Überblick über die Gegenstände der Wirtschaftsinformatik und werden in die Denkweise der WI eingeführt.

Einführung in die Programmierung mit Python zur Datenanalyse (2)


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).

Prof. Dr. Mathias Groß

BWL-IT Projekt E-Business 1


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 Coachung der Gruppen durch die Dozenten statt.

Ziel: Anwendung der im Minor E-Business gewonnenen Erkenntnisse in einem Praxisprojekt.

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

BWL-IT Projekt E-Business 3


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 Coachung der Gruppen durch die Dozenten statt.

Ziel: Anwendung der im Minor E-Business gewonnenen Erkenntnisse in einem Praxisprojekt.

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

E-Learning - Konzeption, Produktion und Betrieb von Web-Based-Trainings.


Was ist E-Learning? Wie wird es in Unternehmen heute eingesetzt? Worin liegen die Stärken und Schwächen dieser Form der Wissensvermittlung? Welche Methoden und Technologien kommen zum Einsatz? Wie wird zukünftig Wissen vermittelt?

Gastreferenten aus bekannten Unternehmen geben einen Einblick in ihre Form der betrieblichen Weiterbildung.

Ziel: Es soll den Teilnehmern vermittelt werden, wie die Herausforderung des lebenslangen Lernens durch den Einsatz modernen Webtechnologien unterstützt werden kann.

Prof. Dr. rer. nat. Jürgen Jacobs

Betriebliche Informationssysteme im Marketing


Das Modul befasst sich mit Einsatzmöglichkeiten, Aufgaben, Strukturen und Funktionsweisen von betrieblichen Informationssystemen im Marketing. Die Veranstaltung dieses Semesters befasst sich mit dem Data Mining zur Unterstützung des Vertriebs und des Customer Relationship Management. Im Mittelpunkt steht daher die Gewinnung von Informationen aus großen Datenmengen. Methoden zur automatisierten Extraktion von aussagekräftigen Mustern aus den Daten (Data Mining) werden erläutert und von den Studierenden in einem Projekt angewendet.

Ziel: Vertieftes Verständnis der Aufgaben, Strukturen und Funktionsweisen des Data Mining sowie praktische Erfahrung in der praktischen Umsetzung mit Hilfe von Softwarewerkzeugen.

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.

Methodik der Anwendungsentwicklung


Das Modul behandelt folgende Themen:

- Software-Qualitätsmerkmale

- Prinzipien der Softwareentwicklung

- Softwareentwicklungswerkzeuge

- Strukturierung und Modularisierung komplexer Systeme

- Prozedurale Abstraktion und Datenabstraktion

- Objektorientiertes Paradigma

- Modellierungsmethoden und -notationen (z.B. UML)

- Entwurfsmuster

- Dokumentationstechniken

- Ausnahmebehandlung

- Graphische Benutzeroberflächen

- Ereignisverarbeitung

- Persistenzmechanismen

Ziel: Befähigung zur Beurteilung und Verwendung von Prinzipien, Methoden, Verfahren, Notationen und Werkzeugen für die Entwicklung von betrieblichen Anwendungssystemen.

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 eigene Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquim zu präsentieren und zu verteidigen.

Networks, Crowds and Markets


Aufbauend auf dem Buch "Network, Crowds and Markets: Reasoning about a Highly Connected World " (David Easley & Jon Kleinberg, Cambridge Univ. Press, 2010) werden Methoden aus Spieltheorie und Netzwerkanalyse auf (überwiegend) wirtschaftswissenschaftliche Problemstellungen angewendet.

Im ersten Teil der Veranstaltung stellen die Dozenten die methodischen Grundlagen vor. Anschließend bereiten die Teilnehmer Diskussionen zu ausgewählten Themen aus dem Buch von Easley & Kleinberg vor.

Betriebliche Standardsoftware


Das Modul vermittelt Kenntnisse zu folgenden Themen:

- Aufgaben betrieblicher Standardsoftware

- Merkmale betrieblicher Standardsoftware

- Marktübersicht über Standard ERP-Systeme

- Individualsoftware vs. Standardsoftware

- Erweiterungskonzepte (am Beispiel SAP R/3)

- Schnittstellenkonzepte (am Beispiel SAP R/3)

- Fallstudien zu ausgewählten Prozesse (am Beispiel SAP R/3)

- Wartung von betrieblicher Standardsoftware

Fachkompetenz

- kompetente Beurteilung der Chancen und Risiken beim Einsatz von betrieblicher Standardsoftware

- Kenntnisse ausgewählter Prozesse des ERP Systems SAP R/3

Methodenkompetenz

- praktischer Umgang mit einem komplexen Softwaresystem

Ziel: kompetente Beurteilung der Chancen und Risiken beim Einsatz von betrieblicher Standardsoftware, Kenntnisse ausgewählter Prozesse des ERP Systems SAP ERP, Fähigkeit zum Umgang mit einem komplexen Softwaresystem erwerben, Entwicklung der Teamfähigkeit, Fähigkeit autonom zu arbeiten, Leistungsbereitschaft,

Übung zur Betrieblichen Standardsoftware (Gruppe A - ABAP)


Einführung in die Konzepte der Programmiersprache ABAP

Ziel: Die Teilnehmer sollen den Unterschied zwischen dem prozeduralen und oo Programmiermodell in ABAP begreifen. Im Bereich der prozeduralen Programmierung sollen BAPIs als Schnittstelle zu den Anwendungen verstanden werden. In der OO Programmierung sollen BAdis als eine Anwendung von Interfaces verstanden werden, die es ermöglichen, vorgedachte Geschäftsprozesse im SAP-System zu modifizieren

Übung zur Betrieblichen Standardsoftware (Gruppe B - ABAP)


Einführung in die Konzepte der Programmiersprache ABAP

Ziel: Die Teilnehmer sollen den Unterschied zwischen dem prozeduralen und oo Programmiermodell in ABAP begreifen. Im Bereich der prozeduralen Programmierung sollen BAPIs als Schnittstelle zu den Anwendungen verstanden werden. In der OO Programmierung sollen BAdis als eine Anwendung von Interfaces verstanden werden, die es ermöglichen, vorgedachte Geschäftsprozesse im SAP-System zu modifizieren

Prof. Dr. Sven Piechota

Arbeitswissenschaft, Controlling und Verhalten


Prof. Dr. rer. nat. Dieter Riebesehl

Prep course Mathematics (for Data Science and Engineering)


The prep course is particularly designed for students in the Data Science and Engineering master program and refreshes the mathematical foundations.

Contents: linear algebra, finite-dimensional vectorspaces, matrices, linear mappings, kernel, image of ~, eigenvalues and -vectors; calculus, vector and scalar fields, vector analysis, gradient, nabla, directional derivative, gradient descent, difference operator; descriptive statistics

Ziel: Refreshing or preparing the necessary mathematical knowledge needed as prerequisites for the master program "Management and Data Science", getting a reliable intuition of the basic concepts.

Prof. Dr. Lin Xie

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 eigene Forschungsvorhaben vorzustellen und Ergebnisse im Kolloquim zu präsentieren und zu verteidigen.

Grundlagen des Operations Research


Im diesem Modul werden in Form einer Vorlesung Modellierungstechniken und Lösungsverfahren für Optimierungsprobleme gelehrt. Die Inhalte werden in einer begleitenden Übung vertieft. Die Eigenstudiumsanteile werden in studentischen Arbeitsgruppen realisiert.

Ziel: Faktenwissen: Entscheidungsunterstützungssysteme, Optimierungsmethoden, Modellierungstechniken, Lösungsalgorithmen

Methodenwissen: Die Studierenden lernen Modellierungstechniken und Lösungsverfahren für Optimierungsprobleme.

Transferkompetenz: Die Studierenden werden in die Lage versetzt, Modellierungstechniken und Lösungsverfahren entsprechend der Problemstellung auszuwählen und anzuwenden.

Dipl.-Kfm. Norbert Tschritter

Einführung in die Programmierung mit Python zur Datenanalyse (10)


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