Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Veranstaltungen von Prof. Dr. rer. nat. Peter Niemeyer


Lehrveranstaltungen

Betriebliche Standardsoftware (Vorlesung)

Dozent/in: Peter Niemeyer

Termin:
wöchentlich | Donnerstag | 10:15 - 11:45 | 16.10.2023 - 02.02.2024 | C HS 4

Inhalt: 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

Übung zur Betrieblichen Standardsoftware (Gruppe A - ABAP) (Übung)

Dozent/in: Simone Falk-Hiller, Peter Niemeyer

Termin:
wöchentlich | Dienstag | 16:15 - 17:45 | 05.12.2023 - 02.02.2024 | C 12.102 Seminarraum | ..

Inhalt: Einführung in die Konzepte der Programmiersprache ABAP

Netzwerk Projekt (Seminar)

Dozent/in: Peter Niemeyer

Termin:
wöchentlich | Donnerstag | 14:15 - 16:45 | 16.10.2023 - 02.02.2024 | C 12.009 Seminarraum

Inhalt: Mit Wurzeln in der empirischen Sozialforschung (Social Network Analysis) und der Mathematik (Graphentheorie), leistet Netzwerkanalyse heute in vielen Disziplinen einen wichtigen methodischen Beitrag. 
Die Lehrveranstaltung bietet zunächst einen kompakten Einstieg in (i) die methodischen Grundlagen der Netzwerkanalyse und (ii) die Nutzung unterstützender Softwaretools. Anschließend werden in Gruppen eigene Netzwerkanalysen durchgeführt. Dabei ist unter ständiger Anleitung eine geeignete Fragestellung zu formulieren, ein Netzwerkkonzept zu erstellen, ein geeigneter Datensatz zu erzeugen(oder zu identifizieren) und die Netzwerkanalyse durchzuführen.

Forschungsmethoden II (Vorlesung/Übung)

Dozent/in: Peter Niemeyer

Termin:
wöchentlich | Dienstag | 12:15 - 13:45 | 16.10.2023 - 02.02.2024 | C 12.010 Seminarraum | ...
14-täglich | Dienstag | 14:15 - 15:45 | 16.10.2023 - 28.11.2023 | C 12.112 Seminarraum
Einzeltermin | Di, 19.12.2023, 14:15 - Di, 19.12.2023, 15:45 | C 12.010 Seminarraum
14-täglich | Dienstag | 14:15 - 15:45 | 26.12.2023 - 02.02.2024 | C 12.112 Seminarraum
Einzeltermin | Mo, 05.02.2024, 09:00 - Mo, 05.02.2024, 14:00 | C HS 5 | Posterpräsentation der Ergebnisse aus der Veranstaltung / I+II+III
Einzeltermin | Mo, 05.02.2024, 09:00 - Mo, 05.02.2024, 14:00 | C 40.606 Seminarraum | Posterpräsentation der Ergebnisse aus der Veranstaltung
Einzeltermin | Mo, 05.02.2024, 09:00 - Mo, 05.02.2024, 14:00 | C 40.601 Seminarraum | (40.601) Posterpräsentation der Ergebnisse aus der Veranstaltung

DATAx: Datenanalyse mit Python (3) (Übung)

Dozent/in: Peter Niemeyer

Termin:
wöchentlich | Montag | 10:00 - 10:55 | 16.10.2023 - 02.02.2024 | C 11.307 Seminarraum

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen die Studierenden (i) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python, (ii) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen sowie (iii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert das Erlernen von Fähigkeiten der Datenanalyse und Programmierung in Online-Übungen mit dem Selbststudium anhand von Jupyter-Notebooks. Zusätzlich werden die Studierenden durch erfahrene Studierende höherer Semester (Teaching Assistants) unterstützt. Regelmäßige Aufgaben ermutigen die Studierenden, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf ihr Studiengebiet zu übertragen. Am Ende des Semesters werden die Studierenden in ihrer Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem sie verschiedene Rollen einnehmen und gemeinsam lernen, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Forschungskolloquium Wirtschaftsinformatik & Data Science (Kolloquium)

Dozent/in: Ulf Brefeld, Paul Drews, Burkhardt Funk, Peter Niemeyer, Kathrin Padberg-Gehle

Termin:
14-täglich | Donnerstag | 16:15 - 18:15 | 16.10.2023 - 02.02.2024 | C 40.254 Seminarraum
Einzeltermin | Do, 07.12.2023, 14:30 - Do, 07.12.2023, 18:00 | C 10.225 Senatssaal
Einzeltermin | Do, 25.01.2024, 15:00 - Do, 25.01.2024, 17:00 | intern | C10.225 Senatssaal ist gebucht

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

Übung zur Betrieblichen Standardsoftware (Gruppe B) (Übung)

Dozent/in: Peter Niemeyer, Benjamin Schneidereit

Termin:
wöchentlich | Freitag | 15:15 - 17:15 | 01.12.2023 - 08.12.2023 | C 14.201 Seminarraum
Einzeltermin | Fr, 15.12.2023, 15:15 - Fr, 15.12.2023, 17:45 | C 14.201 Seminarraum
wöchentlich | Freitag | 15:15 - 17:15 | 12.01.2024 - 19.01.2024 | C 14.201 Seminarraum

Inhalt: Die Teilnehmer sollen die Grundlagen der objektorientierten Programmierung in ABAP verstehen. Hierzu wird eine stark vereinfachter Finanzstromrechner in ABAP OO programmiert. Das Programm soll die Berechnung des Finanzstroms eines Darlehens unter Einsatz der SAP Finanzmathematik (FIMA) sowie darauf basierender Berechnungsgrößen (z.B. Restkapital zu einem Stichtag) ermöglichen. Der zu implementierende Funktionsumfang wird in Form eines Interfaces vorgegeben. Die Benutzeroberfläche (GUI) ist nicht zu implementieren.

DATAx: Datenanalyse mit Python (26) (Übung)

Dozent/in: Peter Niemeyer

Termin:
wöchentlich | Montag | 17:00 - 17:55 | 16.10.2023 - 02.02.2024 | C 12.002 Seminarraum

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen die Studierenden (i) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python, (ii) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen sowie (iii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert das Erlernen von Fähigkeiten der Datenanalyse und Programmierung in Online-Übungen mit dem Selbststudium anhand von Jupyter-Notebooks. Zusätzlich werden die Studierenden durch erfahrene Studierende höherer Semester (Teaching Assistants) unterstützt. Regelmäßige Aufgaben ermutigen die Studierenden, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf ihr Studiengebiet zu übertragen. Am Ende des Semesters werden die Studierenden in ihrer Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem sie verschiedene Rollen einnehmen und gemeinsam lernen, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.