Unser Lehrkonzept und -portfolio im Master
Entsprechend unseren Forschungsschwerpunkten besteht unser Lehrportfolio im Master aus verschiedenen Veranstaltungen im Schnittstellenbereich Digitale Geschäftsmodelle und Systeme, Data Analytics, Web und Service Analytics, Customer Relationship Management (CRM) sowie einem Projektmodul zu Themenbereichen in der Wirtschaftsinformatik.
Wir versuchen alle Veranstaltungen möglichst praxisnah zu gestalten und binden daher zahlreiche Praxisvorträge und Case-Studies in unsere Vorlesungen und Übungen mit ein. Das Lehrportfolio im Master wird nachfolgend genauer beschrieben.
Aktuelles Lehrportfolio im Master
Wintersemester
Customer Relationship Management (V/Ü)
Studierende erhalten in dieser Vorlesung Kompetenzen zur Planung & Bearbeitung umfassender Aufgaben im CRM. Dabei wird intensiv auf den Einsatz von IT und Data Science in den Bereichen Analytisches CRM, Web-basierte Systeme und Social Media CRM eingegangen.
Sommersemester
Data Analytics Challenge
Dieser Kurs vermittelt das Vorgehen bei der systematischen Gestaltung, Implementierung, Evaluation und Adjustierung von Lösungen zu Aufgaben im Bereich Business Analytics und Data Mining. Hierfür erarbeiten die Studierenden in moderierten Teams Daten-analytische Vorgehensmodelle und -methoden beispielsweise für eine im Internet verfügbare oder von Praxisorganisationen gestellte Aufgabe und den hierfür bereit gestellten Daten.
Data Science Konzepte (Lektürekurs) (gemeinsam mit dem Lehrstuhl für Statistik und Quantitative Methoden)
Studierende entwickeln die Fähigkeiten, sich selbstständig neues Wissen und neue Arbeitsmethoden im Bereich der Theorie und der Anwendung der praxisrelevanten Methoden des maschinellen Lernens anzueignen, zielorientiert auf Ergebnisse hinzuarbeiten und diese fundiert zu diskutieren. Insbesondere behandelt der Kurs die Themen: Übersicht über Data Science Methoden und Verfahren des statistischen Lernens, Datenräume und datengeometrische Grundlagen des statistischen Lernens, Bias–Variance Trade-Off und Fehlerdekomposition, Überwachtes Lernens und Featurebewertung, Modelle zur Dimensionsreduktion.
Data Science Methoden (V/Ü) (gemeinsam mit dem Lehrstuhl für Statistik und Quantitative Methoden)
Dieser Kurs vermittelt Kompetenzen zu Verfahren und Methoden des statistischen/maschinellen Lernens aus Daten. In der Übung hierzu wird die Sprache R eingesetzt. Neben datengeometrische Grundlagen von Data Science-Methoden und grundsätzlicher Methodik werden in dem Kurs Modelle zur Dimensionsreduktion bzw. Featurereduktion sowie zu Modell-Interpretationen und Feature-Bewertung betrachtet und erprobt.
Digital Business Models and Technologies (V/Ü)
Diese Vorlesung vermittelt technische und algorithmische Grundlagen des – und Geschäftsmodelle im – Internet und Internet of Things. Es wird betrachtet, wie sich die Sichten auf Kunde, Daten, Value Proposition, Plattform und Innovation verändern und wie Geschäftsmodelle entsprechend zu gestalten sind. Begleitend finden Business Modeling Workshops mit Partnerfirmen, moderierte Gruppenarbeiten sowie PC-Übungen statt.
Projektmodule Wirtschaftsinformatik
In diesem Modul bearbeiten die Studierenden aktuelle Praxis- und Forschungsthemen der Wirtschaftsinformatik. Es werden eigenständig Themen aus- und bearbeitet, die in der Regel einen Gestaltungs- und „Hands-On“ Implementierungs- und Evauationsteil beinhalten. Das Ergebnis ist eine Seminararbeit, eine kurze Präsentation und die im Projekt erstellte Software.
Die detaillierte Themenliste finden Sie ab 27. März hier.
Service Analytics (V/Ü)
Der Kurs behandelt Methodik zur Personalisierung von Online-Inhalten, -Diensten und -Kampagnen insbesondere im Bereich Web und Social Media. Der Fokus des Kurses liegt dabei auf den Modellen und Methoden moderner Empfehlungssystemen (Recommender Systems). Übungen finden mit einer modernen statistischen Programmiersprache wie R oder Python statt.