Master Business Informatics
Business Informatics
Agiles HR Management & Cross Culture Management
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1HRCIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
HR-Theorien und Arbeitswelt 4.0, agile und digitale HR-Strategie, agile und digitale Ausgestaltung der Hauptaktivitäten des HR-Management im Sinne des New Work-Ansatzes: Personalrecruiting, Personalentlohnung, Performance Management, Personalentwicklung. Ausgehend vom strategischen Human Resource Management wird vor allem die situative und interkulturelle Anwendung in diesen Bereichen in Form von Fallstudien beleuchtet. Weitere Lehrinhalte sind: Paradigmen und Dimensionen des Kulturbegriffs und Einflüsse auf das HR Management, Interkulturelle Managementkonzepte sowie Diversity
Lernergebnis:
Die Absolvent*innen stellen HR-Theorien in den Kontext der Digitalisierung und Agilität. Sie verfügen über die Fähigkeit, eine HR-Strategie mit Fokus auf Digitalisierung und Agilität zu formulieren und diese in operative HR-Maßnahmen zu übersetzen. Auf Basis der Anwendung klassischer personalwirtschaftlicher Instrumente sind deren digitale und agile Ausgestaltung bekannt und für die Absolvent*innen anwendbar. Dabei werden diese Instrumente in den Kontext des New Work-Ansatzes gestellt. Außerdem verfügen Absolvent*innen über interkulturelle Sensibilität und Verständnis für andere Kulturen in und außerhalb des Unternehmens. Sie besitzen grundlegende Bewertungs-, Argumentations-, Reflexions- und Analysekompetenzen in Hinblick auf ethische bzw. nachhaltige Zusammenhänge.
Übergeordnetes Modul:
Designing Structures
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Analytics & Knowledge Discovery
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1AKDIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Approaches for Data Analytics, EDA Parallel Lines, Boxplots, Kernel Density Estimators, Basic Coding and Embedding of Data, Curse of Dimensionality, PCA, t-SNE, K-means, Hierarchical Clustering, Spectral Clustering, Distances and Similarity Measures.
Lernergebnis:
Die Absolvent*innen können klassische Verfahren der explorativen Datenanalyse auf unterschiedliche Typen (numerische, kategoriale, Text-) von Daten. Sie sind in der Lage einen Knowledge Discovery Process (Data Mining, Information Retrieval, Strukturentdeckende Verfahren) zu implementieren, die Dimensionalität der Daten zu reduzieren, Cluster zu identifizieren und entsprechend zu visualisieren. Die Lehrveranstaltung fokussiert auf nicht überwachtes Lernen.
Übergeordnetes Modul:
Data Science & Analytics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Data Literacy, -Awareness & -Security
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1LASIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Methoden und Fähigkeiten zur Erfassung und Sammlung von Daten, zur Verwaltung und Anpassung von Daten und zur Analyse von Daten, Business and Data Understanding aus dem Data Science Cycle, Fähigkeiten zur fachgerechten Bewertung von Daten, Tools und Methoden zur Präsentation und Visualisierung von Daten sowie Anwendung statistischer und analytischer Software, Data Privacy und Data Security, Rechtliche und ethische Implikationen von Datenquellen
Lernergebnis:
Die Absolvent*innen verstehen die Rolle von Daten in der digitalen Transformation und entwickeln ein Verständnis für Datenquellen und datengenerierende Prozesse sowie für Methoden und Ansätze zur Datenakquise. Sie können mit Daten sachgerecht umgehen und sie entsprechend erfassen, sammeln, verwalten und transformieren. Sie leiten daraus Anforderungen an die Data Governance im Unternehmen ab. Dabei berücksichtigen sie Anforderungen an Datensicherheit und Privatsphäre in Bezug auf Compliance, rechtl. Rahmenbedingungen und technische Umsetzungsstrategien. Sie sind in der Lage, die Datenqualität und -integrität zu beurteilen. Sie verfügen über die Kompetenz, Daten in einem unternehmerischen Kontext mit Softwaretools in Bezug auf Wert und Kosten zu analysieren und zu interpretieren. Sie präsentieren dazu Daten und Analyseergebnisse in geeigneter Form. Sie sind in der Lage, zu beurteilen, ob und wie mit den gewonnenen Informationen betriebswirtschaftliche Fragestellungen gelöst oder unterstützt werden können und welche rechtlichen und ethischen Fragestellungen dabei auftreten.
Übergeordnetes Modul:
Digital Economy 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Data Science
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1DSCIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Terminologie, Design Cycle und Extended Design Cycle, Data Sampling und -normalization, Performance Measures, Cross Validation, Training Policies, K-nearest Neighbour und Minimum Distance Classifier, Natural Language Processing und spezifische Features, Low Level Image Features
Lernergebnis:
Die Absolvent*innen kennen Typen und Bestandteile von Data Science Projekten, können deren Struktur beschreiben und die entsprechenden Positionen und Bezeichnungen von Mitarbeiter*innen benennen. Sie verstehen die Konzepte hinter Daten, Modellen und Algorithmen und benutzen Fachsprache, um diese zu beschreiben. Sie diskutieren die Geeignetheit von Datensammlungen oder Datenbeschaffungsprozessen für bestimmte Aufgabenstellungen. Sie sind in der Lage, Methoden und Algorithmen anzuwenden, um aus Daten in unterschiedlichen Repräsentationen (numerisch, kategorisch, One-hot oder textlich) Informationen zu extrahieren. Sie kennen Methoden zu Sammlung, Bereinigung und Visualisierung von Daten, um ein Verständnis aus Sicht der Anwendung zu entwickeln. Dem weiteren Design Cycle für überwachtes Lernen folgend können sie Merkmals-Extraktionen und das Sampeln von Trainings- und Testdaten implementieren, ausgewählte (einfache) Klassifizierer parametrisieren und trainieren und deren Performance bewerten. Dazu benutzen sie state-of-the-art Entwicklungsumgebungen und skalierbare Technologien und sind in der Lage, gewählte Lösungswege inhaltlich zu argumentieren.
Übergeordnetes Modul:
Data Science & Analytics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Informatics Technologies
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1IFTIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Anwendungsbezogene Kommunikationsparadigmen; Kommunikationstechniken für zeitabhängige Datenströme; Verteilte Systeme und plattformübergreifende Protokolle und Dienste sowie verteiltes Datenmanagement; Überblick über die Komponententechnologien; Einsatz von Applikationsservern und Enterprise-Systemen; Aktuelle Themen und Anwendungsbeispiele der Softwaretechnologien.
Lernergebnis:
Die Absolvent*innen sind in der Lage verteilte Softwaresysteme zu entwerfen und zu implementieren und realisieren verteiltes Daten-Management und verteilte softwarebasierte Dienste. Sie können aktuelle Komponententechnologien und wirtschaftsrelevante Middleware-Systeme einsetzen und nutzen Methoden und Werkzeuge der plattformunabhängigen Software-Entwicklung.
Übergeordnetes Modul:
Business Software Conception & Design 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Internationale Wirtschaftsbeziehungen
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1IWBIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Die Lehrveranstaltung thematisiert die Bestimmungsgründe und Wechselwirkungen zwischen der Internationalisierung wirtschaftlicher Aktivitäten und ihren regionalen Bindungen. Um zu zeigen, wie die Welt zusammenhängt und weshalb für betriebliche Entscheidungsprozesse der internationale Kontext an Bedeutung gewinnt, werden folgende Aspekte thematisiert: - Außenwirtschaftstheorie - Strukturen, Grenzen und Kritik der Globalisierung - Digitalisierung als Treiber der Globalisierung oder der Re-Regionalisierung - Prozesse und Krisen der Marktintegration, insb. im europäischen Kontext - Implikationen der zunehmenden weltwirtschaftlichen Verflechtung für Unternehmensentscheidungen - Voraussetzungen internationaler Wettbewerbsfähigkeit - Ziele und Formen des Auslandsengagements / grenzüberschreitender Geschäftsbeziehungen, unter Berücksichtigung branchen- und länderspezifischer Beschaffungs-, Absatz- und Finanzierungsbedingungen
Lernergebnis:
Absolvent*innen verfügen über fundierte Kenntnisse der Veränderungen und Risiken im betrieblichen Umfeld, denen sich Unternehmen bzw. betriebliche Entscheidungsträger*innen gegenübersehen. Im Zentrum stehen dabei die sich verändernden Rahmenbedingungen unternehmerischen Handelns: die Internationalisierung wirtschaftlicher Aktivitäten, eine vertiefte Marktintegration, das Auftreten neuer Wettbewerber und die Bedeutung der Digitalisierung für die internationalen Wirtschaftsbeziehungen. Die Absolvent*innen sind in der Lage, die sich aus dem internationalen Umfeld ergebenden Risiken und Chancen für das Management zu erkennen, zu analysieren und entscheidungsorientiert zu bewerten.
Übergeordnetes Modul:
Challenging Economic & Societal Conditions
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
New Business Models
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1NBMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
New Business Models (speziell auch bezüglich Circular- und Sharing Economy) Begrifflichkeiten im Kontext der Digitalisierung (Digital Business, -Products, -Processes), Trends in Digital Economy, Metrics for Monitoring New Business Models, Umsetzung in modernen Softwaresystemen
Lernergebnis:
Die Absolvent*innen sind in der Lage, digitale Geschäftsmodelle auf der Basis von digitalen Produkten und digitalen Prozessen zu entwerfen. Dabei erkennen sie, wie die Digitalisierung diese Entwicklungen ermöglicht oder sogar bedingt. Sie können die Anforderungen an (Unternehmens-) Strukturen, Schnittstellen, Systemgrenzen und Policies im digitalen wie im analogen Bereich analysieren. Sie stellen die Möglichkeiten der Informationstechnologie dazu in Beziehung und sind befähigt, Implikationen für Unternehmen, Märkte, Kund*innen und Mitarbeiter*innen abzuleiten. Sie können den zentralen Wertschöpfungsprozess definieren, orientieren sich dabei auch an Modellen mit generischem Charakter wie etwa der Circular- oder der Sharing Economy und bewerten hier den langfristigen Erfolg sowie die Nachhaltigkeit digitaler Innovationen. Sie diskutieren Metriken, anhand derer eine Umsetzung bewertet und begleitet werden kann. Sie können diese Geschäftsmodelle visualisieren, formalisieren und kommunizieren.
Übergeordnetes Modul:
Digital Economy 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software & Process Notations
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM1SPNIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Textuelle und grafische Notationen für Softwareentwicklung und Prozess-Modellierung; Notationen für Dienst- und Schnittstellen-Spezifikationen; Einsatz gängiger Notations-Werkzeuge; Nutzung domänenspezifischer UML-Profile; Validierung und Verifikation; Meta-Modellierung; Aktuelle Themen der Software-Notationen.
Lernergebnis:
Die Absolvent*innen haben die Kompetenz, formalisierte Beschreibungen von unterschiedlichen Artefakten der Softwareentwicklung sowie von wirtschaftlichen Abläufen und vernetzen Prozessen zu entwickeln. Sie können die gängigen UML-Diagrammtypen zur Systementwicklung einsetzen und erweitern die Notation beispielsweise durch Bildung von Profilen. Sie sind in der Lage, entsprechende CASE-Tools zu verwenden und Methoden und Werkzeuge der plattformunabhängigen Software-Entwicklung zu bewerten. Sie beherrschen Abstraktionskonzepte modellgetriebener Softwareentwicklung.
Übergeordnetes Modul:
Business Software Conception & Design 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Business Architecture
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2BATIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Modular Organization Forms, Digital Governance, Strategic Alignment, Platformization, Cloudification, Digital Communication, Compliance, Data Governance, Metrics for organizing and implementing new business models
Lernergebnis:
Die Absolvent*innen sind befähigt, die unternehmerische Einbettung neuer Geschäftsmodelle zu designen, integrieren letztere bei Bedarf in bestehende Strukturen und entwickeln so hybride Prozess- und Organisationsmodelle. Sie können diese Einbettung mit Methoden der Digital Governance abbilden: Sie zeigen dazu im Rahmen des Strategic Alignments auf, welche Möglichkeiten sich durch den Einsatz von Technologie ergeben, etwa durch Platformization, Cloudification und Digital Communication. Durch Implementierung entsprechender Herangehensweisen (beispielsweise durch Privacy & Security by Design, Agility by Design oder durch Entwicklung präziser Metriken für die Beurteilung von Strukturen und Prozessen) leisten sie einen Beitrag zur Etablierung von Compliance. Sie sind in der Lage, ein Konzept für die Data Governance (etwa die Einführung von Data Democracy und ein entsprechendes Data Management) auf der Basis von technologischen Umsetzungsmöglichkeiten zu erarbeiten.
Übergeordnetes Modul:
Digital Economy 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Designing Value Creation Systems
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2VCSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Die Lehrveranstaltung gibt einen Einblick über die wesentlichen Aufgaben, Ziele und Methoden zur Optimierung von Wertschöpfungsnetzwerken. Der inhaltliche Schwerpunkt liegt auf den Kernprozessen der Wertschöpfung: Einkauf, Beschaffung, Produktion und im Supply Chain Management. Im Mittelpunkt steht das Denken in Prozessen, das Verständnis der innerbetrieblichen und unternehmensübergreifenden Zusammenhänge und deren Wechselwirkungen. Zielkonflikte, die sich aus den unterschiedlichen Optimierungsansätzen, wie zum Beispiel mehr Flexibilität und Qualität bei gleichzeitig niedrigeren Kosten und kürzeren Lieferzeiten ergeben, werden anhand der relevanten Prozessmerkmale, in Form von Modellen und Fallbeispielen erarbeitet. Grundlegende Parameter, wie zum Beispiel Bestände, Durchlaufzeiten, Losgrößen, Output-Raten oder Kapazitäten werden definiert und deren Zusammenhänge und Wechselwirkungen analysiert. Darauf aufbauend werden ausgewählte Konzepte und Trends, wie zum Beispiel Industrie 4.0, Efficient Consumer Response (ECR) oder Collaborative Planning, Forecasting and Replenishment (CPFR) vorgestellt und diskutiert. Organisatorische und betriebswirtschaftliche Voraussetzungen für deren Umsetzung und die damit verbundenen Optimierungen und Anpassungen bilden die Basis für die digitale Transformation von Wertschöpfungsnetzwerken.
Lernergebnis:
Die Absolvent*innen erhalten einen fundierten Überblick über die Methoden, Modelle und Optimierungsansätze von Wertschöpfungsnetzwerken. Sie sind am Ende des Moduls in der Lage, Wertschöpfungsprozesse zu analysieren und entsprechende Optimierungspotentiale zu identifizieren. Das in der Lehrveranstaltung erworbene Wissen über die Planung und Gestaltung von Wertschöpfungsnetzwerken ermöglicht, die grundlegenden Zusammenhänge zwischen der Unternehmensstrategie, Organisation und einzelnen Wertschöpfungsprozessen zu erkennen. Die Absolvent*innen können die - für eine Optimierung relevanten - Prozessparameter identifizieren, wissen über deren Wechselwirkungen Bescheid und können eigenständig Lösungsansätze entwickeln, um die operative Umsetzung von strategischen Zielsetzungen zu unterstützen.
Übergeordnetes Modul:
Designing Structures
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Innovationsökonomie & Digitalisierung
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2IODVO |
| Typ | VO |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | abschließend |
Lehrveranstaltungsinhalte:
Die Lehrveranstaltung befasst sich auf der Grundlage der ökonomischen Theorie mit Innovationsprozessen, ihrer Entstehung, Verbreitung und Wirkung. Im Fokus steht der aus dem Wettbewerb resultierende "Sachzwang Innovation", dem sich Unternehmen, Regionen und Volkswirtschaften gegenübersehen. Aus makroökonomischer Perspektive werden die Implikationen von Innovationen für die Industriedynamik und wirtschaftliches Wachstum thematisiert. Auf mikroökonomischer Ebene wird das Innovationsverhalten von Unternehmen analysiert. Ferner werden die mit digitalen Plattformen verbundenen Innovationen erörtert. Im Vordergrund stehen mithin die direkten und indirekten Netzwerkeffekte der multisided platforms, die zu erheblichen Veränderungen der Wertschöpfung im Gegensatz zu den Pipeline-Unternehmen führen. Die Digitalisierung wird demnach hier als grundlegende Transformation der Wirtschaftsstruktur mit Blick auf makroökonomische Veränderungen und mikroökonomische Präferenzbildungen erläutert, d.i. eine Veränderung des Konsumverhaltens, die unter dem Titel des "Überwachungskapitalismus" (Zuboff) auch gewürdigt wird.
Lernergebnis:
Die Absolvent*innen sind in der Lage, die mikro- und makroökonomischen Implikationen der Innovationen für die Industriedynamik, den Wettbewerb und das Wachstum zu beurteilen und kennen demnach die Rahmenbedingungen für betriebswirtschaftliche Entscheidungen. Zudem können sie die ökonomischen Auswirkungen der neuen digitalen Technologien im Zuge der Plattformen genau unterscheiden und wissen auch, die Erfolgskriterien zu bestimmen. So wird die reichlich unbestimmte Rede über mögliche digitale "Skalierungen" auf das sichere Fundament der Netzwerkeffekte gestellt und ein begründetes anwendungsorientiertes Wissen erworben.
Übergeordnetes Modul:
Challenging Economic & Societal Conditions
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Machine Learning
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2MLGIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Statistische Lerntheorie, No-free-lunch Theorem, Lernkurven, Fehlerfunktionen, Verzerrung und Varianz; ausgewählte Modelle: Maximum Entropy (Logistische Regression), Künstliche Neuronale Netzwerke, SVM (Kernel SVM, Multi-Class SVM, OneClass SVM), Naive Bayes, Minimum Risk.
Lernergebnis:
Die Absolvent*innen verstehen die Konsequenzen und Einschränkungen bei der Wahl eines bestimmten Machine Learning Modells im Kontext der statistischen Lerntheorie und in Bezug auf das No-free-lunch Theorem. Sie sind in der Lage, entsprechend aus bekannten Algorithmen auszuwählen, diese zu parametrisieren und bezüglich ihrer Komplexität zu bewerten. Während des Trainingsprozesses können sie Over- und Underfitting erkennen und mit geeigneten Gegenmaßnahmen dagegenwirken. Sie verfügen über das Wissen um geeignete Machine Learning Modelle für verschiedene Arten von Daten (numerische, Texte, Bilder) und Aufgabenstellungen (Klassifikation, Repräsentationslernen, Objekterkennung) auszuwählen.
Übergeordnetes Modul:
Data Science & Analytics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Projekt 1: Ideate, Design, Implement, Reflect
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2PR1PT |
| Typ | PT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Design Thinking Process, Innovation Management, (Agile-) Project Management, Process Monitoring, Änderungsmanagement, Krisen- und Konfliktmanagement in Projekten, Soziale Kompetenzen, Präsentationskompetenzen, Projektdokumentation, Portfolio-Management, Projektabschluss
Lernergebnis:
Die Absolvent*innen verfügen über durch in mehreren Projekten in wechselnden Gruppen erworbene Umsetzungskompetenzen zu Lerninhalten aus den Bereichen Digital Economy, Data Science & Analytics und Business Software Conception & Design. Diese Kurzprojekte fokussieren im 2. Semester vor allem auf den Bereich der Ideation und dem Design von neuen Geschäftsmodellen und deren Abbildung in Unternehmen und IT sowie auf Data-Awareness und die optimale Nutzung von Effekten der digitalen Transformation. Die Absolvent*innen sind in der Lage, etablierte Methoden (beispielsweise den Design Thinking Process) in diesem Bereich zur Anwendung zu bringen. In der Präsenzzeit stehen den Absolvent*innen dazu Coaches aus den genannten Bereichen und im Bereich Präsentation & Soft-Skills zur Verfügung. Durch deren Unterstützung und Feedback erwerben die Absolvent*innen die Fähigkeit, Projekte zielgruppengerecht zu präsentieren und haben das sichere Auftreten geübt. Sie sind in der Lage, sich einer Diskussion zu stellen und können dabei die unterschiedlichen Rollen der Stakeholder in den Prozessen perspektivisch einnehmen. Sie haben die Fähigkeit, die mit der Einführung von Technologie verknüpften Veränderungsprozesse zu thematisieren und einem Diskurs zuzuführen.
Übergeordnetes Modul:
Projekt 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Robust & Explainable AI
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2REAIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Metriken für Interpretierbarkeit, Nachvollziehbarkeit und Fairness von Modellen; Merkmalsauswahl; Model Pruning; Entscheidungsbäume; Ensemble-Methoden; Sensitivitätsanalyse.
Lernergebnis:
Die Absolvent*innen setzen sich mit erklär- und interpretierbaren Modellen der künstlichen Intelligenz (Explainable Artificial Intelligence, XAI) auseinander und können Entscheidungsbäumen und deren Erweiterungen als eine Form davon anwenden. Damit sind sie in der Lage, robuste Systeme zu bauen, deren Vorhersagen und Entscheidungen nachvollziehbar sind. Die Absolvent*innen verstehen es, den Einfluss einzelner Merkmale auf das Ergebnis zu interpretieren und kommunizieren die Modellentscheidungen. Weiters können sie die Modelle hinsichtlich ihres Ressourcenverbrauchs durch geeignete Merkmalsauswahl und/oder einer Ausdünnung des Modells während gleichzeitig die Vorhersagequalität hochgehalten wird, optimieren. Sie beherrschen die Analyse des Einflusses von unausgewogenen, verzerrten oder verrauschten Daten auf trainierte Systeme hinsichtlich Fairness oder Robustheit.
Übergeordnetes Modul:
Data Science & Analytics
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software Architecture Integration
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2SAIIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Grundlagen und Charakterisierung von Softwarearchitekturen; Architekturbezogene Qualitätsattribute; Modell- und serviceorientierte Architekturen; Software-Architekturentwicklung und System-Integration; Strategien und Techniken der Integration heterogener Systeme; Referenzarchitekturen und "Enterprise Integration Patterns"; Softwarearchitekturbewertung und Architekturmetriken; Architekturdokumentation; Aktuelle Themen zu Software-Architekturen.
Lernergebnis:
Die Absolvent*innen sind in der Lage zeitgemäße Softwarearchitekturen zu bewerten und können Architektur-Entscheidungen für Entwicklungs- und Integrationsprojekte solide argumentieren. Sie wenden dabei Software-Entwurfsmuster sowie Architekturmuster (insb. Enterprise Integration Patterns) an und können informatische Abstraktionsmethoden für beteiligte Stakeholder nachvollziehbar und nutzbar machen. Sie erkennen innovationsrelevante Fragestellungen und entwickeln selbständig geeignete Lösungskonzepte, um ein hohes Maß an technisch-methodischer Heterogenität systematisch zu managen.
Übergeordnetes Modul:
Business Software Conception & Design 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software Engineering & Operations
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | BINM2SEOIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Software-Projekt-Management; SW Qualitätsmanagement; Aufwandsschätzungsverfahren; Auswahl und Einsatz von Produkt- und Prozessmetriken; SW-Risikomanagement; Herausforderungen und Strategien des 'Development and IT Operations' (DevOps); Applikationssicherheit und Incident Management; Software-Engineering-Techniken für die Softwareentwicklung "im Großen"; Software Engineering Tool Chain; Aktuelle Themen des Software-Engineerings.
Lernergebnis:
Die Absolvent*innen verstehen die verschiedenen Aufgabenfelder und Tätigkeiten im Rahmen des Software-Entwicklungsprozesses und des Produktivbetriebs von Software und meistern systematisch die Herausforderungen der Organisation von unterschiedlichen wirtschaftsrelevanten Software-Projekten. Die Absolvent*innen sind in der Lage, Vorgehensmodelle zu beurteilen, können diese eigenständig weiterentwickeln und treiben so Konzeption, Implementierung und Monitoring von professionellen Software-Projekten und des damit verbundenen Produktivbetriebs selbständig voran.
Übergeordnetes Modul:
Business Software Conception & Design 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Big Data & Cloud Computing
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3BDCIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Paradigmen und Charakteristika des Big Data und Cloud-Computings; Überblick über gängige Big Data Frameworks und wirtschaftsrelevante Cloud-Infrastrukturen; Programmiertechniken für datenintensive Anwendungen und Nutzung hybrider cloudbasierter Infrastrukturen für die datenintensive Softwareentwicklung inklusive Edge-Computing; Implementierung von Case Studies; Ausgewählte Kapitel aus Big Data Computing.
Lernergebnis:
Die Absolvent*innen sind in der Lage, die technischen und organisatorischen Herausforderungen des Big Data Processing zu meistern und wenden dazu Methoden und Techniken der datenintensiven Softwareentwicklung an. Sie können gängige Big Data Frameworks einsetzen, verstehen es, die transdisziplinären Aspekte des Cloud-Computings zu nutzen und kommunizieren dessen technologische Fundierungen. Darüber hinaus sind sie in der Lage, ausgewählte Fallbeispiele datenintensiver Business-Anwendungen zu implementieren.
Übergeordnetes Modul:
Business Software Conception & Design 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Business Analytics & Financial Modelling
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3BAFIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Die Lehrveranstaltung thematisiert Auswirkungen der Digitalisierung auf das Controlling und Finanzmanagement. Sie zeigt die durch die digitale Transformation entstehenden Anforderungen und Herausforderungen auf und illustriert gleichzeitig die neuen Analysemöglichkeiten. Gegenstand der Lehrveranstaltung sind die Analyse von Geschäftsmodellen und Unternehmen sowie deren Abbildung, Planung und Bewertung im Rahmen eines Financial Models. Hierbei kommen aktuelle und praxisrelevante Methoden, Instrumente und Programme zum Einsatz, die zur Auswertung und Aufbereitung vergangener Finanzinformationen sowie zur Prognose künftiger Planungsrechnungen vorherrschend sind. Die darauf aufbauende Erstellung eines Financial Models erfolgt unter Berücksichtigung bestehender Modellierungsrichtlinien und Best-Practices und trägt der Notwendigkeit für Sensitivitäts- bzw. Szenarioanalysen angemessen Rechnung.
Lernergebnis:
Die Absolvent*innen verstehen die Bedeutung von Daten und deren Analysemöglichkeiten im Kontext des Controllings und Finanzmanagements sowie zur operativen Steuerung. Nach erfolgreichem Absolvieren der Lehrveranstaltungen können die Absolvent*innen praktische Problemstellungen zu operativen und finanzwirtschaftlichen Fragestellungen unter Einsatz relevanter Methoden, Instrumente und Programme lösen.
Übergeordnetes Modul:
Designing Processes
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Business Process Management
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3BPMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Business Process Management (BPM), Change- und Transformation Management, Agile Management, Digital Process Management, Agile Management and Agile Development, Metrics for Digital Process Management
Lernergebnis:
In einem Umfeld steigender Digitalisierung und der damit einhergehenden Dynamisierung haben die Absolvent*innen die Kompetenz, Geschäftsprozesse in Unternehmen mit dem Ziel einer Balance zwischen Stabilität und Agilität zu analysieren, zu gestalten und zu implementieren. Sie setzen sich dabei mit der Wechselwirkung zwischen Strategie-, Change- und Prozessmanagement im Kontext der Digitalisierung innerhalb von Unternehmen auseinander. Sie können Methoden des Business Process Management (z.B. unter Verwendung von BPMN) verwenden, um Veränderungsprozesse mit dem Ziel einer resilienten und agilen Unternehmensorganisation zu gestalten und softwaretechnisch zu implementieren. Sie sind in der Lage, eine Data-Awareness-Culture zu etablieren und unterstützen die Bildung modularer, interdisziplinärer und selbstständig agierender Teams (Mitarbeiter als Intrapreneur) zur Umsetzung von digitalen Geschäftsmodellen. Sie sind befähigt, Continuous Delivery durch Agility-by-Design Ansätze (agile strategy map) und der Verwendung von Metriken zur Abbildung und Steuerung der Prozesse zu fördern.
Übergeordnetes Modul:
Digital Economy 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Digital Customer Management
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3DCMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Im Rahmen dieses Kurses lernen die Studierenden typische Problemstellungen des strategischen und digitalisierten Kundenmanagements und deren Lösungsansätze kennen. Dazu werden grundlegende Methoden und digitale Konzepte (z.B. digitale Kundenakquise, digitales Cross-Selling, Kundenbindung, Beschwerdemanagement im Kontext der Digitalisierung) und deren Umsetzung in der Praxis besprochen. Konkret werden folgende Themen besprochen: - Grundverständnis des CRM-Ansatzes sowie des marktorientierten & zunehmend digitalen Kundenmanagements - VerständnisI für den Unterschied zwischen vergangenheitsbezogener Kundenbewertung und prognostizierter Kundenbewertung sowie deren jeweiligen Stärken und Schwächen - Kenntnis von wichtigen Kundenmanagement-strategien und Kenngrößen - Verständnis für die spezifischen Herausforderungen, die die Einführung eines wertorientierten Kundenmanagements mit sich bringt und geeignete Ansätze, diesen zu begegnen - Kritische Auseinandersetzung mit typischen Kundenmanagementszenarien - Ableitung von Kundenmanagementstrategien auf Basis der Schlüsselgrößen Customer Lifetime Value und Customer Equity - Bewertung von Handlungsalternativen im digitalisierten Kundenmanagement
Lernergebnis:
Am Ende der Lehrveranstaltung wissen die Absolvent*innen, welche Aufgaben CRM-Manager*innen im Rahmen einer marktbasierten Strategieentwicklung und deren (digitale) Umsetzung zu bewältigen haben. Die Absolvent*innen sind in der Lage, Ziele im Kundenmanagement zu formulieren und deren Wirkungen anhand von operativer Marktforschung zu messen. Die am Seminar Teilnehmenden sind in der Lage, Marktforschungsinstrumente gezielt einzusetzen, um Kundenbedürfnisse zu verstehen.
Übergeordnetes Modul:
Designing Processes
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ethik & Nachhaltigkeit
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3ENKIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 1 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Einführung (u.a. philosophische Perspektive) und Vertiefung in die Wirtschaftsethik bzw. Unternehmensethik (Business Ethics) insbesondere mit dem theoretischen Verhältnis von Wirtschaft, Ökonomik und Ethik (samt Nachhaltigkeit). Besonders soll dabei auf den Gegensatz Gesinnungsethik versus Verantwortungsethik eingegangen werden. Die Bedeutung des ethischen Handelns für den unternehmerischen Alltag sowie seine Auswirkungen auf das Umfeld (stakeholder) ist ein weiterer Schwerpunkt. Mittels Bearbeitung praktischer Fallbeispiele werden die Zusammenhänge mit dem strategischen Management aufgezeigt und vertieft. Auf die Diskussion neuer Trends bzw. die daraus entstehenden Herausforderungen für den Unternehmer (zum Beispiel im Zusammenhang mit Corporate Social Responsibility) wird besondere Rücksicht genommen.
Lernergebnis:
Die Absolvent*innen sind im Umgang mit Moral (moralische Ideale, unternehmerisches Gewinnstreben) und Ethik sensibilisiert und können diese Konzepte durch Erfahrungen, die sie in konkreten Fallbeispielen gemacht haben, zur praktischen Umsetzung bringen. Dabei sind sie in der Lage, das grundlegende Verständnis, warum die Auseinandersetzung mit ethischen Grundsätzen für ein Unternehmen wichtig sein kann, zu reflektieren und die Überleitung der erlernten theoretischen Ansätze in betriebliche Entscheidungsprozesse und damit deren Integration in den praktischen Unternehmensalltag zu gestalten.
Übergeordnetes Modul:
Digital Business Ethics & Responsibility
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterseminar
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3MASSE |
| Typ | SE |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Systematischer Aufbau eines Exposés und diskursive Verteidigung desselben in Gruppensituationen; Merkmale eines wissenschaftlichen Arbeitsstils; Literaturphase und thematische Breite (Varianten); Analyse aktueller Publikationen; Umgang mit wissenschaftlichen Literaturquellen (auch in elektronischer Form) inkl. Referenzierung; Qualitätsaspekte wissenschaftlichen Arbeitens.
Lernergebnis:
Die Absolvent*innen können selbständig zielorientierte Themenentwicklung für wissenschaftliche Arbeiten betreiben, sie weisen die Fähigkeit zum Aufbau wissenschaftlicher Argumentationslinien auf und verstehen die Bedeutung von methodischem Vorgehen. Sie sind zum vernetzten Denken und zur synthetischen Zusammenschau befähigt. Sie kennen den Publikations-Life-Cycle inklusive dem Review-Prozess. Darüber hinaus können sie inhaltliche, formale und strukturelle Qualitätsaspekte wissenschaftlicher Arbeiten einschätzen.
Übergeordnetes Modul:
Masterarbeit & Masterprüfung
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Projekt 2: Ideate, Design, Implement, Reflect
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3PR2PT |
| Typ | PT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Design Thinking Process, Innovation Management, (Agile-) Project Management, Process Monitoring, Änderungsmanagement, Krisen- und Konfliktmanagement in Projekten, Soziale Kompetenzen, Präsentationskompetenzen, Projektdokumentation, Portfolio-Management, Projektabschluss
Lernergebnis:
Anknüpfend an die entsprechende Lehrveranstaltung im 2. Semester vertiefen die Absolvent*innen die Kompetenz, das erworbene Wissen unter Reflexion der Lehrveranstaltungen "Business Architecture" sowie "Business Process Management" in konkreten Teilaufgaben komplexer Projekte umzusetzen. Dabei können sie technische Aufgabenstellungen lösen und in Software abbilden und sind in der Lage, dies im Setting von (agilen) IT-Projekten entsprechend abzuwickeln und zu dokumentieren. Sie sind in der Lage, das Spannungsfeld zwischen Continuous Delivery und Agilität einerseits, und Anforderungen an Planbarkeit und Compliance andererseits im Lichte der organisationspsychologischen Herausforderungen agiler Settings zu adressieren.
Übergeordnetes Modul:
Projekt 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Smarte Produktion & Logistik
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3SPLIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 5 |
| ECTS-Punkte | 8 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Das richtige Zusammenspiel aus Strategie, Unternehmenskultur, Organisation, Prozessmanagement sowie den Kompetenzen und Fähigkeiten der betroffenen Mitarbeiter und Führungskräfte ist entscheidend für eine erfolgreiche digitale Transformation. Theoretische Vorgehensmodelle, Methoden und Konzepte bieten dafür die notwendige Basis und werden mit ausgewählten Best Practice Beispielen und Erfahrungsberichten aus der Praxis verglichen. Im Fokus stehen dabei Digitalisierungsprojekte, die eine unternehmensinterne, vertikale digitale Integration als Zielsetzung haben. Projekte im Kontext von Industrie 4.0 zum Beispiel zur Automatisierung und Effizienzsteigerungen von Produktions- und Logistikprozessen, werden analysiert und die entscheidenden Erfolgsfaktoren werden herausgearbeitet. Die Studierenden erhalten das notwendige methodische Rüstzeug, um Digitalisierungsprojekte in Unternehmen zu analysieren, Abläufe und Vorgehensweisen zu verstehen und Ergebnisse und Zielerreichung beurteilen zu können. Die dafür notwendigen persönlichen und methodischen Kompetenzen stehen im Vordergrund und bilden damit eine Ergänzung zu den bereits erworbenen technischen Kompetenzen.
Lernergebnis:
Basierend auf den technischen Kenntnissen erweitern Absolvent*innen ihre betriebswirtschaftlichen Kompetenzen, um Digitalisierungsprojekte in Unternehmen unterstützen bzw. selbst initiieren und leiten zu können. Sie sind damit in der Lage alle relevanten Aspekte eines Digitalisierungsprojektes zu erkennen und sie wissen über die wesentlichen Erfolgsfaktoren Bescheid. Sie können Digitalisierungsprojekte eigenständig initiieren, planen und umsetzen. Sie erwerben vor allem auch die notwendigen sozialen und methodischen Kompetenzen für die Durchführung von Digitalisierungsprojekten inkl. den dazugehörigen Chance-Management Tools.
Übergeordnetes Modul:
SP: Digital Transformation in Operations & Supply Chain Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Foundations of IT Security
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3FISIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Nach einer kurzen Wiederholung der Grundlagen der Kryptographie wird die IT-Security als Gesamtbereich vorgestellt. Themen wie die Analyse und Darstellung aktueller Bedrohungen in der IT werden ebenso diskutiert, wie organisatorische Aspekte der IT-Security, also die Einbettung und Umsetzung einer Sicherheitsstrategie im Firmenumfeld. Im Anschluss werden Planung und Umsetzung einer systematische Sicherheitsanalyse von komplexen IT-Systemen diskutiert, deren praktische Umsetzung auch im Labor nachvollzogen wird. Schließlich werden fortgeschrittene Themen der IT-Security wie z.B. Intrusion Detection und Prevention im Detail diskutiert.
Lernergebnis:
Die Absolvent*innen erwerben Kenntnisse und praktische Fähigkeiten auf dem Gebiet des Betriebes und des Entwurfes von ausgedehnten, abgesicherten Kommunikationsnetzwerken. Sie verstehen Bedrohungspotenziale für Netzinfrastrukturen und kennen Gegenmaßnahmen. Die Absolvent*innen sind in der Lage Gegenmaßnahmen gegen aktuelle Bedrohungen praktisch umzusetzen.
Übergeordnetes Modul:
SP: Networking, Security & Privacy
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Network Reliability & Virtualization
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3NRVIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Netzwerkplanung und -implementierung mit dem Fokus auf Netzzuverlässigkeit. Fortgeschrittene Netzwerkthemen aus dem Bereich ISP und Datacenter-Networking, wie beispielsweise das Border Gateway Protocol (BGP), Multicast, Virtual Extensible Lan (VxLAN), Speichernetzwerke etc. Virtualisierung und deren Einfluss auf moderne Netzwerke. Aktuelle Entwicklungen im Netzwerkbereich wie beispielsweise Netzwerkvirtualisierung, Software Defined Networks (SDN), Programmierbare Dataplanes (z.B. P4) und Next-Gen SDN.
Lernergebnis:
Die Absolvent*innen können verlässliche, performante IP-Netzwerke planen und implementieren, sie können Netzwerke betreffend deren Ausfallsicherheit bewerten und optimieren. Sie können IP-Multicast Netzwerke planen, implementieren und optimieren. Sie sind grundlegend mit BGP vertraut und können grundlegende BGP-Konfigurationen vornehmen. Sie sind mit aktuellen Netzwerktechnologien aus den Bereichen Enterprise Networking, Datacenter Networking und Service Provider Networking vertraut. Sie haben Einblick in aktuelle Entwicklungen im Bereich der Netzwerktechnologie (z.B. Software Defined Networks (SDN), Programmierbare Dataplanes (z.B. P4) und Next-Gen SDN).
Übergeordnetes Modul:
SP: Networking, Security & Privacy
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Deep Learning
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3DLGIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Deep Learning Paradigma, Representation Learning, Convolutional Neural Networks, Fully Convolutional Networks, Generative Adversarial Networks, Skip Connections, Parametrisierung und Modellauswahl bzw. design. Anwendungsbereiche: Image classification, Object detection, Image segmentation. Tools: Python, Pytorch/Tensor-Flow, Anaconda, Git, Unix/Bash, GPUs. Weitere Aspekte: Optimale Nutzung von Hardware- (GPUs, GPU-Cluster) und Softwareressourcen.
Lernergebnis:
Die Absolvent*innen kennen sowohl grundlegende als auch aktuelle Ansätze und Methoden aus den Bereichen Deep Learning und Repräsentationslernen und sind in der Lage, diese mit geeigneten Toolboxen auf Datensätze anzuwenden. In praktischen Aufgaben untersuchen sie den Modellaufbau und die Wahl der Modellparameter und entscheiden über den Einsatz von vortrainierten Modellen im Sinne des Transferlernens. Sie kennen Methoden des teilüberwachten Lernens und der Datenanreicherung, um die Effektivität bei kleinen Datensätzen mit Domänenwissen zu optimieren (Small Data Challenge). Sie parametrisieren die jeweiligen Lernalgorithmen und wenden sie auf Datensätze unter optimaler Nutzung der Hard- und Software-Ressourcen an. Sie sind in der Lage, mit diesen Methoden innovative Anwendungen zu entwickeln und kennen die Grenzen und Einsatzgebiete der jeweiligen Algorithmen.
Übergeordnetes Modul:
SP: New Technologies for Applied Artificial Intelligence
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Natural Language Processing
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM3NLPIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Natural Language Processing mit Deep Neural Networks, beispielsweise Recurrent Neuronal Networks, Attention-Models, Transformers or BERT. Contextualized representations, Subword tokenization, Beam Search.
Lernergebnis:
Die Absolvent*innen sind in der Lage, sogenannte Attention-based Modelle zur Verarbeitung natürlicher Sprache anzuwenden und geeignete Netzwerke für Anwendungen in Bereichen wie maschinelle Übersetzung und Stimmungsanalyse in sozialen Netzwerken zu implementieren. Aufbauend auf zuvor erworbenen Fähigkeiten in der Vorverarbeitung von Textdaten können sie kontextualisierte Textrepräsentationen und komplexe Netzwerkarchitekturen dazu verwenden. Sie sind in der Lage, Netzwerkparameter und -design problemadäquat zu bestimmen und kennen die Grenzen und Anwendungsbereiche der jeweiligen Algorithmen.
Übergeordnetes Modul:
SP: New Technologies for Applied Artificial Intelligence
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Digitization & Responsibility
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4DRPIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Eine breite gesellschaftliche Akzeptanz neuer Technologien und Geschäftsmodelle kann nur erreicht werden, indem Unternehmen ihre digitale Transformation werteorientiert gestalten. Die Diskussion rund um Verantwortung und Digitalisierung spielt als fester Bestandteil der integren Unternehmensführung eine zentrale Rolle, um eine nachhaltige Basis für die Interaktion mit Kunden, Mitarbeitern und anderen Stakeholdern zu schaffen. Im Fokus steht dabei die werteorientierte Compliance und die Bereitschaft von Unternehmen, für die Achtung der eigenen Werte Sorge zu tragen. Es wird die Frage nach dem richtigen Handeln gestellt und dem guten Leben unter den Bedingungen der Digitalisierung: Schwerpunkt sind zirkuläre Geschäftsmodelle. Was sind die gesellschaftlichen, ökologischen und ökonomischen Verträglichkeiten digitaler Technologien in ihrer Entwicklung und Anwendung. Demnach ergeben sich für jedes Unternehmen digitalethische Risiken - aber auch Chancen.
Lernergebnis:
Absolvent*innen kennen die Chancen und Herausforderungen für verantwortungsbewusste Unternehmen in der digitalen Welt. Sie können selbst einen Beitrag zum öffentlichen Diskurs leisten und Unternehmen ermutigen, sich proaktiv mit Digitalethik und sozial-/ökologischen Implikationen zu befassen und diese strategisch und operativ erfolgreich zu verankern.
Übergeordnetes Modul:
Digital Business Ethics & Responsibility
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterarbeit
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4MARIT |
| Typ | IT |
| Art | Diplom/Masterarbeit |
| Unterrichtssprache | Deutsch |
| SWS | 0 |
| ECTS-Punkte | 19 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Entwickeln und selbständiges Bearbeiten der Fragestellungen und der inhaltliche Auseinandersetzung zu einem Thema der Wirtschaftsinformatik (Kernfachgebiete stellen die Digital Economy sowie die Spezialisierungen dar) unter besonderer Berücksichtigung des Innovationspotentials der angestrebten Lösungen unter Berücksichtigung einer wissenschaftlich strukturierten und am jeweils aktuellen Stand der Literatur argumentierten Vorgangsweise.
Lernergebnis:
Die Absolvent*innen können eigenständig schriftliche Arbeiten ausfertigen und dabei wissenschaftlich-systematisch vorgehen. Neben Problemanalyse und -darstellung können sie Ziele erkennen, Hypothesen formulieren und kritisch hinterfragen. Sie entwickeln die inhaltlich auf die Spezialisierung hin orientierte Masterarbeit. Die Absolvent*innen können ihre Vorgehensweise wissenschaftlich argumentieren und rechtfertigen.
Übergeordnetes Modul:
Masterarbeit & Masterprüfung
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterprüfung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4MPGDP |
| Typ | DP |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 0 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | abschließend |
Lehrveranstaltungsinhalte:
Defensio, Fachprüfungsgespräche
Lernergebnis:
Die Absolvent*innen sind in der Lage, die in der Masterarbeit erarbeiteten Hypothesen und Lösungsansätze in Relation zu den fachlichen Anforderungen der Aufgabenstellung aus dem Bereich Business Informatics zu präsentieren und diskursiv zu verteidigen. Sie können Querbezüge zu Lehrinhalten des Studiums herstellen und argumentieren.
Übergeordnetes Modul:
Masterarbeit & Masterprüfung
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ringvorlesung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4RVGRC |
| Typ | RC |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 1 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Panels- bzw. Kurzvorträge mit anschließender Diskussion aus verschiedenen F&E Projekten des Studiengangs und aus Kooperationen mit Unternehmen zu aktuellen Themen. Literaturbesprechungen.
Lernergebnis:
Die Absolvent*innen lernen aktuelle Anwendungsszenarien im Bereich Wirtschaftsinformatik kennen, reflektieren gemeinsam mit Betroffenen und Akteuren die Auswirkungen des Einsatzes von digitalen Technologien und sind in der Lage, diese Erkenntnisse in Erfahrungswissen für ihre zukünftige Tätigkeit zu transformieren.
Übergeordnetes Modul:
Digital Business Ethics & Responsibility
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Digital Supply Network Collaboration
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4DSNIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Diese Lehrveranstaltung erweitert das Thema der Digitalisierung von Wertschöpfungsprozessen um die Aspekte der unternehmensübergreifenden Transformation und hier insbesondere um die Fragestellung, wie die Digitalisierung die Art und Weise der Zusammenarbeit aller Partner innerhalb eines Wertschöpfungsnetzwerks verändert. Die Bereitschaft Daten auszutauschen, Transparenz zu schaffen und ein Gesamtoptimum zu finden, stellen einige der Besonderheiten in diesem Kontext dar. Eine bessere Koordination und Abstimmung innerhalb der SC wird unter anderem durch einen automatisierten und standardisierten Datenaustausch erreicht. Diese Daten ermöglich auch die Entwicklung neuer digitaler Geschäftsmodelle und Strategien verlangen mehr und mehr nach win-win Situationen für alle Partner in der SC. Gerade die Verteilung von Aufwand und Ertrag wird so zu einer wesentlichen Herausforderung, wenn es um die Digitalisierung im SCM geht.
Lernergebnis:
Basierend auf den technischen Kenntnissen, erweitern Absolvent*innen ihre fachlichen Kompetenzen, um soziale und methodische Kompetenzen, um darauf aufbauend unternehmensübergreifende Digitalisierungsprojekte unterstützen bzw. selbst initiieren und selbst leiten zu können. Die Absolvent*innen wissen um die Bedeutung von Transparenz, Kommunikation und Koordination in der Supply Chain. Sie kennen die Herausforderungen und notwendigen Rahmenbedingungen, und können selbst Optimierungsansätze entwickeln. Die Absolvent*innen erwerben das notwendige Rüstzeug um beurteilen zu können, wie Informationen und Daten innerhalb einer SC ausgetauscht werden, welche Probleme und Effekte dabei entstehen können und kennen entsprechende Lösungsansätze. Sie sind in der Lage neue Ideen zu entwickeln, wie die Daten einer Supply Chain monetarisiert werden können, wie Aufwand und Ertrag gleichmäßig verteilt werden können und wie schlussendlich ein gemeinsames Geschäftsmodell entwickelt werden kann.
Übergeordnetes Modul:
SP: Digital Transformation in Operations & Supply Chain Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Secure Network Operations & Analytics
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4NOAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Hauptinhalt dieser Lehrveranstaltung ist das Management und die Organisation von IT-Sicherheit, sowie der sichere Betrieb von großen Netzwerkinfrastrukturen. Dabei werden sowohl organisatorische Aspekte der Sicherheitsmanagements als auch technische Aspekte behandelt. Es werden aktuelle Ansätze zur organisatorischen Umsetzung von IT-Sicherheit in Unternehmen ebenso behandelt, wie technische Methoden um relevante Daten zu Security und Performance im Netzwerk zu erheben und diese sinnvoll zu analysieren und aufzubereiten.
Lernergebnis:
Absolvent*innen kennen aktuelle Ansätze in der organisatorischen Einbindung und dem Management von IT-Security. Sie sind mit dem Prozess zur Erstellung von Security Policies vertraut und kennen Verfahren zur Sicherstellung ihrer Einhaltung, sowie der Gewährleistung des sicheren Betriebs durch Security Information and Event Management (SIEM). Die Absolvent*innen kennen aktuelle Verfahren um Sicherheitskonzepte in großen Netzwerkinfrastrukturen umzusetzen. Sie wissen darüber hinaus, wie der sichere Betrieb dieser Infrastrukturen durch Erhebung von Daten zu Security und Performance überprüft werden kann und können fortgeschrittene Methoden zu Auswertung und Analyse dieser Daten anwenden.
Übergeordnetes Modul:
SP: Networking, Security & Privacy
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Current Trends in AI
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | BINM4CTAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lehrveranstaltungsinhalte:
Die Inhalte orientieren sich an aktuellen Forschungsthemen und Kooperationen des Applied Data Science Labs der Fachhochschule Salzburg und werden in Form von Gastvorträgen, Speziallabors, Artikelbesprechungen und Workshops angeboten. Das jeweilige Angebot wird im Wintersemester entwickelt und bekannt gegeben. Die Lehrveranstaltung kann auch in Form von ECTS-Credits aus anderen technischen Masterstudiengängen mit Bezug zum Thema belegt werden.
Lernergebnis:
Gemeinsam mit Forscher*innen und Expert*innen entwickeln und diskutieren die Absolvent*innen neue Anwendungen und Technologien im Bereich der künstlichen Intelligenz. Sie sind in der Lage wissenschaftliche Artikel zu studieren und sich mit Herausforderungen und Lösungsansätzen in Unternehmen auseinander zu setzen. Sie können über die Auswirkungen der Technologie und deren soziale und ethische Implikationen reflektieren.
Übergeordnetes Modul:
SP: New Technologies for Applied Artificial Intelligence
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung