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 |
Lernergebnis:
Die Studierenden 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 Studierenden anwendbar. Dabei werden diese Instrumente in den Kontext des New Work-Ansatzes gestellt. Außerdem verfügen Studierende 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Studierende 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 Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 Studierenden sind in der Lage, etablierte Methoden (beispielsweise den Design Thinking Process) in diesem Bereich zur Anwendung zu bringen. In der Präsenzzeit stehen den Studierenden dazu Coaches aus den genannten Bereichen und im Bereich Präsentation & Soft-Skills zur Verfügung. Durch deren Unterstützung und Feedback erwerben die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 Studierenden 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 |
Lernergebnis:
In einem Umfeld steigender Digitalisierung und der damit einhergehenden Dynamisierung haben die Studierenden 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 |
Lernergebnis:
Am Ende der Lehrveranstaltung wissen die Studierenden, welche Aufgaben CRM-Manager*innen im Rahmen einer marktbasierten Strategieentwicklung und deren (digitale) Umsetzung zu bewältigen haben. Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Anknüpfend an die entsprechende Lehrveranstaltung im 2. Semester vertiefen die Studierenden 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 |
Lernergebnis:
Basierend auf den technischen Kenntnissen erweitern Studierende 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 |
Lernergebnis:
Die Studierenden 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 Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Studierende 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 |
Lernergebnis:
Die Studierenden 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 Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Die Studierenden 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 |
Lernergebnis:
Basierend auf den technischen Kenntnissen, erweitern Studierende ihre fachlichen Kompetenzen, um soziale und methodische Kompetenzen, um darauf aufbauend unternehmensübergreifende Digitalisierungsprojekte unterstützen bzw. selbst initiieren und selbst leiten zu können. Die Studierenden 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 Studierenden 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 |
Lernergebnis:
Studierende 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 Studierenden 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 |
Lernergebnis:
Gemeinsam mit Forscher*innen und Expert*innen entwickeln und diskutieren die Studierenden 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