Stand: WiSe 2024
| Name | Analyse und Entscheidung | |
| Katalog-Nummer | FK 10#WIBDM#425 | |
| Zugehörigkeit zu Curriculum |
Bachelor Wirtschaftsinformatik - Digitales Management | 425 | 5 Leistungspunkte
|
|
| Modulverantwortung |
Ertl, Christoph (Prof. Dr.)
|
|
| Lehrende | ||
| Prüfung(en) | ||
| Lehr- und Lernform(en) |
Vorlesung | 4 SWS | SU - wird nicht angeboten
Übung | 0 SWS | Ü - wird nicht angeboten
|
|
| Arbeitsaufwand |
Präsenzzeit: 0 Stunden
Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
|
|
|
Voraussetzungen
|
|
|
|
Verwendbarkeit
|
|
|
| Inhalt / Lernziele |
In diesem Modul setzen sich die Studierenden mit Verfahren der Datenanalyse und der betriebswirtschaftlichen Entscheidungstheorie auseinander, um datenbasierte und fundierte Entscheidungen im betrieblichen Umfeld treffen zu können. Sie erlernen den Umgang mit Methoden wie Entscheidungsbäumen, Goal Programming und Multi-Kriterien-Analysen, um komplexe Entscheidungssituationen zu modellieren und zu lösen. Zudem reflektieren die Studierenden Beispiele für nicht rationales Entscheidungsverhalten und lernen, Entscheidungsprozesse kritisch zu bewerten. Im Bereich der Datenanalyse erwerben die Studierenden praktische Kenntnisse zu Datenvorbereitung, maschinellem Lernen und neuronalen Netzen. Sie entwickeln ein grundlegendes Verständnis für zentrale Konzepte wie Künstliche Intelligenz (KI), Deep Learning und die Bayes’sche Entscheidungstheorie. Ergänzend lernen sie, Datenanalyseergebnisse mit geeigneten Tools aufzubereiten und zu visualisieren. Neben den fachlichen Inhalten stärken die Studierenden ihre Team- und Selbstkompetenzen, indem sie in Gruppen Projektthemen zu Datenanalyse und Entscheidungsfindung bearbeiten und eigenverantwortlich Teilgebiete erarbeiten. Das Modul bietet eine praxisnahe Einführung in die Grundlagen der Datenanalyse und Entscheidungstheorie. Es befähigt die Studierenden, wirtschaftliche Entscheidungen mithilfe analytischer Verfahren zu modellieren und datenbasiert zu optimieren. |
|
| Name | Analysis and decision | |
| Katalog-Nummer | FK 10#WIBDM#425 | |
| Zugehörigkeit zu Curriculum |
Bachelor Wirtschaftsinformatik - Digitales Management | 425 | 5 Leistungspunkte
|
|
| Modulverantwortung |
Ertl, Christoph (Prof. Dr.)
|
|
| Lehrende | ||
| Prüfung(en) | ||
| Lehr- und Lernform(en) |
Vorlesung | 4 SWS | SU - wird nicht angeboten
Übung | 0 SWS | Ü - wird nicht angeboten
|
|
| Arbeitsaufwand |
Präsenzzeit: 0 Stunden
Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
|
|
|
Voraussetzungen
|
|
|
|
Verwendbarkeit
|
|
|
| Inhalt / Lernziele |
In this module, students engage with methods of data analysis and business decision theory to enable data-driven and well-informed decision-making in a corporate context. They learn to apply techniques such as decision trees, goal programming, and multi-criteria analysis to model and solve complex decision-making scenarios. Additionally, students reflect on examples of non-rational decision-making behavior and develop critical evaluation skills for decision processes. In the field of data analysis, students acquire practical knowledge of data preparation, machine learning, and neural networks. They gain a foundational understanding of key concepts such as Artificial Intelligence (AI), Deep Learning, and Bayesian decision theory. Furthermore, they learn how to process and visualize data analysis results using appropriate tools. Beyond the subject-specific content, students enhance their teamwork and self-management skills by working in groups on projects related to data analysis and decision-making and independently exploring specific topics. This module provides a practical introduction to the fundamentals of data analysis and decision theory. It enables students to model and optimize business decisions using analytical methods and data-driven approaches. |
|