Direktzugriff für Studierende
- Künstliche Intelligenz (KI) im Wandel
- KI-Werkzeuge und ihre Einbindung
- Aufbauorganisatorische Einbindung von KI: Von Competence Centern zu Self-Service AI/Analytics
- Ablauforganisatorische Einbindung der KI: DataOps und MLOps
- Künstliche Neuronale Netze und Deep Learning
- Die besondere Rolle großer Sprachmodelle
- Explainable Artificial Intelligence
- Augmented-Reality- und Virtual-Reality-Technologien
- Immersion und Telepräsenz
- KI-Ethik, KI-Governance und KI-Recht
- Anwendungsdomänen und ausgewählte Branchen und betriebliche Funktionen
- Data Science-Methoden anhand etablierter Vorgehensmodelle wie CRISP-DM
- Modellierung von Kundendaten, besonders Kundenverhalten
- Grundlegende Programmierkonzepte (wahrscheinlich mit Python)
- Insbesondere Analyse von Daten aus dem E-/M-/VR-Commerce
- Prognoseverfahren
- Eye-Tracking Daten, Clickdaten, Neurophysiologische Daten, Verkaufsdaten, sonstige Unternehmensdaten
- Datenvisualisierung und Evaluation mit Hilfe von Programmiersprachen und Software
- Geschäftsmodelle und Geschäftsprozesse als Ausgangspunkt des IT-Managements
- Geschäftsprozesse: Typen, Zusammenspiel, IT-Bezug, Rahmenkonzepte, Modellierung
- Strategisches Informationsmanagement: Überblick und Gegenstände
- Frameworks für das Informationsmanagement (insbes. EAM, ITSM, Governance)
- Daten- und Analytics-Strategien - Architekturen und Organisationskonzepte für das Datenmanagement Trends
- Grundlagen IoT, insbes. Digital Twin
- Grundlagen AI, insbes. des maschinellen Lernens
- Smarte Sensoren und Aktoren, Sensornetzwerke
- Dateninfrastrukturen für IoT und AI (cloud- und edge-basiert, Data Warehouse, Data Lake, Data Lakehouse, Data Mesh)
- AI-Tools und AI-Umgebungen (inkl. Self-Service AI, AutoML, NoCodeAI)
- Künstliche Neuronale Netze
- Organisationansätze
- Governance-Aspekte
- Strategische Aspekte
- Fallstudie in Gruppenarbeit
Kontakt
Henning Baars
Dr.Akademischer Oberrat