Modulhandbuch SPO 30 Master of Science in Wirtschaftsinformatik (konsekutiv)

Transkript

1 Hochschule Aalen - Technik und Wirtschaft Modulhandbuch SPO 30 Master of Science in Wirtschaftsinformatik (konsekutiv) Fakultät für Wirtschaftswissenschaften Stand

2 Inhaltsverzeichnis Abbildungsverzeichnis... I 1 Modulübersicht - Wirtschaftsinformatik M.Sc.(konsekutiv) Quantitative Methoden und Statistik Big Data Grundlagen Big Data Technologien und Anwendungsfälle In-Memory Data Management Business-Analytics Online Marketing & Web-Analytics International Project Management Customer Relationship Marketing Market Research Business Intelligence Unternehmensführung & -steuerung Wahlpflichtfach IT-Compliance & Ethik Masterarbeit Studium Generale Abbildungsverzeichnis Abbildung 1 - Modulübersicht 1 - I -

3 1 Modulübersicht - Wirtschaftsinformatik M.Sc.(konsekutiv) Abbildung 1 Modulübersicht 1 1 Abbildung 1 - Studien- und Prüfungsordnung für Master-Studiengänge der Hochschule Aalen (SPO 30)

4 Quantitative Methoden und Statistik Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. C. Koot Modul-Name Quantitative Methoden und Statistik Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Quantitative Methoden und Roger Knecktys V Ü PLM 20 Statistik benotet Zugelassene Hilfsmittel Keine - 2 -

5 Lernziele / Kompetenzen Allgemeines: Ausgehend von den Grundlagen der elementaren Statistik und Wahrscheinlichkeitsrechnung steht im Mittelpunkt der Vorlesung die Theorie und Anwendung von "Stochastischen Prozessen". Als wichtige Gruppe stochastischer Prozesse werden Markov-Ketten behandelt. Die Studierenden sind in der Lage, diese im Operationsmangement und quantitativem Risikomangement zielgerichtet im jeweiligen Kontext anzuwenden und deren Ergebnisse zu analysieren und zu interpretieren. Studierende Die Studierenden erlernen die Analyse von M Prozessen (Poisson Prozessen) im Hinblick auf die Queueing Theorie; ferner untersuchen und entwickeln sie diese in Hinsicht auf die quantitativen Auswirkungen von Standard KPIs (z.b. WIP/Cycle Time etc.)). Weiterhin wird die Grundlage der Martingaltheorie eingeführt und von den Studierenden in der Finanztheorie angewendet. Studierende erlernen einfache Modelle der Optionspreis-Berechnung (CRR-Modell) und sind mit den Grundlagen zur Black-Scholes-Formel vertraut. Den Abschluss bilden quantitative Methoden aus der Game Theory, die zur Analyse von Wettbewerbsmodellen benötigt werden. Am Beispiel gemischter Strategien wenden Studierende stochastische Methoden zur quantitativen Bewertung von Handlungsalternativen an (Rational Choice Theorie). Fachkompetenz: Studierende beherrschen die analytische Modellierung stochastischer Prozesse im anwendungsbezogenen Kontext. Methodenkompetenz: Studierende lernen Methoden des Projektmanagements anzuwenden. Sozialkompetenz: Studierende sind in der Lage, mit den Herausforderugnen im Projektteam umzugehen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Axiomatische Einführung der Wahrscheinlichkeitstheorie und Grundbegriffe aus der Maßtheorie Repetitoriun deskriptive Statistik Zufallsvariablen und stochastische Prozesse Markov Ketten und Anwendungen Martingaltheorie und elementare Finanztheorie Game Theory und Risikomanagement - 3 -

6 Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur Stochastik - Struktur im Zufall H.Knöpfel M.Löwe degruyter 2.Aufl Understanding Markov Chains N.Privault Springer 2013 Wahrscheinlichkeitstheorie und Stochastische Prozesse M.Mürmann Springer 2014 Moderne Finanzmathematik R.Korn Springer 2014 Ziegler, B.: Grundlagen der statistischen Methodenlehre, (jeweils neueste Auflage), Gernsbach Fahrmeir, L., Hamerle, A. and Tutz, G. (eds) (1996). Multivariate statistische Verfahren, 2nd edn, de Gruyter, Berlin Rossi, P.E., Allenby, G., McCulloch, R. (2005). Bayesian Statistics and Marketing, John Wiley and Sons. Bankhofer, Vogel: Datenanalyse und Statistik - Eine Einführung für Ökonomen im Bachelor, Gabler Bankhofer, Vogel: Übungsbuch Datenanalyse und Statistik - Aufgaben - Musterklausuren - Lösungen, Springer Gabler Zusammensetzung der Endnote Bemerkungen / Sonstiges Ergebnis der mündlichen Prüfung. Der regelmäßige Besuch der Lehrveranstaltungen wird dringend empfohlen. Letzte Aktualisierung

7 Big Data Grundlagen Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. C. Koot Modul-Name Big Data - Grundlagen Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Big Data - Grundlagen Tommy Baumann V Ü PLK 90 benotet Zugelassene Hilfsmittel Keine - 5 -

8 Lernziele / Kompetenzen Allgemeines: Die Studierenden beherrschen zentrale Merkmale und Funktionalitäten datenorientierter betriebswirtschaftlicher Anwendungssysteme (Big Data) Fachkompetenz: Die Studierenden lernen die Begriffe und Methoden von Big Data kennen (Stufe 1) und können Zusammenhänge zwischen diesen herstellen (Stufe 2). Sie können die Begriffe von Big Data interpretieren und miteinander in Verbindung setzen. Anwendungsunabhängig können Studierende Big Data Technologien verstehen und können diese testen und anwenden. Methodenkompetenz: Erstes Anwenden der Algorithmen, Verfahren und Architekturen für Data Science & Big Data. Sozialkompetenz: Die Studierenden sind in der Lage das erlangte Faktenwissen selbstständig aufzubereiten und im Rahmen von Präsentationen vorzustellen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Grundlagen von Data Science & Big Data Hadoop & Map Reduce NoSQL Datenbanken In-Memory Datenbanken Big Data Visualisierung Big Data Analytics Real-Time Data Streams Big Data & Cloud Computing Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch - 6 -

9 Literatur D. Syme, A. Granicz, und A. Cisternino, Expert F# 3.0, 3. Aufl. Apress, L.-J. Zhang, Editorial: Big Services Era: Global Trends of Cloud Computing and Big Data, IEEE Transactions on Services Computing, Bd. 5, Nr. 4, S , H. Plattner und A. Zeier, In-memory data management: an inflection point for enterprise applications. Springer, T. White, Hadoop: The definitive guide. O Reilly Media, M. Indrawan-Santiago, Database Research: Are We at a Crossroad? Reflection on NoSQL, in th International Conference on Network- Based Information Systems, Los Alamitos, CA, USA, 2012, Bd. 0, S A. McAfee und E. Brynjolfsson, Big data: the management revolution., Harvard business review, Bd. 90, Nr. 10, S. 60, S. LaValle, E. Lesser, R. Shockley, M. S. Hopkins, und N. Kruschwitz, Big data, analytics and the path from insights to value, MIT sloan management review, Bd. 52, Nr. 2, S , Weitere vertiefende Literatur wird in der Veranstaltung bekannt gegeben. Zusammensetzung der Endnote Ergebnis der Klausur Bemerkungen / Sonstiges Letzte Aktualisierung

10 Big Data Technologien und Anwendungsfälle Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. C. Koot Modul-Name Big Data - Technologien und Anwendungsfälle Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 2 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Big Data - Technologien und Tommy Baumann V Ü PLK 90 Anwendungsfälle P benotet Zugelassene Hilfsmittel Keine - 8 -

11 Lernziele / Kompetenzen Allgemeines: Studierende vertiefen zentrale Merkmale und Funktionalitäten datenorientierter betriebswirtschaftlicher Anwendungssysteme (Big Data) Fachkompetenz: Die Studierenden können die in der Grundlagen-Lehrveranstaltung behandelten Technologien von Big Data auf beispielhafte Problemstellungen anwenden (Stufe 3), um Lösungsansätze zu erarbeiten. Die Studierenden sind zudem mit Hilfe der besprochenen Technologien und Anwendungsbeispiele in der Lage, Big Data Problemstellungen zu erkennen und Lösungsansätze zu erstellen (Stufe 4). Methodenkompetenz: Die Studierenden erlernen das strukturierte Denken durch vertieftes Anwenden von Algorithmen, Verfahren und Architekturen für Data Science & Big Data Sozialkompetenz: Die Studierenden sind in der Lage ihre Fähigkeiten sowohl selbstständig als auch im Team auf konkrete Aufgabenstellungen anzuwenden. Sie erlangen die Fähigkeit zur systematischen und strukturierten Anwendung verschiedener Lösungsmöglichkeiten zur Konzeption und Umsetzung von Big Data Anwendungen Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Vertiefung von Methoden und Technologien zur Verarbeitung von großen Datenmengen Konzeption und Implementation von Big Data Anwendungen unter Einsatz von Simulationsmodellen o Überwachung und Diagnose technischer Systeme o Qualitätsanalyse durch integrierte Daten o Flottenmanagement in Echtzeit o Trend-Analyse im Internet Anwendung von Big Data Technologien im Rahmen der Erstellung von Simulationsmodellen, u.a.: parallele Verarbeitung großer Datenmengen o Anfragesprachen und Anfrageframeworks, wie bspw. MapReduce o Erkennung von Ereignisketten o Kompressionsalgorithmen o Datenpartitionierung und Datenreplikation - 9 -

12 Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur D. Syme, A. Granicz, und A. Cisternino, Expert F# 3.0, 3. Aufl. Apress, L.-J. Zhang, Editorial: Big Services Era: Global Trends of Cloud Computing and Big Data, IEEE Transactions on Services Computing, Bd. 5, Nr. 4, S , H. Plattner und A. Zeier, In-memory data management: an inflection point for enterprise applications. Springer, T. White, Hadoop: The definitive guide. O Reilly Media, M. Indrawan-Santiago, Database Research: Are We at a Crossroad? Reflection on NoSQL, in th International Conference on Network-Based Information Systems, Los Alamitos, CA, USA, 2012, Bd. 0, S A. McAfee und E. Brynjolfsson, Big data: the management revolution., Harvard business review, Bd. 90, Nr. 10, S. 60, S. LaValle, E. Lesser, R. Shockley, M. S. Hopkins, und N. Kruschwitz, Big data, analytics and the path from insights to value, MIT sloan management review, Bd. 52, Nr. 2, S , Brauer, Hampe, Edlich, Friedland, Brückner: NoSQL: Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken, Carl Hanser Verlag, 2. Auflage Plattner, Zeier: In-Memory Data Management: Technology and Applications, Springer Verlag, 2. Auflage, 2012 Sauer, C. Härder, T.: Compilation of Query Languages into MapReduce, Datenbank-Spektrum 1/13; S.5-16, Springer, 03/2013 Schildgen J.; Jörg, T.; Deßloch, S.: Inkrementelle Neuberechnungen in MapReduce, Datenbank-Spektrum 1/13; S , Springer, 03/2013 Tiwari, S.: Professional NoSQL, Wrox, 2011 Runkler, T. A.: Data Analytics: Models and Algorithms for Intelligent Data Analysis, Springer- Vieweg, aktuelle Auflage Berthold, M.; Borgelt, C.; Höppner, F.; Klawonn, F.: Guide to Intelligent Data Analysis Han, J.; Kamber, M.; Pei, J.: Data Mining: concepts and techniques, Elsevier, aktuelle Auflage Zusammensetzung der Endnote Ergebnis der Klausur Bemerkungen / Sonstiges Letzte Aktualisierung

13 In-Memory Data Management Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. Rössle Modul-Name In-Memory Data Management Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 2 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung In-Memory Data Management Prof. Dr. Manfred Rössle V Ü PLL L Zugelassene Hilfsmittel Alle Hilfsmittel erlaubt

14 Lernziele / Kompetenzen Fachkompetenz: Die Studierenden erlernen und verstehen die grundlegenden technischen Konzepte von In- Memory Datenbanken. Sie können argumentieren, welche Methoden zu welchem Performancegewinn führen. Sie können abschätzen in welchen Fällen der Einsatz einer IN-Memory Datenbank sinnvoll ist und können entsprechende Lösungen entwerfen und beurteilen. Überfachliche Kompetenz: Anwendungsgebiete für In-Memory Datenbanken erkennen und beurteilen. Sie können in interdisziplinären Teams Anwendungen planen, entwickeln und evaluieren. Ggf. besondere Methodenkompetenz: Studierende können die Prinzipien der Datenorganisation anwenden und performanceorientiere Abfragen erstellen und deren Wirkung beurteilen und analysieren. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Ausgangslage: SQL-Datenbanken und ihre Konsequenzen in der Unternehmensdatenverarbeitung Konzept und technische Hintergründe von In-Memory Datenbanken Grundlegende Datenbankspeichertechniken Datenlayout im Hauptspeicher Dictionary Encoding und Compression Partitionierung Im-Memory Datenbank Operatoren Delete, Insert, Update, Select Tupel Rekonstruktion Join Parallelisierung Fortgeschritten Speichertechniken Differential Buffer und Merge Insert Only Logging und Recovery Auswirkung auf die Anwendungsentwicklung und Einsatzszenarien Praktische Anwendungsbeispiele

15 Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur Plattner, Hasso: Lehrbuch In-Memory Data Management, Wiesbaden 2013 Weiterführende Literatur wird in der Lehrveranstaltung zur Verfügung gestellt. Zusammensetzung der Endnote Bemerkungen / Sonstiges Ausarbeitung und Präsentation in Gruppenarbeit. Die Studierenden entwickeln in Teamarbeit eine Analyseanwendung auf Basis einer In-Memorydatenbank. Letzte Aktualisierung

16 Business-Analytics Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. C. Koot Modul-Name Business Analytics Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 2 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Business Analytics Prof. Dr. Christian Koot V Ü PLM 30 L benotet Zugelassene Hilfsmittel Taschenrechner gemäß Taschenrechnerrichtlinie

17 Lernziele / Kompetenzen Allgemeines: Die Studierenden können Probleme der Business Analytics eigenständig und gestalterisch bearbeiten. Sie können die fachspezifischen Methoden der Business Analytics mit den Methoden von Statistik und Operations Reseach zusammenführen, um neue Problemlösungen in komplexen Zusammenhängen zu erarbeiten. Fachkompetenz: Die Studierenden sind in der Lage, die Anwendbarkeit der Methoden von Statistik und Operations Research im Hinblick auf den jeweils verfolgten Analysezweck zu beurteilen und geeignete Methoden auszuwählen und ggf. mehrere Methoden zu einer Werkzeugkette mit definierten Schnittstellen zu verknüpfen. Methodenkompetenz: Die Studierenden können vorliegende Daten gemäß der gegebenen Analysezielstellung mit Hilfe geeigneter Standsoftware (R und RStudio) analysieren, die Ergebnisse kompetent beurteilen und unternehmerische Maßnahmenempfehlungen entwickeln. Sozialkompetenz: Die Studierenden diskutieren in den Laborübungen unterschiedliche Lösungsansätze und deren Angemessenheit und üben sich damit in der argumentativen Auseinandersetzung. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte - Grundlagen der Business Analytics (Deskriptive, Prädiktive, Präskriptive Analysen) - Deskriptive Statistik - Induktive Statistik - Operations Research: Ausgewählte Methoden - Daten in R - Methoden in R - Programmieren in R Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch

18 Literatur Evans, James R.: Business Analytics; 1. int. Auflage; Harlow; Pearson Taha, Hamdy A.: Operations Research - An Introduction; 9. Auflage; Boston, MA; Pearson Prentice Hall Weitere Literatur wird in der Vorlesung bekannt gegeben. Zusammensetzung der Endnote Bemerkungen / Sonstiges Ergebnis der mündlichen Prüfung. -- Letzte Aktualisierung

19 Online Marketing & Web-Analytics Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. Peter Gentsch Modul-Name Online-Marketing & Web-Analytics Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 2 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Sonstiges: Gutes Vorwissen in E-Business und Marketing, Kenntnisse in der Skriptsprache html und in Internetdiensten. Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Online-Marketing & Web-Analytics Prof. Dr. Peter Gentsch V Ü PLP P benotet

20 Zugelassene Hilfsmittel Keine Lernziele / Kompetenzen Allgemeines: Die Veranstaltung bereiten die Studierenden auf zukünftige Herausforderungen im Bereich des betrieblichen Medienmanagement vor. Die Absolventen erhalten ein vertieftes Verständnis von Online-Marketing. Sie können konkrete Fragestellungen aus dem Online-Marketing strukturiert analysieren und systematisch Lösungen erarbeiten. Das Erlernte wird dabei durch praxisnahe Fallbeispiele und studentische Projekte vertieft und angewandt werden. Fachkompetenz: Die Teilnehmer erwerben ein vertieftes Verständnis für Medienmanagement und Online-Marketing und ihres Einsatzes in der betrieblichen Praxis, insbesondere kleinerer und mittlerer Unternehmen, und können dieses zielgerichtet anwenden. Im Einzelnen werden folgende Fachkompetenzen erworben: - Absolventen lernen Instrumente des Online-Marketing und Lösungsansätze des Medienmanagement im Mittelstand kennen, können diese evaluieren und analysieren. - Absolventen können o.g. Problemstellungen anhand von Fallbeispielen und Projekten formulieren, analysieren und anwenden. Methodenkompetenz: Die Teilnehmer können konkrete Problemstellungen von Unternehmen im Bereich des Medienmanagements und des Online-Marketing strukturiert analysieren und systematisch Lösungen erarbeiten. Dabei werden methodische Konzepte erlernt und anhand ausgewählter Fallbeispiele angewandt. Sozialkompetenz: - Absolventen haben die Fähigkeit, im Team zu arbeiten, indem sie ihre Positionen argumentativ vertreten und andere von ihrer Haltung fachlich überzeugen. - Absolventen haben die Fähigkeit, auch komplexe Sachverhalte verständlich aufzubereiten - Absolventen erwerben Problemlösungsfähigkeit und Fähigkeiten, sich in Projekten zu behaupten, indem sie ihre Position logisch darstellen und argumentieren können. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz

21 Lehrinhalte Das Modul besteht aus vier Teilmodulen: I. Grundlagen Digital Intelligence 1. Begriffe und Entwicklung 2. Big Data im Rahmen der Digital Intelligence 3. Technologien und Methoden II. Instrumente des Online-Marketing 1. Online-Marketing im Marketing-Mix 2. Spezifische Instrumente des Online-Marketing 3. Besonderheiten des Mobile Marketing 4. Besonderheiten des Mobile Marketing 5. Webanalytics und Webcontrolling II. Customer Journey Management 1. Motivation und Zielsetzung 2. Attribution Modeling 3. Praxisbeispiele III. Rating & Review Management 1. Motivation und Zielsetzung 2. Methoden, Technologien und Tools 3. Praxisbeispiele IV. Trends und aktuelle Entwicklungen Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur Fritz, W. (2012): Internet-Marketing und Electronic Commerce, 4. Aufl, Gabler Verlag, Wiesbaden Härting, R. (2000): Elektronischer Geschäftsverkehr aus Sicht privater Haushalte, Gabler Verlag, München Rieg. R. / Härting, R. (2010): Electronic Business was bleibt nach dem Ende der New Economy?, in: Arnold, F. (Hrsg,) Handbuch der Telekommunikation Aktualisierungsauflage, Vertiefende Literatur wird in der Veranstaltung bekannt gegeben

22 Zusammensetzung der Endnote 1/3 Referat, 2/3 Projekt Bemerkungen / Sonstiges Letzte Aktualisierung

23 International Project Management Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr.-Ing. Frank Richter Modul-Name International Project Management Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung International Project Management Prof. Dr. Frank Richter P PLP benotet Zugelassene Hilfsmittel Keine

24 Lernziele / Kompetenzen Allgemeines: Die Studierenden erlernen im Rahmen der Durchführung ausgewählter Projekte die Analyse, Evaluation und Anwendung strategischer Instrumente/Methoden, Methoden des Controllings, Projektmanagement und sind in der Lage, ihre logisch-analytischen Fähigkeiten zur Problemlösung einzusetzen. Hierfür werden Problemstellungen aus der Unternehmenspraxis herangezogen und unter adäquater Einbeziehung von Unternehmen unterschiedlicher Branchen strukturiert gelöst. Fachkompetenz: Die Absolventen sind in der Lage, Methoden des Projektmanagements zielgerichtet anzuwenden und Lösungsansätze gegenüber den Teammitgliedern zu erklären, zu interpretieren und zu evaluieren. Methodenkompetenz: Die Methoden des Projektmanagements können von den Studierenden kontextbezogen angewandt werden. Sie können logisch begründen, welche Methoden für die jeweilige Aufgabenstellung eingesetzt werden und können einschätzen, welche Methoden sich besser und welche weniger gut für bestimmte Problemstellungen eignen. Sozialkompetenz: Absolventen sind in der Lage, auch kontroverse Diskussionen im Projektteam zu führen, ihre Vorschläge darzustellen und zu vertreten. Sie sind in der Lage, durch Argumentieren zu überzeugen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Durchführung von Projekten u.a. im Bereich der Unternehmensanalyse, insbesondere Anwendung strategischer Management-Instrumente im Rahmen von konkreten Projektarbeiten. Aufbereiten komplexer Sachverhalte mit anschließender transparenter Darstellung. Effizientes Arbeiten im Team. Präsentationstechnik und erfolgreiches Argumentieren in der Gruppe. Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur wird gfls. - sofern benötigt - projektspezifisch bekanntgegeben zusätzlich hilfreich: Hungenberg, H.: Strategisches Management in Unternehmen, 5. Aufl.,

25 Coenenberg, A.-G./Fischer, T. M./Günther, T.: Kostenrechnung und Kostenanalyse, 7. Aufl., Coenenberg, A. G./Haller, A./Schultze, W.: Jahresabschluss und Jahresabschlussanalyse, 21. Aufl., 2009 Schein, E.: Organizational culture and leadership. Jossey-Bass-Verlag, Wöhe, Günter: Einführung in die Allgemeine Betriebswirtschaftslehre, 2008 Kaplan, R.S./ Norton, D.P.: Putting the Balanced Scorecard to work, in: HBR 71 (Harvard Business Review), No. 5 (1993), S Zusammensetzung der Endnote Ergebnis der Projektarbeit Bemerkungen / Sonstiges -- Letzte Aktualisierung

26 Customer Relationship Marketing Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. Peter Gentsch Modul-Name Customer Relationship Marketing Modul-Nr : Angebot Beginn Sem Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Customer Relationship Wolfgang Gunsenheimer P PLK 90 Marketing benotet Zugelassene Hilfsmittel Keine

27 Lernziele / Kompetenzen Allgemeines: Das Masterstudium setzt auf den Grundlagen des Bachelorstudiums auf und vertieft insbesondere methodische und analytische Kompetenzen. Fachkompetenz: Nach Teilnahme an der Vorlesung können Studierende die Besonderheiten des Customer Relationship Marketings erklären. Sie können die Konzepte, Modelle und CRM spezifischen Anwendungen erläutern und die Implikationen für die marktorientierte Unternehmensführung bewerten sowie entsprechende Empfehlungen abgeben. So können Studierende komplexe Problemlösungen im Bereich des CRMs analysieren, sachgerechte Lösungen zu Problemstellungen im Rahmen der zu diskutierenden Fallstudien formulieren und angemessen präsentieren. Methodenkompetenz: Die Studierenden sind in der Lage, basierend auf den Grundlagen des operativen, analytischen und kollaborativen CRM, Verfahren wie Attributionsmodellierung zur Analyse der Customer Journey sowie Verfahren der Predictive Analytics zu beschreiben und mit weiteren Methoden zu vergleichen. Sozialkompetenz: Durch die Kombination aus Vorlesung, Übung und Projekt-/Hausarbeiten wird eine optimale Einübung kommunikativer Fähigkeiten erzielt (Einzel- und Gruppenarbeit i.r.v. Projekten). Insbesondere erlernen Absolventen selbständig komplexe Sachverhalte zu erarbeiten, zu untersuchen und einzuschätzen. Präsentationen befähigen die Studierenden zum logischen Argumentieren und auch komplexe Sachverhaöte verständlich darzustellen und deren Lösungsansätze zu begründen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte 1. Customer Lifetime Value 2. Strategisches und operatives CRM 3. Fallstudien Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch

28 Literatur Zusammensetzung der Endnote - Kumar and Reinartz (2012), Customer Relationship Management; Springer - Buttle (2008), Customer Relationship Management, BH - Peppers and Rogers (2011), Managing Customer Relationships: A strategic framework - Peelen (2005), Customer Relationship Management, FT press - Bruhn, M.; Georgi, D. (1998): Wirtschaftlichkeit des Kundenbindungsmanagements. In: Bruhn - M./Homburg, Chr. (Hrsg.): Handbuch Kundenbindungsmanagement, 3. Aufl., Wiesbaden, - Gaulik, T./Kellner, J./Seifert, D. (2002): Effiziente Kundenbindung mit CRM, Bonn. - Georgi, D. (2003): Kundenbindungsmanagement im Kundenbeziehungslebenszyklus. In: Bruhn M./Homburg, Chr. (Hrsg.): Handbuch Kundenbindungsmanagement, 4. Aufl., Wiesbaden, S Hippner, H. (2004): CRM Grundlagen, Ziele und Konzepte. In: Hippner, H./Wilde, K. (Hrsg.): Grundlagen des CRM Konzepte und Gestaltung, Wiesbaden - Hippner, H./Wilde, K. (2003): CRM Ein Überblick. In: Helmke S./Uebel - - M./Dangelmaier W. (Hrsg.): Effektives Customer Relationship Management, 3. Aufl., Wiesbaden - Homburg, Chr./Bruhn, M. (2003): Kundenbindungsmanagement Eine Einführung in die theoretischen und praktischen Problemstellung. In: Bruhn M./Homburg, Chr. (Hrsg.): Handbuch Kundenbindungsmanagement, 4. Aufl., Wiesbaden Ergebnis der Klausur Bemerkungen / Sonstiges -- Letzte Aktualisierung

29 Market Research Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. Peter Gentsch Modul-Name Market Research Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Market Research Prof. Dr. Peter Gentsch P PLP benotet Zugelassene Hilfsmittel Keine

30 Lernziele / Kompetenzen Allgemeines: Die Studierenden erlernen im Rahmen der Durchführung ausgewählter Übungen vertiefende Kenntnisse im Bereich Market Research. Fachkompetenz: Studierende verstehen den Marktforschungsprozess und seine Bedeutung für Unternehmensstrategie und Marketing. Sie können die Begriffe Marktforschung und Marketingforschung definieren, unterscheiden und einordnen. Sie sind vertraut mit quantitativen und qualitativen Methoden der Beschaffung und der Analyse von Primär- und Sekundärdaten. Sie verfügen über die Fähigkeit, typische Aufgabenstellungen der Marktforschung zu bewältigen und zu bewerten. Sie werden in die Lage versetzt sowohl klassische Methoden wie Stichproben auf Basis wissenschaftlicher Methoden auszuwählen und Marktforschungen durchzuführen und auszuwerten, als neue Big Data-Methoden entsprechend anzuwenden. Methodenkompetenz: Absolventen sind in der Lage, fallbezogen die richtigen Methoden anzuwenden, indem sie diese adäquat analysieren und gegebenenfalls zusammenstellen. Sozialkompetenz: In Gruppenarbeiten werden die Absolventen in die Lage versetzt, logisch zu argumentieren, zu empfehlen und zu überzeugen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Entwicklungen und Rahmenbedingungen der Marktforschung Prozess der Marktforschung Unterschiede und Besonderheiten B-to-C/ B-to-B-Marktforschung Methoden zur Beschaffung von Primär- und Sekundärdaten Quantitative und qualitative Ansätze der Marktforschung Uni- und Multivariate Methoden der Datenanalyse Data Mining und KI-Ansätze für Marktforschung Relevanz von Big Data und des Internets für die Marktforschung

31 Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur Zusammensetzung der Endnote Dannenberg, M./Barthel, S., Effiziente Marktforschung, Verlag Moderne Industrie Mariampolski, H., Qualitative Market Research: A Comprehensive Guide, SAGE Publications Charkrapani, C., Statistics in Market Research (Arnold Applications of Statistics Series), A Hodder Arnold Publication Blankenship, A./Breen, G./Dutka, A., State of The Art Marketing Research, McGraw-Hill Hague, P.N., Market Research: A Guide to Planning, Methodology and Evaluation, Kogan Page 50% PLP und 50% Hausarbeit Bemerkungen / Sonstiges -- Letzte Aktualisierung

32 Business Intelligence Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. Ing. Frank Richter Modul-Name Business Intelligence & Controlling Modul-Nr : Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Business Intelligence Prof. Dr. Alexander Strehl V Ü PLP benotet Zugelassene Hilfsmittel Keine

33 Lernziele / Kompetenzen Allgemeines: Die Studierenden beherrschen die Begriffe und Gegenstände der Business Intelligence und können die Relevanz der Business Intelligence für die Unternehmenspraxis einschätzen. Sie können das Erlernte zielgerichtet anwenden und verargumentieren. Die Studierenden werden Konzepte und Methoden des Business Intelligence fundiert unterscheiden können und die Bedeutung von ganzheitlichen Ansätzen einschätzen und evaluieren können. Die Studierenden können die verschiedenen Anwendungen im Rahmen der Business Intelligence beurteilen und können diese fundiert erläutern und verteidigen. Fachkompetenz: Die Studierenden verstehen es, Informationsangebot, Informationsnachfrage und Informationsbedarf des Unternehmens gegenüber zu stellen und daraus Projektbedarfe für bestehende oder neu implementierende Business-Intelligence-Lösungen abzuleiten. Sie nutzen hierbei umfangreiche Controlling- Fachkompetenzen. Darüber hinaus sind sie in der Lage, mit Hilfe technischer Kenntnisse, insbesondere zu Fragen der Datenhaltung und organsation sowie zur Gestaltung von ETL-Prozessen, unterschiedliche Lösungsalternativen zu bewerten und eine kompetente Auswahlentscheidung zu treffen. Methodenkompetenz: Die Absolventen sind in der Lage, erlerntes Fachwissen der Business Intelligence fallbezogen anzuwenden. Sozialkompetenz: Die Absolventen erlernen das selbständige Erarbeiten und Präsentieren von Problemlösungen in Kleingruppen. In diesem Kontext werden sie in die Lage versetzt, zu argumentieren, zu überzeugen und auch komplexe Sachverhalte zu erläutern. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Business Intelligence als ganzheitliches Konzept zur intelligenten Entscheidungsunterstützung, bei dem sowohl die fachlichen Konzepte, die Rolle der Entscheidungsträger und - trägerinnen als auch die methodischen und technischen Möglichkeiten diskutiert werden. Das Ziel ist es, aufzuzeigen, wie Daten zielgerichtet zu Informationen transformiert werden, um unternehmerische Entscheidungen zu unterstützen. Konzepte der Business Intelligence werden ebenso behandelt wie wichtige Modelle und Methoden. Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch

34 Literatur Pattern Classification (2nd Edition) by Richard O. Duda, Peter E. Hart, David G. Stork, Wiley-Interscience; 2 edition (October 2000), ISBN Feldman, Sanger: The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data, Cambridge University Press, 2006 Zbigniew Michalewicz, Martin Schmidt, Matthew Michalewicz, Constantin Chiriac: Adaptive Business Intelligence, Springer, 2006 Burby, Atchison: Actionable Web Analytics: Using Data to Make Smart Business Decisions, Wiley & Sons, 2007 Kemper, Hans-Georg; Baars, Henning; Mehanna, Walid: Business Intelligence - Grundlagen und praktische Anwendungen : eine Einführung in die IT-basierte Managementunterstützung: Vieweg + Teubner, Haneke, Uwe: Open Source Business Intelligence : Möglichkeiten, Chancen und Risiken quelloffener BI-Lösungen: Hanser, Gansor, Tom; Totok, Andreas; Stock, Steffen: Von der Strategie zum Business Intelligence Competency Center (BICC) : Konzeption - Betrieb - Praxis: Hanser, Reporting und Business Intelligence : [Berichtsstrukturen und Kennzahlenauswahl; Praxisbeispiele für Management Cockpits; Effizienz und Effektivität durch BI-Software; flexible Datenanalyse mit Excel]: Haufe-Grupe, Burmester, Lars: Adaptive Business-Intelligence-Systeme: Theorie, Modellierung und Implementierung: Vieweg+Teubner Verlag / Springer Fachmedien Wiesbaden GmbH, Gluchowski, P.: Management Support Systeme und Business Intelligence: computergestützte Informationssysteme für Fach- und Führungskräfte, 2. Auflage, Springer, Berlin Zusammensetzung der Endnote Bemerkungen / Sonstiges Ergebnis des Projektes. Sonstiges: Grundlegende Kenntnisse in Statistik und Wirtschaftsinformatik. Letzte Aktualisierung

35 Unternehmensführung & -steuerung Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr.-Ing. Frank Richter Modul-Name Unternehmensführung & -steuerung Modul-Nr : Angebot Beginn Sem Dauer Std. 60 Std. 120 Std. Wintersemester Sommersemester 2 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Unternehmensführung & -steuerung Prof. Dr. Frank Richter V L PLM 15 benotet Zugelassene Hilfsmittel Keine

36 Lernziele / Kompetenzen Allgemeines: Fachkompetenz: Die Studierenden sind mit den Kernelementen des strategischen Managements auf Geschäftsfeldebene sowie auf Corporate-Level vertraut und können diese anwenden. Die Studierenden werden in die Lage versetzt, die Notwendigkeit für strategische Entscheidungen zu erkennen, zu evaluieren und zu fachlich kompetent begründen. Sie sind sich ferner der Rolle des Top Managements bei der Ausrichtung von Unternehmen bewusst. Die Studierenden eignen sich Wissen über strategische Konzepte und Instrumente an und sind in der Lage, die erlernten Konzepte und Instrumente auf Fallbeispiele aus der Praxis fallorientiert anzuwenden. Die Studierenden sind mit relevante Controlling-Instrumente vertraut, mit denen die Geschäftsbeziehungen eines Unternehmens zu wesentlichen Stakeholdergruppen (Mitarbeiter, Kunden, Kapitalgeber, Lieferanten) nachhaltig erfolgreich gesteuert werden können. Diese können sie zielgerichtet anwenden. Im Rahmen eines Unternehmensplanspiels wenden die Studierenden das Erlernte praktisch an, in dem sie periodische Planungen vornehmen, diese evaluieren und priorisieren und anschließend umsetzen. Sie sind in der Lage, Entscheidungen im Team zu diskutieren, zu reflektieren und umzusetzen. Methodenkompetenz: Studierende werden in die Lage versetzt, Sachverhalte logisch aufzubereiten und konkrete Schlussfolgerungen für praktische Anwendungsbeispiele auf Basis des Erlernten zu ziehen und diese kontinuierlich zu überprüfen und gegebenenfalls anzupassen. Sozialkompetenz: Durch Teamarbeit im Rahmen von Gruppenvorträgen sowie im Rahmen des Unternehmensplanspiels werden die Absolventen in die Lage versetzt, zu argumentieren, zu formulieren zu überzeugen und sich konstruktiv in Teams einzubringen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte - Strategie und Strategiegestaltung auf Unternehmens- und Geschäftsfeldebene - Unternehmenskultur / Change Management - Grundlegende Herausforderungen bie der Unternehmensführung Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch

37 Literatur Zusammensetzung der Endnote Berens, W.; Brauner, H.; Strauch, J.: Due Diligence bei Unternehmensakquisitionen, Verlag Schäffer Poeschl, 2005 Wöhe, Günter: Einführung in die Allgemeine Betriebswirtschaftslehre, Vahlen Verlag und Übungsbuch zur Allgemeinen Betriebswirtschaftslehre, Vahlen Verlag Goold, M., Campbell, A., Alexander, M.: Corporate-Level-Strategy, Hungenberg, H.: Strategisches Management in Unternehmen, 5. Aufl., Johnson, G., Scholes, K.: Exploring Corporate Strategy, 6. Aufl., Dess, G., Lumpkin, G., Eisner, A.: Strategic Management, 4. Aufl., Coenenberg, A.-G./Fischer, T. M./Günther, T.: Kostenrechnung und Kostenanalyse, 7. Aufl., Coenenberg, A. G./Haller, A./Schultze, W.: Jahresabschluss und Jahresabschlussanalyse, 21. Aufl., 2009 Schein, E.: Organizational culture and leadership. Jossey-Bass-Verlag, Ergebnis der mündlichen Prüfung Bemerkungen / Sonstiges -- Letzte Aktualisierung

38 Wahlpflichtfach Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Fachdozent des betreffenden Wahlpflichtfaches Modul-Name Wahlpflichtfach Modul-Nr : Angebot Beginn Sem Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 2 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science WPM - Wahlpflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung Wahlpflichfach Fachdozent des jeweiligen Wahlpflichfaches Zugelassene Hilfsmittel Laut spezifischer Modulbeschreibung des Wahlpflichtfaches

39 Lernziele / Kompetenzen Allgemeines: Studierende sollen die Möglichkeit erhalten, ihre Kompetenzen durch Belegung eines Wahlpflichtfaches in Themenbereichen zu stärken, die einerseits ihrem persönlichen Interesse gerecht werden, andererseit aber eine sinnvolle Ergänzung zu den Pflichtmodulen des Curriculums des Masterstueinganges Wirtschaftsinformatik (konsekutiv) darstellen. Fachkompetenz: laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches Methodenkompetenz: laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches Sozialkompetenz: laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches. Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur Zusammensetzung der Endnote Bemerkungen / Sonstiges Laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches. Laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches. Die möglichen Wahlpflichtfächer werden jeweils zu Semesterbeginn bekanntgegeben. Letzte Aktualisierung

40 IT-Compliance & Ethik Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulkoordinator Prof. Dr. Rainer Schillig Modulbeschreibung SPO 30 Modul-Name IT Compliance & Governance Modul-Nr : CP SWS Workload Kontaktzeit Selbststudium Angebot Beginn Sem. Dauer Std. 60 Std. 90 Std. Wintersemester Sommersemester 1 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science WPM - Wahlpflichtmodul HS - Hauptstudium WIC Master Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung keine Enthaltene Module / Lehrveranstaltungen Fach-Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modul-prüfung Art / Dauer / Benotung Corporate Governance & Behavioral Science Prof. Dr. Rainer Schillig Dipl. Math. W. Gunsenheimer V PLM 15 benotet Dr. W. Lichtenwalder Zugelassene Hilfsmittel Keine

41 Lernziele / Kompetenzen Fachkompetenz / Methodenkompetenz: Die Studierenden können die MBTI-Profile (Myers-Briggs Type Indicator) abgrenzen, beschreiben und beurteilen. Sie sind in der Lage, die Funktionsweise von Entscheidungsfindungsprozessen fundiert zu beschreiben und diese kritisch zu beurteilen. Die Studierenden erlangen die Kompetenz, das Thema Corporate Governance in einem modernen Wirtschaftsumfeld abzugrenzen. Studierende können die Grundprobleme der Governance sowie verschiedene Corporate Governance-Systeme und -Modelle beschreiben und im jeweiligen Kontext analysieren.sie sind in der Lage, den Mehrwert von Corporate Governance für Unternehmen zu bewerten und einen praktikablen Rahmen für Corporate Governance je nach Unternehmensgröße zu selbständig zu erstellen und damit entsprechende Problemlösungen anzubieten. Studierende können das Spannungsfeld zwischen ethischem und ökonomischem Verhalten abgrenzen, beschreiben und beurteilen. Überfachliche Kompetenz: Die Studierenden können die Normalität der Irrationalität in Entscheidungsprozessen analysieren und im Kontext der Unternehmenspraxis bewerten. Sie können den langfristigen wirtschaftlichen Mehrwert von Corporate Governance gegen aktuelle "Modethemen" und kurzsichtige gesellschaftliche Trends abgrenzen. Kompetenzbereich Schwerpunkt Teilschwerpunkt In geringen Anteilen Fachkompetenz Methodenkompetenz Sozialkompetenz Lehrinhalte Es wird das Spannungsfeld zwischen ethischen und ökonomischen Verhaltensnormen beleuchtet. Es wird untersucht, inwieweit unterschiedliche MBTI- Profile bestimmte Entscheidungsmuster präferieren bzw. unterdrücken, und welche Profile am ehesten geeignet sind, ethische und nachhaltige Werte zu transportieren. Die Tragfähigkeit der Idee des Homo Oeconomicus wird kritisch überprüft. Hierzu werden aktuelle Ergebnisse aus der Verhaltensforschung herangezogen, wie beispielsweise die von George Akerlof, Daniel Kahneman oder Dan Ariely

42 Im Berich der Corporate Governance werden grundlegende Theorien, Systeme und Modelle der Corporate Governance erläutert und kritisch eingeordnet. Sprache Deutsch Englisch Spanisch Französisch Chinesisch Portugiesisch Russisch Literatur Die Literatur wird in der Vorlesung bekannt gegeben. Zusammensetzung der Endnote Bemerkungen / Sonstiges Studenten müssen in der Lage sein, englischsprachige Fachliteratur zu verstehen und sich diese auch selbständig zu erarbeiten. Letzte Aktualisierung Prof. Dr. Schillig / Diplom-Mathematiker W. Gunsenheimer

43 Masterarbeit Fakultät Wirtschaftswissenschaften Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv) Modulbeschreibung SPO 30 Modulkoordinator Prof. Dr. Ing. Frank Richter Modul-Name Masterarbeit Modul-Nr : Angebot Beginn Sem. Dauer Std. Wintersemester Sommersemester 1 Semester 2 Semester Angestrebter Abschluss Modultyp Studienabschnitt Einsatz in Studiengängen (PM/WPM/WM) Master of Science PM - Pflichtmodul HS - Hauptstudium WI M.Sc. Form der Wissensvermittlung Vorlesung Übung Labor Selbststudium Seminar Hausarbeit Projektarbeit Sonstiges: Referat, Bericht Zugangsvoraussetzung Modul: -- Prüfung: -- Enthaltene Module / Lehrveranstaltungen CP SWS Workload Kontaktzeit Selbststudium Fach- Nr. Titel des Moduls / Lehrveranstaltung Lehrende Art SWS CP Sem Modulprüfung Art / Dauer / Benotung 9999 Masterarbeit Professoren aus dem Studienbereich P 25 3 PLP Internationale Betriebswirtschaft benotet 9998 Kolloquium 4 Zugelassene Hilfsmittel Keine