Modulhandbuch SPO 30 Master of Science in ...€¦ · 5 35004 In-Memory Data Management ... an inflection point for enterprise applications. Springer, 2011. Wirtschaftsinformatik

Wirtschaftsinformatik M.Sc.(konsekutiv)

- -

Hochschule Aalen - Technik und Wirtschaft

Modulhandbuch SPO 30 Master of Science in Wirtschaftsinformatik (konsekutiv) Fakultät für Wirtschaftswissenschaften

Stand 19.11.2015


- I -

Inhaltsverzeichnis

Abbildungsverzeichnis ...................................................................................... I

1 Modulübersicht - Wirtschaftsinformatik M.Sc.(konsekutiv) ........................ 1

2 35001 Quantitative Methoden und Statistik .............................................. 2

3 35002 Big Data – Grundlagen .................................................................. 5

4 35003 Big Data - Technologien und Anwendungsfälle ............................. 8

5 35004 In-Memory Data Management ..................................................... 11

6 35005-Business-Analytics ....................................................................... 14

8 35006 Online Marketing & Web-Analytics ............................................... 17

9 35011 International Project Management ............................................... 21

10 35012 Customer Relationship Marketing ............................................. 24

11 35013 Market Research ...................................................................... 27

12 35014 Business Intelligence ................................................................ 30

13 35015 Unternehmensführung & -steuerung......................................... 33

14 35021_Wahlpflichtfach ........................................................................ 36

15 35030_Masterarbeit ............................................................................. 38

16 35999 Studium Generale ..................................................................... 40

Abbildungsverzeichnis Abbildung 1 - Modulübersicht 1


- 1 -

1 Modulübersicht - Wirtschaftsinformatik M.Sc.(konsekutiv)

1 Abbildung 1 – Modulübersicht

1 Abbildung 1 - Studien- und Prüfungsordnung für Master-Studiengänge der Hochschule Aalen (SPO 30) https://www.hs-aalen.de/uploads/mediapool/media/file/1785/8338_spo30-master-Lesefassung-End.pdf


- 2 -

2 35001 Quantitative Methoden und Statistik

Fakultät Wirtschaftswissenschaften

Modulbeschreibung

Studiengang M. Sc. Wirtschaftsinformatik (konsekutiv)

Modulkoordinator

Prof. Dr. C. Koot

Modul-Name

Quantitative Methoden und Statistik

Modul-Nr : 35001

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

1

1 Semester

2 Semester

Angestrebter Abschluss

Modultyp (PM/WPM/WM)

Studienabschnitt

Einsatz in Studiengängen

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

Fach-Nr.

Titel des Moduls / Lehrveranstaltung

Lehrende

Art

SWS

CP

Sem

Modul-prüfung

Art / Dauer / Benotung

35101

Quantitative

Methoden und

Statistik

Roger Knecktys

V

Ü

4

5

1

PLM 20

benotet

Zugelassene Hilfsmittel

Keine


- 3 -

Lernziele / Kompetenzen

Allgemeines: Beherrschung der Grundbegriffe und Methoden der Statistik im Hinblick auf technische und vor

allem auch wirtschaftswissenschaftliche Anwendungen. Die Studierenden sind mit zentralen Methoden der

deskriptiven Statistik vertraut und befähigt, deren wichtigste Daten mit Hilfe von Beispielen zu berechnen und

fachlich angemessen zu interpretieren. Beherrschung der statistischen Arbeitsweise, Umgang mit statistischen

Erhebungen. Sie sind zur Präsentation von statistischen Ergebnissen in der Lage.

Fachkompetenz: Absolventen sind mit den Methoden des Auswertens und Interpretierens von Daten im

anwendungsorientierten Kontext vertraut. Sie sind in der Lage, die richtigen Methoden zu evaluieren,

auszuwählen und anzuwenden.

Methodenkompetenz: Absolventen kennen die Methoden des Projektmanagements und können diese im

jeweiligen Kontext anwenden.

Sozialkompetenz: Absolventen sind mit den Herausforderungen in Bezug auf den gegenseitigen Umgang im

Projektteam vertraut gemacht. Sie sind in der Lage, ihre Position argumentativ zu vertreten und Sachverhalte

konstruktiv-kritisch zu hinterfragen. Sie können andere von ihren Ideen und Lösungsvorschlägen überzeugen.

Kompetenzbereich

Schwerpunkt

Teilschwerpunkt

In geringen Anteilen

Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

Ausgehend von grundlegenden Problemen der Erfassung statistischer Daten werden im Kurs eindimensionale

Häufigkeitsverteilungen und deren Maße wie Mittelwerte und Streuung hergeleitet und beschrieben. Gleiches

geschieht mit Maßen der Konzentration. Darüber hinaus werden bivariate Zusammenhangmaße behandelt sowie

eine Einführung in die Regressionsanalyse gegeben. In allen Fällen werden die jeweiligen Maße anhand von

Übungsaufgaben berechnet und interpretiert.

Häufigkeiten und empirische Verteilungen. Parameter empirischer Verteilungen. Messung von

Wirtschaftskonzentration. Mehrdimensionale Daten. Analyse und Messung von Zusammenhängen. Korrelations-

und Regressionsrechnung. Konzepte der Wahrscheinlichkeitsrechnung. Zufallsexperimente und Zufallsvariablen.

Spezielle diskrete und stetige Wahrscheinlichkeitsmodelle. Laplace-Experimente, Kombinatorik . Diskrete und

stetige Zufallsvariable, Dichtefunktion. Lineare Transformationen von Zufallsvariablen. Erwartungswert und

Varianz. Spezielle diskrete und stetige Verteilungen. Gemeinsame Verteilungen, Randverteilung, bedingte

Verteilung. Kovarianz, Korrelationskoeffizient. Grenzwertsätze. Statistiken und Stichproben, Schätzer und

Schätzwerte. Punkt- und Intervallschätzung. Hypothesentests. Schätzmethoden: Kleinste Quadrate,

Momentenmethode, Maximum-Likelihood - Methode.


- 4 -

Sprache

Deutsch Englisch Spanisch Französisch

Chinesisch Portugiesisch Russisch

Literatur

Statistik für Ökonomen und Wirtschaftsingenieure I + II : Bamberg, Baur :

Statistik, 12. Auflage, München/Wien (Oldenbourg) 2002.

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

Bausch, T.; Opitz, O.: PC-gestützte Datenanalyse mit Fallstudien aus der

Marktforschung, Vahlen, München

Everitt, B.; Dunn, G.: Applied Multivariate Data Analysis, Arnold , London

Opitz, O.: Numerische Taxonomie, UTB, Fischer, Stuttgart

Jobson, J.D.: Applied Multivariate Data Analysis, Volume I: Regression and

Experimental Design, Springer, New York

Jobson, J.D.: Applied Multivariate Data Analysis, Volume II: Categorical and

Multivariate Methods, Springer, New York

Zusammensetzung der Endnote

Ergebnis der mündlichen Prüfung.

Bemerkungen / Sonstiges

Der regelmäßige Besuch der Lehrveranstaltungen wird dringend empfohlen.

Letzte Aktualisierung

01.09.2015


- 5 -

3 35002 Big Data – Grundlagen


Modulbeschreibung


Modulkoordinator

Prof. Dr. C. Koot

Modul-Name

Big Data - Grundlagen

Modul-Nr : 35002

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

1

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35102

Big Data - Grundlagen

Tommy Baumann

V

Ü

4

5

1

PLK 90

benotet


Keine


- 6 -


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


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



Literatur

D. Syme, A. Granicz, und A. Cisternino, Expert F# 3.0, 3. Aufl. Apress, 2012.

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.

467–468, 2012.

H. Plattner und A. Zeier, In-memory data management: an inflection point for

enterprise applications. Springer, 2011.


- 7 -

T. White, Hadoop: The definitive guide. O’Reilly Media, 2012.

M. Indrawan-Santiago, „Database Research: Are We at a Crossroad?

Reflection on NoSQL“, in 2012 15th International Conference on Network-

Based Information Systems, Los Alamitos, CA, USA, 2012, Bd. 0, S. 45–51.

A. McAfee und E. Brynjolfsson, „Big data: the management revolution.“,

Harvard business review, Bd. 90, Nr. 10, S. 60, 2012.

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. 21–32, 2011.

Weitere vertiefende Literatur wird in der Veranstaltung bekannt gegeben.


Ergebnis der Klausur



01.08.2014


- 8 -

4 35003 Big Data - Technologien und Anwendungsfälle


Modulbeschreibung


Modulkoordinator

Prof. Dr. C. Koot

Modul-Name

Big Data - Technologien und Anwendungsfälle

Modul-Nr : 35003

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

2

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35201

Big Data -

Technologien und

Anwendungsfälle

Tommy Baumann

V

Ü

P

4

5

2

PLK 90

benotet


Keine


- 9 -


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


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

Sprache




- 10 -

Literatur D. Syme, A. Granicz, und A. Cisternino, Expert F# 3.0, 3. Aufl. Apress, 2012.

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.

467–468, 2012.

H. Plattner und A. Zeier, In-memory data management: an inflection point for

enterprise applications. Springer, 2011.

T. White, Hadoop: The definitive guide. O’Reilly Media, 2012.

M. Indrawan-Santiago, „Database Research: Are We at a Crossroad?

Reflection on NoSQL“, in 2012 15th International Conference on Network-

Based Information Systems, Los Alamitos, CA, USA, 2012, Bd. 0, S. 45–51.

A. McAfee und E. Brynjolfsson, „Big data: the management revolution.“,

Harvard business review, Bd. 90, Nr. 10, S. 60, 2012.

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. 21–32, 2011.

Brauer, Hampe, Edlich, Friedland, Brückner: NoSQL: Einstieg in die Welt

nichtrelationaler Web 2.0 Datenbanken, Carl Hanser Verlag, 2. Auflage. 2011

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. 33-44, 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





01.08.2014


- 11 -

5 35004 In-Memory Data Management


Modulbeschreibung


Modulkoordinator

Prof. Dr. Rössle

Modul-Name

In-Memory Data Management

Modul-Nr : 35004

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

2

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35202

In-Memory Data

Management

Prof. Dr. Manfred

Rössle

V

Ü

L

4

5

2

PLL


Keine


- 12 -


Fachkompetenz: Die Studierenden kennen die grundlegenden Konzepte von In-Memory Datenbanken. Sie sind

in der Lage, diese Konzepte zu beurteilen und auf praktische Probleme anzuwenden.

Überfachliche Kompetenz: Die Studierenden konzipieren neue Anwendungen für moderne

Geschäftsanforderungen in interdisziplinären Teams.

Ggf. besondere Methodenkompetenz: Die Studienrenden sind in der Lage, selbständig performanceoptimierte

Abfragen auf großen Datenmengen zu erstellen. Sie können einschlägige Algorithmen der Datenanalyse

anwenden.

Kompetenzbereich

Schwerpunkt

Teilschwerpunkt


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

- Differentioal Buffer und Merge

- Insert Only

- Logging und Recovery

Auswirkung auf die Anwendungsentwicklung und Einsatzszenarien

Praktische Anwendungsbeispiele

Sprache




- 13 -

Literatur

Plattner, Hasso: Lehrbuch In-Memory Data Management, Wiesbaden 2013


Ausarbeitung und Präsentation



29.05.2014 Rössle


- 14 -

6 35005-Business-Analytics


Modulbeschreibung


Modulkoordinator

Prof. Dr. C. Koot

Modul-Name

Business Analytics

Modul-Nr : 35005

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

2

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35203

Business Analytics

Prof. Dr. Christian

Koot

V

Ü

L

4

5

2

PLM 30

benotet


Taschenrechner gemäß Taschenrechnerrichtlinie.


- 15 -


Allgemeines: Die Studierenden lernen die Grundlagen der Business Analytics sowie im Kontext relevante

statistische und mathematische Verfahren kennen.

Fachkompetenz: Kenntnis der Grundlagen der Business Analytics sowie im Kontext relevanter statistischer und

mathematischer Verfahren.

Methodenkompetenz: Fähigkeit, Verfahren der Business Analytics in gängiger Standsoftware (z. B. R und

RStudio) anzuwenden.

Sozialkompetenz: --

Kompetenzbereich

Schwerpunkt

Teilschwerpunkt


Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

- Grundlagen der Business Analytics

- Deskriptive Statistik

- Induktive Statistik

- Operations Research: Ausgewählte Methoden

- Daten in R

- Methoden in R

- Programmieren in R

Sprache



Literatur

Evans, James R.: Business Analytics; 1. int. Auflage; Harlow; Pearson 2014.

Taha, Hamdy A.: Operations Research - An Introduction; 9. Auflage; Boston,

MA; Pearson Prentice Hall 2011.

Weitere Literatur wird in der Vorlesung bekannt gegeben.


Ergebnis der mündlichen Prüfung.


--


- 16 -


09.03.2015


- 17 -

8 35006 Online Marketing & Web-Analytics


Modulbeschreibung


Modulkoordinator Prof. Dr. Peter Gentsch

Modul-Name

Online-Marketing & Web-Analytics

Modul-Nr : 35006

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

2

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --

Sonstiges: Gutes Vorwissen in E-Business und Marketing, Kenntnisse in der

Skriptsprache html und in Internetdiensten.


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35206

Online-Marketing &

Web-Analytics

Prof. Dr. Peter

Gentsch

V

Ü

P

4

5

2

PLP

benotet


- 18 -


Keine


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


Fachkompetenz

Methodenkompetenz

Sozialkompetenz


- 19 -

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



Literatur

Fritz, W. (2012): Internet-Marketing und Electronic Commerce, 4. Aufl, Gabler

Verlag, Wiesbaden 2012.

Härting, R. (2000): Elektronischer Geschäftsverkehr aus Sicht privater

Haushalte, Gabler Verlag, München 2000.

Rieg. R. / Härting, R. (2010): Electronic Business – was bleibt nach dem Ende

der „New Economy“?, in: Arnold, F. (Hrsg,) Handbuch der Telekommunikation

Aktualisierungsauflage, 2010.

Vertiefende Literatur wird in der Veranstaltung bekannt gegeben.

1/3 Referat, 2/3 Projekt


- 20 -




01.08.2014


- 21 -

9 35011 International Project Management


Modulbeschreibung


Modulkoordinator

Prof. Dr.-Ing. Frank Richter

Modul-Name

International Project Management

Modul-Nr : 35011

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

1

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35111

International Project

Management

Prof. Dr. Frank

Richter

P

4

5

1

PLP

benotet


Keine


- 22 -


Allgemeines: Die Studierenden erlernen im Rahmen der Durchführung ausgewählter Projekte die Analyse,

Evaluation und Anwendung strategischer Instrumente/Methoden, Projektmanagement und sind in der Lage, ihre

logisch-analytischen Fähigkeiten zur Problemlösung einzusetzen.

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: Methoden des Projektmanagements können von den Absolventen eingeschätzt und

angewandt werden.

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



Literatur

wird gfls. - sofern benötigt - projektspezifisch bekanntgegeben

zusätzlich hilfreich:

Hungenberg, H.: Strategisches Management in Unternehmen, 5. Aufl., 2008.

Coenenberg, A.-G./Fischer, T. M./Günther, T.: Kostenrechnung und

Kostenanalyse, 7. Aufl., 2009.

Coenenberg, A. G./Haller, A./Schultze, W.: Jahresabschluss und

Jahresabschlussanalyse, 21. Aufl., 2009


- 23 -

Schein, E.: Organizational culture and leadership. Jossey-Bass-Verlag, 1985.

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. 134 – 147


Ergebnis der Projektarbeit


--


01.09.2015


- 24 -

10 35012 Customer Relationship Marketing


Modulbeschreibung



Modul-Name

Customer Relationship Marketing

Modul-Nr : 35012

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

1

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35112

Customer

Relationship

Marketing

Wolfgang

Gunsenheimer

P

4

5

1

PLK 90

benotet


Keine


- 25 -


Allgemeines: Die Studierenden erlernen im Rahmen der Durchführung ausgewählter Übungen die Anwendung

der Instrumente des CRM kennen.

Fachkompetenz: Nach Teilnahme an der Vorlesung können Studierende die Besonderheiten des Customer Relationship

Marketings darstellen und erläutern, wissen die Konzepte, Modelle und CRM spezifischen Anwendungen zu

benennen und die Implikationen für die marktorientierte Unternehmensführung einzuschätzen und entsprechende

Empfehlungen abzugeben.

Basierend auf den Grundlagen, können Studierende komplexe Problemlösungen im Bereich des CRMs

analysieren, sachgerechte Lösungen zu Problemstellungen im Rahmen der zu diskutierenden Fallstudien

formulieren und angemessen präsentieren.

Absolventen sind in der Lage Problemstellungen des im Rahmen des CRMs vorauszusagen und

Lösungsvorschläge zu begründen.

Methodenkompetenz: Absolventen sind in der Lage, je nach Aufgabenstellung die richtigen Methoden

anzuwenden, indem sie diese analysieren und entsprechend erfolgreich anwenden.

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


Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

1. Grundlagen CRM

2. Entwicklung des CRM

3. Customer Lifetime Value

4. Strategisches und operatives CRM

5. Fallstudien


- 26 -

Sprache



Literatur

- 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. 223 – 243.

- 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




--


05.08.2014


- 27 -

11 35013 Market Research


Modulbeschreibung



Modul-Name

Market Research

Modul-Nr : 35013

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

1

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35113

Market Research

Prof. Dr. Peter

Gentsch

P

4

5

1

PLP

benotet


Keine


- 28 -


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


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


- 29 -

Sprache



Literatur

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


--


05.08.2014


- 30 -

12 35014 Business Intelligence


Modulbeschreibung


Modulkoordinator

Prof. Dr. – Ing. Frank Richter

Modul-Name

Business Intelligence

Modul-Nr : 35014

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

1

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35114

Business Intelligence

Prof. Dr. Alexander

Strehl

V

Ü

4

5

1

PLP

benotet


Keine


- 31 -


Allgemeines: Die Studierenden beherrschen die Begriffe und Gegenstände der Business Intelligence

und kennen die Relevanz der Business Intelligence für die Unternehmenspraxis und können das Erlernte

zielgerichtet anwenden. Die Studierenden werden Konzepte und Methoden des Business Intelligence funidert

unterscheiden können und die Bedeutung von ganzheitlichen Ansätzen einschätzen und evaluieren können. Die

Studierenden verstehen die verschiedenen Anwendungen im Rahmen der Business Intelligence und können

diese fundiert erläutern.

Fachkompetenz: Vertieftes Verstehen und Anwendung der Methoden und Konzepte im Themebereiche der

Business Intelligence .

Methodenkompetenz: Die Absolventen sind in der Lage, erlernte Methoden und Fachwissen des wenden

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


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



Literatur

Pattern Classification (2nd Edition) by Richard O. Duda, Peter E. Hart, David

G. Stork, Wiley-Interscience; 2 edition (October 2000), ISBN 978-0471056690

Feldman, Sanger: The Text Mining Handbook: Advanced Approaches


- 32 -

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, 2010.

Haneke, Uwe: Open Source Business Intelligence : Möglichkeiten, Chancen

und Risiken quelloffener BI-Lösungen: Hanser, 2010.

Gansor, Tom; Totok, Andreas; Stock, Steffen: Von der Strategie zum Business

Intelligence Competency Center (BICC) : Konzeption - Betrieb - Praxis:

Hanser, 2010.

Reporting und Business Intelligence : [Berichtsstrukturen und

Kennzahlenauswahl; Praxisbeispiele für Management Cockpits; Effizienz und

Effektivität durch BI-Software; flexible Datenanalyse mit Excel]: Haufe-Grupe,

2011.

Burmester, Lars: Adaptive Business-Intelligence-Systeme: Theorie,

Modellierung und Implementierung: Vieweg+Teubner Verlag / Springer

Fachmedien Wiesbaden GmbH, 2011.

Gluchowski, P.: Management Support Systeme und Business Intelligence:

computergestützte Informationssysteme für Fach- und Führungskräfte, 2.

Auflage, Springer, Berlin 2008.


Ergebnis des Projektes.


Sonstiges: Grundlegende Kenntnisse in Statistik und Wirtschaftsinformatik.


01.08.2014


- 33 -

13 35015 Unternehmensführung & -steuerung


Modulbeschreibung


Modulkoordinator

Prof. Dr.-Ing. Frank Richter

Modul-Name

Unternehmensführung & -steuerung

Modul-Nr : 35015

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem

Dauer

5

4

180 Std.

60 Std.

120 Std.

Wintersemester

Sommersemester

2

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35215

Unternehmensführung

& -steuerung

Prof. Dr. Frank

Richter

V

L

4

5

2

PLM 15

benotet


Keine


- 34 -


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


Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

- Strategie und Strategiegestaltung auf Unternehmens- und Geschäftsfeldebene

- Unternehmenskultur / Change Management

- Grundlegende Herausforderungen bie der Unternehmensführung

Sprache




- 35 -

Literatur

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, 1994.

Hungenberg, H.: Strategisches Management in Unternehmen, 5. Aufl., 2008.

Johnson, G., Scholes, K.: Exploring Corporate Strategy, 6. Aufl., 2000.

Dess, G., Lumpkin, G., Eisner, A.: Strategic Management, 4. Aufl., 2008.

Coenenberg, A.-G./Fischer, T. M./Günther, T.: Kostenrechnung und

Kostenanalyse, 7. Aufl., 2009.

Coenenberg, A. G./Haller, A./Schultze, W.: Jahresabschluss und

Jahresabschlussanalyse, 21. Aufl., 2009

Schein, E.: Organizational culture and leadership. Jossey-Bass-Verlag, 1985.


Ergebnis der mündlichen Prüfung


--


01.08.2014


- 36 -

14 35021_Wahlpflichtfach


Modulbeschreibung


Modulkoordinator

Fachdozent des betreffenden Wahlpflichtfaches

Modul-Name

Wahlpflichtfach

Modul-Nr : 35021

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem

Dauer

5

4

150 Std.

60 Std.

90 Std.

Wintersemester

Sommersemester

2

1 Semester

2 Semester



Studienabschnitt


Master of Science

WPM - Wahlpflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35221

Wahlpflichfach

Fachdozent des

jeweiligen

Wahlpflichfaches

4

5

2


Laut spezifischer Modulbeschreibung des Wahlpflichtfaches.


- 37 -

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


Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

Laut Angabe der Modulbeschreibung des betreffenden Wahlpflichtfaches.

Sprache



Literatur





Die möglichen Wahlpflichtfächer werden jeweils zu Semesterbeginn

bekanntgegeben.


01.08.2014


- 38 -

15 35030_Masterarbeit


Modulbeschreibung


Modulkoordinator

Prof. Dr. –Ing. Frank Richter

Modul-Name

Masterarbeit

Modul-Nr : 35030

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

29

900

900 Std.

Wintersemester

Sommersemester

1 Semester

2 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


9999

9998

Masterarbeit

Kolloquium

Professoren aus

dem Studienbereich

Internationale

Betriebswirtschaft

P

25

4

3

PLP

benotet


Keine


- 39 -


Allgemeines:

Fachkompetenz: Die Studierenden haben das für eine Forschungsarbeit auf aktuellem Gebiet notwendige

Grundlagen- und Expertenwissen und setzen es zielgerichtet zur Erarbeitung eines Forschungsergebnisses ein.

Methodenkompetenz: Die Studierenden beherrschen das aus den Modulen vermittelte Instrumentarium und

Methodenportfolio und setzen es zur Gewinnung neuer Erkenntnisse und Ergebnisse ein. Idealerweise werden

bestehende Methoden praxisnah angewandt, adaptiert bzw. weiterentwickelt. Die Ergebnisse sollen innovativen

Charakter aufweisen.

Sozialkompetenz: Die Studierenden beherrschen die Methoden der Informationsgewinnung, Zeitmanagement

und Teamarbeit.

Kompetenzbereich

Schwerpunkt

Teilschwerpunkt


Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

Selbständige Bearbeitung eines Forschungsthemas aus dem Bereich der Kompetnezschwerpunkte des

Curriculums des Masterstudiengangs Wirtschaftsinformatik konsekutiv. Die Ergebnisse der Masterarbeit müssen

für ein wissenschaftliches Publikum in Form einer Präsentation aufbereitet und vorgetragen werden

werden.

Sprache



Literatur


Die Note setzt sich aus der schriftlichen Arbeit und des Kolloquiums

zusammen.



05.08.2014


- 40 -

16 35999 Studium Generale


Modulbeschreibung


Modulkoordinator

Prof. Dr. –Ing. Frank Richter

Modul-Name

Studium Generale

Modul-Nr : 35999

CP

SWS

Workload

Kontakt-zeit

Selbst-studium

Angebot Beginn

Sem.

Dauer

1

90

Wintersemester

Sommersemester

1 Semester

2 Semester

3 Semester



Studienabschnitt


Master of Science

PM - Pflichtmodul

HS - Hauptstudium

WI M.Sc.





Modul: --

Prüfung: --


Fach-Nr.


Lehrende

Art

SWS

CP

Sem

Modul-prüfung


35999

Verschiedene

Veranstaltungen aus

dem Angebot des

Studium Generale

Referent aus dem

Angebot des

Studium Generale

S

1

PLS


Hilfsmittel werden in den entsprechenden Veranstaltungen bekannt gegeben.


- 41 -


Allgemeines:

Fachkompetenz („Wissen und Verstehen“ und „Fertigkeiten“):

Überfachliche Kompetenz („Sozialkompetenz“ und „Selbstständigkeit“): Ziel des Studium Generale ist es,

die ganzheitliche Bildung der Studierenden zu fördern, sowie ein stabiles theoretisches Fundament für eine

erfolgreiche Berufslaufbahn zu schaffen. Sie Persönlichkeitsentwicklung wird gestärkt und gefördert.

Ggf. besondere Methodenkompetenz:

Kompetenzbereich

Schwerpunkt

Teilschwerpunkt


Fachkompetenz

Methodenkompetenz

Sozialkompetenz

Lehrinhalte

Das Studium Generale an der Hochschule Aalen besteht aus mehreren Schwerpunkten „Philosophie, Ethik und

Nachhaltigkeit“, „Kommunikation und Prozesse“, „Soziale Kompetenz“, „Unternehmensführung“,

„Wissenschaftliche Grundlagen“ „öffentlichen Antrittsvorlesungen“ sowie verschiedenen Vorlesungen aus den

Studiengängen der Hochschule Aalen. Die jeweiligen Lehrinhalte sind flexible und somit jedes Semester dem

jeweils erstellten Programm des Studium Generale zu entnehmen.

Sprache



Literatur

Die Literatur wird in den entsprechenden Veranstaltungen bekannt gegeben.


--


--


03.07.2014

Documents

Modulhandbuch SPO 30 Master of Science in ...€¦ · 5 35004 In-Memory Data Management ... an inflection point for enterprise applications. Springer, 2011. Wirtschaftsinformatik