Modulhandbuch

General Management (GM)

Elements of Digitalization

Empfohlene Vorkenntnisse

Beherrschen gängiger Office Programme

Lehrform Vorlesung/Übung
Lernziele / Kompetenzen

Im Modul Elements of Digitalization erwerben Studierende Kompetenzen auf unterschiedlichen Gebieten der Digitalisierung. Im Vordergrund stehen dabei

  1. Entscheidungskompetenzen: Studierende sollen in ihrer Rolle als Anwender und Entscheider aktuelle Konzepte und Techniken der Digitalisierung in ihrer jeweiligen Fachdomäne bewerten und beurteilen können.
  2. Umsetzungskompetenzen: Studierende sollen Konzepte und Technologien, die für sie relevant sind, auch selbst einsetzen bzw. anwenden können.

Auf Grund der Breite der Thematik ist das Modul in drei Lehrveranstaltungen aufgeteilt, die unterschiedliche Elemente der Digitalisierung zum Inhalt haben und sich in ihren Lernzielen ergänzen:

  • Digital Business Models & Use Cases
  • Enabling Technologies & Applications
  • Business Analytics

Ausgehend von den Grundlagen digitaler Geschäftsmodelle wird der Zusammenhang der Digitalisierung zu Geschäftsprozessen im Unternehmen hergestellt, sowie Grundlagen des eBusiness vermittelt. Die Studierenden werden in die Lage versetzt, bestehende Geschäftsmodelle und Use Cases zu analysieren und weiter zu entwickeln.

In der Lehrveranstaltung Enabling Technologies werden aktuelle technische Grundlagen zu beispielsweise Mobilen Anwendungen, Cloud oder Blockchain vermittelt.

Das übergreifende Thema der Nutzung von Daten, um einen Mehrwert für das Unternehmen zu schaffen, ist Gegenstand der Veranstaltung Business Analytics, wo neben Business Intelligence auch Grundlagen des maschinellen Lernens vermittelt werden. 

Dauer 1
SWS 6.0
Aufwand
Lehrveranstaltung 67,5
Selbststudium / Gruppenarbeit: 172,5
Workload 240
ECTS 8.0
Voraussetzungen für die Vergabe von LP

Die Modulprüfung besteht aus zwei Teilen:

Klausur 120 Minuten für B+W736 Digital Business Models & Use Cases und B+W737 Enabling Technologies & Applications

Praktische Arbeit für B+W738 Business Analytics

Modulverantwortlicher

Prof. Dr. Tobias Hagen

Empf. Semester 3. Semester
Haeufigkeit jedes Jahr (WS)
Verwendbarkeit

General Management (Master)

Veranstaltungen

Digital Business Models & Use Cases

Art Vorlesung/Übung
Nr. B+W736
SWS 2.0
Lerninhalt

Die LV gliedert sich folgendermaßen:

  • Grundlagen digitaler Geschäftsmodelle
  • Digitale Plattformen
  • Anwendungsfälle aus den Bereichen Produktion und Logistik, eCommerce, eProcurement
Literatur

Osterwalder, A.; Pigneur, Y.: Business Model Generation: Ein Handbuch für Visionäre, Spielveränderer und Herausforderer. Frankfurt am Main: Campus Verlag, 2011.

Wirtz, B. W.: Electronic Business. 6. Auflage. Wiesbaden: Springer Gabler, 2018.

Kollmann, T.: E-Business: Grundlagen elektronischer Geschäftsprozesse in der Digitalen Wirtschaft. Wiesbaden: Springer Gabler, 2019.

Bauernhansl. T.; ten Hompel, M.; Vogel-Heuser, B. (Hrsg.): Industrie 4.0 in Produktion, Automatisierung und Logistik. Wiesbaden: Springer Vieweg, 2014.

Enabling Technologies & Applications

Art Vorlesung/Übung
Nr. B+W737
SWS 2.0
Lerninhalt

Die LV gliedert sich folgendermaßen:

  • Netzwerke, Internet-Technologien und Cloud-Computing
  • Web-Seiten, Web-Anwendungen und mobile Applikationen
  • Blockchains (mit Schwerpunkt Bitcoin)
  • IT-Sicherheit
  • Datenschutz und die DSGVO
Literatur

Tanenbaum, Andrew S. und Wetherall, David J.: Computernetzwerke, Pearson, 2012.

Sikora, Axel: Technische Grundlagen der Rechnerkommunikation: Internet-Protokolle und Anwendungen, Leipzig: Fachbuchverlag, 2003.

Fill, Hans-Georg und Meier, Andreas (Hrsg.), Blockchain: Grundlagen, Anwendungsszenarien und Nutzungspotenziale, Springer Vieweg, 2020.

Eckert, Claudia: IT-Sicherheit: „Konzepte – Verfahren – Protokolle, De Gruyter Oldenbourg, 2018.

Voigt, Paul und von dem Bussche, Axel: EU-Datenschutz-Grundverordnung (DSGVO): Praktikerhandbuch, Springer, 2018.

Business Analytics

Art Vorlesung/Übung
Nr. B+W738
SWS 2.0
Lerninhalt

Die LV beschäftigt sich mit Konzepten und Methoden der Analyse von Daten aus dem betrieblichen Umfeld zum Zweck der Entscheidungsunterstützung des Managements. Die LV gliedert sich folgendermaßen:

  • Multidimensionale Datenanalyse mit OLAP
  • Data Warehouse Konzepte
  • Grundlagen des Predictive Modelling und Data Mining
  • Visualisierung von Daten
Literatur

Müller R./ Lenz, H.: Business Intelligence. eXamen.press, 2013.

Kemper, H./ Baars, H./ Mehanna, W.: Business Intelligence – Grundlagen und praktische Anwendungen. Eine Einführung in die IT-basierte Managementunterstützung, Wiesbaden: Vieweg+Teubner, 2020.

Dorer, K./ Hagen, T./ Lauer, T./ Sänger, V./ Trahasch, S.:  Skript Menschen Lernen Maschinelles Lernen (ML2) https://imla.gitlab.io/ml-buch/ml2-buch/, 2019.

Provost, F. /Fawcett, T.: Data science for business. Sebastopol, Calif: O'Reilly, 2013.