Technologien des digitalen Zeitalters

In einer zunehmend datengetriebenen Welt ist die Fähigkeit, Daten nicht nur zu sammeln, sondern wertschöpfend zu nutzen, eine Schlüsselkompetenz. In dem Modul „Data Science“ erwerben die Studierenden ein fundiertes Verständnis für den gesamten Lebenszyklus der Datenwissenschaft – von der strategischen Einordnung über das Data Engineering bis hin zur Anwendung moderner KI-Methoden.

Lernziele

Die Studierenden lernen, komplexe Fragestellungen mittels analytischer Methoden zu lösen. Sie verstehen den Unterschied zwischen klassischem Maschinellem Lernen und moderner Generativer KI (GenAI) und können bewerten, wann welches Werkzeug zum Einsatz kommen sollte. Neben der technischen Kompetenz (u.a. Nutzung von Python und Cloud-Tools) liegt ein starker Fokus auf der Einordnung rechtlicher Rahmenbedingungen (z.B. EU AI Act) und ethischer Fragestellungen. Am Ende des Moduls sind die Teilnehmenden in der Lage, eigene Data-Science-Projekte zu konzipieren, prototypisch umzusetzen und kritisch zu bewerten.

Inhaltliche Schwerpunkte

• Grundlagen & Strategie: Der Data-Science-Prozess (CRISP-DM), Datenkultur und die Rolle von Daten in der digitalen Transformation.
• Data Engineering & Architektur: Wie gelangen Daten aus Silos in nutzbare Formate? Grundlagen von Cloud-Computing, ETL-Strecken und moderner Datenhaltung.
• Machine Learning (ML): Konzepte des überwachten und unüberwachten Lernens. Einsatz von Algorithmen zur Vorhersage (Regression, Klassifikation) und Mustererkennung.
• Generative AI (GenAI): Funktionsweise von Large Language Models (LLMs). Prompt Engineering und der Einsatz von KI-Assistenten im Unternehmenskontext.
• Visualisierung & Storytelling: Daten verständlich aufbereiten und Entscheidungsträgern überzeugend präsentieren.
  Governance & Ethik: Der EU AI Act, Bias in Daten und der verantwortungsvolle Umgang mit KI-Systemen.
• Praxistransfer: Begleitende Übungen via Datacamp (Python) und Durchführung eines eigenen Data-Science-Projekts in Gruppen.

Prüfungsleistung

Die Prüfungsleistung besteht aus der Anfertigung eines Portfolios, das durch spezifische Online-Teilleistungen erbracht wird und damit den Kompetenzerwerb der Studierenden in diesem Modul demonstriert.

Digitale Geschäftsmodelle, Cloud-Infrastrukturen und datengetriebene Anwendungen erhöhen die Abhängigkeit von vernetzten IT-Systemen. Gleichzeitig wachsen Angriffsflächen und Bedrohungen stetig und damit ist Cybersecurity in modernen Organisationen nicht nur eine technische Herausforderung, sondern eine zentrale Managementaufgabe.

Das Modul Cybersecurity vermittelt grundlegende technische und organisatorische Konzepte der IT-Sicherheit. Neben klassischen Sicherheitskonzepten werden auch aktuelle Herausforderungen wie Cloud-Sicherheit und die Absicherung von KI-Systemen sowie der Einsatz von Machine Learning für Cybersecurity behandelt.

Lernziele

Die Teilnehmerinnen lernen grundlegende Konzepte für IT-Sicherheit kennen und entwickeln ein Verständnis für die mathematischen Zusammenhänge der Kryptographie. Schließlich können sie diese auf Anforderungen zur Sicherstellung der Vertraulichkeit und Integrität von Daten anwenden. Die Teilnehmerinnen verstehen das Vorgehen von Angreifern und kennen entsprechende Techniken und Technologien, um das Vorgehen von Angreifern nachzuvollziehen (Fokus: Web Applications). Darüber hinaus verstehen sie die grundlegende Organisation von Sicherheitsmanagement im Unternehmen inkl. Aspekte der Product Security und des Entwickelns von sicheren Applikationen (Fokus Web, Cloud).

Inhaltliche Schwerpunkte

• Grundlegende Konzepte der IT-Sicherheit
• Kryptographie als Sicherheitsgrundlage
• Konzepte der Authentifizierung und Autorisierung
• Netzwerk- und Cloud-Sicherheit
• Machine Learning in der Cybersecurity
• Ethical Hacking und Threat Modelling
• Cybersecurity im Unternehmen

Prüfungsleistung

Die Prüfungsleistung besteht aus der Anfertigung eines Portfolios, das durch spezifische Online-Teilleistungen erbracht wird, um damit den Kompetenzerwerb in diesem Modul zu demonstrieren.