IT-getriebene Unternehmensgründungen und Geschäftsmodelle sind Gegenstand des Kurses „Digitale Business-Modelle“. Ausgehend von der Diskussion der historischen Entwicklung und der Rahmenbedingungen des Digital Business werden alternative Geschäftsmodelle im Digital Business systematisch dargestellt und hinsichtlich der jeweiligen Stärken- und Schwächen analysiert sowie bewertet. Die Studierenden lernen die zentralen Ansätze zur Entwicklung einer eigenständigen Unternehmenspositionierung und werden in die Lage versetzt, eigenständig die zentralen Einflussfaktoren auf den Unternehmenserfolg im digitalen Business zu prüfen und zu bewerten. Abschließend werden alternative Finanzierungskonzepte für digitale Geschäftsmodelle dargestellt und kritisch gewürdigt sowie die zentralen Bestandteile eines Business Plans detailliert. Darüber hinaus wird der gesamte Prozess zur Erstellung und Definition eines Business Plans im Detail dargestellt und an Praxisbeispielen erprobt.

1. Innovationsmanagement und Geschäftsmodelldefinitionen
   1. Grundbegriffe des Innovationsmanagements und Zusammenhang mit digitalen Geschäftsmodellen
   2. Geschäftsmodelle: Genese – Definition – Bezug zu Innovation
   3. Spezifika digitaler Geschäftsmodelle im Vergleich zu traditionellen Betrachtungen
2. Digitale Geschäftsmodelle: Definition und Elemente
   1. Neue Elemente digitaler Geschäftsmodelle
   2. Redefinition und Kernelemente digitaler Geschäftsmodelle
   3. Wertearchitektur und Wertemechanik
3. Basisarchitekturen, Standardmuster und Netzwerkintegration
   1. Grundlegende digitale Geschäftsmodellarchitekturen
   2. Standardmuster nach Geschäftsmodellelementen
   3. Netzwerke und Differenzierungsstrategien
4. Erfolgsfaktoren und Strategie
   1. Zusammenhänge zwischen den Konzepten: Geschäftsmodell, Erfolgsfaktoren und Strategie
   2. Relevante Erfolgsfaktoren digitaler Geschäftsmodelle
   3. Strategieebenen und Strategiebeispiele im Rahmen digitaler Geschäftsmodelle und deren Elemente
5. Business Case und Besonderheiten bei der Investitionsplanung
   1. Elemente des Business Case und Zusammenhang zu den bisherigen Konzepten
   2. Erlösmechanik, Umsatzplanung und Erfolgsgrößen
   3. Besonderheiten bei der Investitionsplanung

Im Rahmen des Seminars „Gesellschaftliche Herausforderungen der Digitalisierung“ erstellen die Studierenden zu einem Fachthema eine wissenschaftliche Seminararbeit. Die Studierenden stellen so unter Beweis, das sie in der Lage sind, sich selbständig in ein aktuelles und gesellschaftlich relevantes Thema einzuarbeiten und die gewonnenen Erkenntnisse wissenschaftlich zu dokumentieren.

• Ein Seminar behandelt aktuelle Themen aus dem Bereich „Gesellschaftliche Herausforderungen der Digitalisierung“. Dabei werden insbesondere gesellschaftliche Fragestellungen und Herausforderungen thematisiert und der Einfluss der Digitalisierung auf Veränderungen in sozialen Prozessen und Arbeitswelten analysiert und reflektiert.
• Jeder Teilnehmer muss zu einem ihm zugewiesenen Thema eine wissenschaftliche Seminararbeit erstellen, die der Vorbereitung auf die Masterarbeit dienen kann. Der aktuelle Themenkatalog steht auf der Lernplattform und bildet die inhaltliche Basis des Moduls und kann vom Tutor ergänzt bzw. aktualisiert werden.

Im Rahmen des Kurses „Marktforschung“ wird das gesamte Spektrum der Marktforschung, von der Datenerhebung bis zur Datenauswertung behandelt.

Im Rahmen des Abschnitts „Datenerhebung“ wird der gesamte Marktforschungsprozess umfassend dargestellt und im Detail beleuchtet. Ausgehend von der Konzeption des Studiendesigns über die Phasen und Schritte im Rahmen der Durchführung bis zur Datenaufbereitung werden die zentralen Aspekte und Anforderungen der Datenerhebung beleuchtet: Alternative Erhebungsformen werden vertieft dargestellt und kritisch gewürdigt. Der Umgang mit systematischen Fehlern und Stichprobenfehlern behandelt und die Ziele, Anforderungen und Konsequenzen qualitativer und quantitativer Forschung im Detail analysiert. Grundzüge der Stichprobentheorie und alternative Verfahren der Stichprobenziehung werden ebenso behandelt wie Grundzüge des Datenschutzes.

Im Abschnitt „Datenauswertung“ werden die Grundlagen der Marktforschungsanalyse vertieft. Im Mittelpunkt stehen das Verständnis und die praktische Anwendung bi- und multivariater Verfahren. Neben den Möglichkeiten zur Analyse durch Gruppenvergleiche werden insbesondere die Korrelations- und Regressionsanalyse wie die Faktoren- und Clusteranalyse vertieft. Darüber hinaus erfolgt eine erste Einführung in die Möglichkeiten und Grenzen von kausalanalytischen und strukturprüfenden Methoden.

1. Grundlagen der Marktforschung
   1. Wer betreibt Marktforschung und wofür?
   2. Marktforschung in Deutschland – ein Überblick
   3. Der Marktforschungsprozess
2. Repräsentativität und ihre Voraussetzungen
   1. Grundgesamtheit
   2. Vollerhebung, Teilerhebung, Stichprobe
   3. Repräsentativität
3. Verfahren der Stichprobenziehung (Auswahlverfahren)
   1. Repräsentative vs. willkürliche Auswahl
   2. Verfahren der Zufallsauswahl
   3. Verfahren der bewussten Auswahl
4. Messtheorie, Skalentypen und Gütekriterien
   1. Messen und Operationalisieren
   2. Skalentypen
   3. Gütekriterien der empirischen Forschung
5. Instrumente der Datenerhebung: Befragung
   1. Allgemeines zu Befragungen
   2. Formen und Ziele von Befragungen
   3. Vor- und Nachteile von Befragungen
   4. Aufbau und Gestaltung eines Fragebogens
6. Instrumente der Datenerhebung: Beobachtung und Experiment
   1. Formen und Ziele von Beobachtungen
   2. Formen und Ziele von Experimenten
7. Grundlagen univariater Datenanalyse
   1. Klassifizierung von Merkmalen
   2. Darstellung von Häufigkeiten
   3. Maße der zentralen Tendenz
   4. Dispersionsmaße
   5. Die Schiefe von Verteilungen
8. Grundlagen bivariater Datenanalyse
   1. Kreuztabellen
   2. Korrelationsanalysen
   3. Einfache Regressionsanalysen
9. Grundlagen multivariater Datenanalyse
   1. Multiple Regressionsanalysen
   2. Varianzanalyse
   3. Faktorenanalyse
   4. Clusteranalyse
   5. Grundzüge der Kausalanalyse
10. Quo vadis, Marktforschung?
    1. Grenzen, Ethik und Datenschutz in der Marktforschung
    2. Neue Medien, neue Herausforderungen

Durch die Digitalisierung und dem damit einhergehenden disruptiven Wandel hat die Agilität in den letzten Jahren eine zunehmende Bedeutung für die Managementpraxis und Unternehmensführung erlangt. Agilität bezieht sich somit nicht nur auf die Prozesse und organisatorische Strukturen in den Unternehmen, sondern auch im Sinne eines agilen Mindsets auf die Einstellungen und das Verhalten der Organisationsmitglieder. Besonders bei Führungskräften kommt es hierbei zu radikalen Veränderungen in der Führungskultur. Im Kontext des Agile Leaderships sind ein neues Führungsverständnis sowie neue Führungsrollen und -prinzipien unabdingbar für eine agile Organisationsentwicklung hin zu einer lernenden Organisation. Durch die intensive Auseinandersetzung mit den Grundlagen zu Leadership, Agilität und agilem Management werden die Studierenden in die Lage versetzt die neuen Anforderungen an die agile Führungskraft einzuordnen. Darüber hinaus werden neben wichtigen Kompetenzen und Soft Skills agiler Führungskräfte auch moderne Führungsansätze und -werkzeuge vermittelt, um schließlich den Weg von der traditionellen Führungskraft zum Agile Leader beschreiten zu können.

1. Leadership und Management
   1. Treiber und Enabler der Führung
   2. Einordnung von Leadership in die klassische Unternehmensführung
   3. Der Begriff Leadership
   4. Modern Leadership vs. Management
2. Transformation der Führung im digitalen Zeitalter
   1. VUCA und Leadership
   2. Neue Anforderungen an die Führung
   3. Führungsverständnis im digitalen Zeitalter
   4. Wandel der Führungsmodelle und -stile: ein Überblick
   5. Der Begriff Agile Leadership
3. Agilität und agiles Management
   1. Bedeutung und Eigenschaften von Agilität
   2. Agile Werte und Prinzipien
   3. Agile Methoden und Frameworks: Lean Startup, Kanban und Scrum
   4. Agiles Mindset: Motivation, Vertrauen und Verantwortung
   5. Zusammenhang von Agile und Lean Management
4. Die Rolle einer agilen Führungskraft in der neuen Arbeitswelt
   1. Bedeutung des agilen Denkens und Handelns einer Führungskraft
   2. Aufgaben der agilen Führungskraft
   3. Kompetenzen und Soft Skills agiler Führungskräfte
   4. Selbstorganisation von Gruppen und Teams
   5. Entwicklung und Bindung von Mitarbeitenden
5. Agile Führungsansätze und -werkzeuge
   1. Regeln der agilen Führung
   2. Entscheidungsfindung im agilen Umfeld
   3. Fehlerkultur im agilen Umfeld
   4. Agile Werkzeuge für die Führungskraft
6. Transition zum Agile Leader und Agile Change-Management
   1. Der Weg von der traditionellen Führungskraft zum Agile Leader
   2. Agile und Lean Change-Management: Erfolgsfaktoren und Schlüsselprinzipien
   3. Kulturveränderung beherrschen: Umgang mit Widerständen
   4. Steuern von Veränderungsprojekten mit agilen Methoden
   5. Agile Organisationsentwicklung: Lernende Organisation

Die Digitalisierung geht mit immensen Veränderungsprozessen in Gesellschaft, Wirtschaft und Industrie einher und beeinflusst zunehmend klassische Managementansätze. Das traditionelle Projektmanagement ist aktuell noch in vielen Industrieunternehmen vorzufinden und auch von dieser digitalen Transformation betroffen. Durch das hohe Maß an Standardisierung im traditionellen Projektmanagement besteht zunehmend der Bedarf, mehr Flexibilität und Dynamik durch agile Ansätze zu integrieren. Doch gerade in der Unternehmenspraxis ist vielen Projektmanagern noch nicht klar, wann auf agile und wann auf klassische Projektmanagementprinzipien zurückgegriffen werden kann. Insbesondere im Kontext von digitalen Veränderungsprojekten in klassischen Industrieunternehmen erweist sich daher eine Kombination aus agilen und traditionellen Werkzeugen und Prinzipien als vorteilhaft, welche mit dem Begriff „hybrides Projektmanagement“ zusammengefasst werden können. Vor diesem Hintergrund werden in diesem Kurs wichtige Grundlagen des klassischen, agilen und hybriden Projektmanagements vermittelt. Darüber hinaus werden wichtige laterale Führungsprinzipien und Anwendungsfelder des hybriden Projektmanagements aufgezeigt.

1. Projektmanagement und Digitalisierung
   1. Wandel des Projektmanagementverständnisses durch die digitale Transformation
   2. Terminologie: Projekt und Projektmanagement
   3. Projektportfolio-, Multiprojekt- und Programmmanagement
   4. Projektmanagementphilosophien: klassisch, agil und hybrid
   5. Neue Formen des Projektmanagements in digitalen Veränderungsprojekten
2. Normen, Standards und Zertifizierungsmodelle im Projektmanagement
   1. DIN 69901 und ISO 21500
   2. International Project Management Association (IPMA)
   3. Project Management Institute (PMI)
   4. Prince 2
   5. Agile Standards
3. Traditionelles Projektmanagement
   1. Klassifikation traditioneller Vorgehensmodelle
   2. Phasen im traditionellen Projektmanagement
   3. Kontinuierliche Aufgaben im traditionellen Projektmanagement
4. Agiles Projektmanagement
   1. Agiles Manifest und agile Werte
   2. Agile Vorgehensweise: Scrum und Kanban
   3. Lean Projektmanagement
5. Hybrides Projektmanagement
   1. Kriterien für die Auswahl von geeigneten Vorgehensmodellen
   2. Konfiguration von unternehmensspezifischen hybriden Vorgehensmodellen
   3. Integrierte Anwendung agiler und traditioneller Projektmanagementprinzipien
   4. Projektorganisation in der hybriden Vorgehensweise
   5. Softwarewerkzeuge in hybriden Projekten
6. Laterale Führung im hybriden Projektmanagement
   1. Führung ohne disziplinarische Weisungsbefugnis
   2. Führungskonzepte und -stile für das hybride Projektmanagement
   3. Teamzusammenstellung und -entwicklung
   4. Interdisziplinarität hybrider Projekte in der Digitalisierung
   5. Teamdynamik und Konfliktmanagement
7. Anwendung des hybriden Projektmanagements in der digitalen Transformation
   1. Hybrides Projektmanagement in der interdisziplinären Produktentwicklung
   2. Hybrides Projektmanagement im strategischen Innovationsmanagement
   3. Hybrides Projektmanagement in digitalen Veränderungsprojekten
   4. Weitere Fallstudien und Praxisbeispiele

Der digitale Wandel steht für komplexe organisatorische Veränderungen durch die Nutzung digitaler Technologien. In diesem Transformationsprozess wird von den Unternehmen das Ziel verfolgt, Wettbewerbsvorteile zu generieren. Digitale Technologien haben dabei komplexe Auswirkungen auf bestehende Geschäftsprozesse, Produkte, Dienstleistungen und auch Geschäftsmodelle. Zudem kommt es zu einem geänderten Kundenverhalten durch die Digitalisierung, welche die Unternehmen branchenübergreifend vor große Herausforderungen stellt. Die Möglichkeiten und Chancen der Digitalisierung effektiv zu nutzen, kann als eine der zentralen Herausforderungen im strategischen Management der Unternehmen angesehen werden. Denn je nach digitalem Reifegrad der Unternehmen müssen hier umfassende Veränderungsprojekte und Transformationsprozesse angestoßen werden. Um diese Herausforderungen in der Praxis bewältigen zu können, müssen die Unternehmen durch methodisches Knowhow und die systematische Anwendung innovativer Werkzeuge dazu befähigt werden, die anstehenden Aufgaben im digitalen Transformationsprozess disziplinübergreifend zu koordinieren. In diesem Projekt stehen die erforderlichen Kompetenzen und Fähigkeiten im Rahmen eines praktischen Anwendungsfalls der Digitalisierung projektorientiert Fokus. Durch Anwendung eines digitalen Reifegradmodells leiten die Studierenden einen Maßnahmenkatalog ab, um ein digitales Veränderungsprojekt an einem exemplarischen Anwendungsfall aus der Praxis zu skizzieren.

• Im Rahmen des Projekts Digitale Transformation stellen die Studierenden ihr Wissen sowie die Fertigkeiten und Kompetenzen unter Beweis, um ein bestehendes Unternehmen aus dem vordigitalen Zeitalter erfolgreich im digitalen Transformationsprozess zu unterstützen. Dabei wird anhand eines konkreten Anwendungsszenarios das Ziel verfolgt, Handlungsempfehlungen sowie einen Maßnahmenkatalog zur erfolgreichen Umsetzung eines digitalen Veränderungsprojektes abzuleiten. Durch Anwendung eines digitalen Reifegradmodells wird zunächst der Status quo der Digitalisierung in einem praktischen Anwendungsfall evaluiert. Anschließend werden konkrete Maßnahmen und Handlungsempfehlungen für ein digitales Veränderungsprojekt konzipiert. Insbesondere im Kontext von digitalen Veränderungsprojekten erweist sich in diesem Kontext eine Kombination aus agilen und traditionellen Projektmanagementwerkzeugen und -prinzipien als vorteilhaft, welche mit dem Begriff „hybrides Projektmanagement“ zusammengefasst werden können. Vor diesem Hintergrund integrieren die Studierenden den Einsatz hybrider Projektmanagementbausteine in ihre Projektplanung, um eine erfolgreiche Gestaltung und Umsetzung des exemplarischen digitalen Veränderungsprojekts sicherzustellen.

In diesem Kurs erhalten die Studierenden eine praktische Einführung in das menschenzentrierte Design mit Hilfe der Methode des Design Thinking. Über die Vermittlung der einzelnen Grundlagen hinaus werden die Vorgehensweisen im Design Thinking im Detail untersucht. Um Design Thinking in Bezug auf wichtige Aspekte in der Praxis vollständig zu verstehen, werden ausgewählte Methoden für die einzelnen Prozessschritte in Theorie und Praxis vorgestellt. Die Studierenden lernen, ihren Designprozess durch Reflexion und Anpassung ihrer Aktivitäten zu verbessern.

• Dieser Kurs behandelt aktuelle Themen und Trends im Design Thinking und veranschaulicht einige Methoden und Techniken sowie Fallstudien. Alle Teilnehmenden erstellen eine schriftliche Ausarbeitung zu einem ausgewählten Projekt, in der die Anwendung des Design Thinking-Ansatzes auf ein reales Produktentwicklungsszenario beschrieben wird.

In diesem Kurs lernen die Studierenden Hintergründe, Begriffe, Methoden und Instrumente des Anforderungsmanagements kennen. Dabei wird überwiegend die Managementebene betrachtet, d. h. die Aspekte vertieft, die gezielt für die Gestaltung des Managements von Anforderungen im Kontext Unternehmens-IT besonders relevant sind. Darüber hinaus werden typische Risiken und Herausforderungen aufgezeigt und diskutiert, die im Bereich Anforderungsmanagement verortet werden können.

1. Grundlagen Anforderungsmanagement
   1. Begriff: Anforderung und Anforderungsmanagement
   2. Typische Prozesse, Aktivitäten und Rollen
   3. Beziehungen zu anderen konstruktiven und verwaltenden IT-Aktivitäten
2. Dimensionen von Anforderungen
   1. Überblick und Zusammenhang
   2. Anforderungen im Kontext Softwareentwicklung
   3. Anforderungen im Kontext Transition
   4. Anforderungen im Kontext Betrieb
3. Dokumentationsformen von Anforderungen
   1. Texte und Tabellen
   2. Modelle und Diagramme
   3. Dokumentenstrukturen
4. Verwaltung von Anforderungen
   1. Lebenszyklus
   2. Attribute von Anforderungen
   3. Verfolgbarkeit und Versionierung
5. Anforderungsmanagement nach ITIL
   1. Grundbegriffe und die Service-Wertschöpfungskette
   2. ITIL-Management-Praktiken und ihr Bezug zum Anforderungsmanagement
   3. Rollen und Verantwortlichkeiten
6. Herausforderungen und Risiken in der Praxis
   1. Unpräzise und ungenaue Beschreibungen
   2. Kontinuierliche Änderungen von Anforderungen
   3. Organisation industrieller Softwareprozesse

Der Schwerpunkt dieses ersten Kurses im Wahlmodul Datentechnik liegt darin, den Studierenden wichtige Prinzipien, Konzepte, Methoden und Ansätze in diesem Fachgebiet näher zu bringen.

Um dieses Ziel zu erreichen, geht der Kurs von einer Darstellung der grundlegenden Prinzipien des Daten-Engineerings zu einer gründlichen Behandlung der Kernklassen der Datenverarbeitung über. Moderne Architekturparadigmen wie Microservices werden erläutert und wichtige Faktoren der Datenverwaltung und des Datenschutzes angesprochen. Aspekte des Cloud Computing werden durch einen Überblick über die gängigsten Angebote auf dem Markt vorgestellt. Schließlich wird eine hochmoderne agile Perspektive auf den Betrieb von Datenpipelines durch eine Darstellung des aufkommenden Begriffs DataOps gegeben.

1. Grundlagen der Datensysteme
   1. Reliability (Systemzuverlässigkeit)
   2. Scalability (Skalierbarkeit)
   3. Maintainability (Instandhaltbarkeit)
2. Skalierbare Datenverarbeitung
   1. Batch-Prozessierung
   2. Stream-Prozessierungssysteme
3. Microservices
   1. Einführung in Monolithische Architekturen
   2. Einführung in Microservices
   3. Implementierung von Microservices
4. Governance und Sicherheit
   1. Datenschutz
   2. Systemsicherheit
   3. Data Governance
5. Verbreitete Cloud-Plattformen und -Dienste
   1. Amazon Web Services (AWS)
   2. Google-Cloud-Plattform (GCP)
   3. Microsoft Azure
6. DataOps
   1. Grundlegende Prinzipien
   2. Containerisierung
   3. Aufbau von Daten- und ML-Pipelines

Die Suche nach künstlicher Intelligenz hat das Interesse der Menschheit seit vielen Jahrzehnten bewegt und wird seit den 1960er Jahren rege beforscht. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie die Entwicklung und den Einsatz von Expertensystemen in frühen KI-Systemen.

Um kognitive Prozesse zu verstehen, wird der Kurs einen kurzen Überblick über das biologische Gehirn und (menschliche) kognitive Prozesse geben und sich dann auf die Entwicklung moderner KI-Systeme konzentrieren, die durch die jüngsten Entwicklungen im Bereich der Hard- und Software vorangetrieben werden. Besonderes Augenmerk liegt auf der Diskussion der Entwicklung "schmaler KI"-Systeme für spezifische Anwendungsfälle im Vergleich zur Schaffung allgemeiner künstlicher Intelligenz.

Der Kurs gibt einen Überblick über ein breites Spektrum potenzieller Anwendungsbereiche der künstlichen Intelligenz, darunter Industriebereiche wie autonomes Fahren und Mobilität, Medizin, Finanzen, Einzelhandel und Produktion.

1. Geschichte der KI
   1. Historische Entwicklungen
   2. KI Winter
   3. Bemerkenswerte Fortschritte in der AI
2. Expertensysteme
   1. Überblick über Expertensysteme
   2. Einführung in Prolog
3. Neurowissenschaften
   1. Das (menschliche) Gehirn
   2. Kognitive Prozesse
4. Moderne KI-Systeme
   1. Jüngste Entwicklungen bei Hard- und Software
   2. Schmale vs. Allgemeine KI
   3. NLP und Computer Vision
5. AI Anwendungsbereiche
   1. Autonome Fahrzeuge & Mobilität
   2. Personalisierte Medizin
   3. FinTech
   4. Einzelhandel und Industrie

Im laufenden Jahrzehnt wurden auf dem Gebiet der künstlichen Intelligenz beeindruckende Fortschritte erzielt. Verschiedene kognitive Aufgaben wie die Objekterkennung in Bild und Video, die Verarbeitung natürlicher Sprache, die Spielstrategie und das autonome Fahren und die Robotik werden heute von Maschinen auf einem noch nie dagewesenen Niveau ausgeführt. In diesem Kurs werden einige der gesellschaftlichen, wirtschaftlichen und politischen Auswirkungen dieser Entwicklungen untersucht.

• Das Seminar behandelt aktuelle Themen zu den gesellschaftlichen Auswirkungen der künstlichen Intelligenz. Alle Teilnehmenden erstellen eine Seminararbeit zu einem zugewiesenen Thema.

Der Kurs Data Science bietet den Rahmen, um aus Daten Wert zu schaffen. Nach einer Einführung behandelt der Kurs, wie geeignete Anwendungsfälle identifiziert und die Leistung von datengesteuerten Methoden bewertet werden. Der Kurs behandelt Techniken für die technische Verarbeitung von Daten und stellt dann fortgeschrittene mathematische Techniken und ausgewählte Methoden der künstlichen Intelligenz vor, die zur Datenanalyse und für Vorhersagen verwendet werden.

1. Einführung Data Science
   1. Überblick über Data Science
   2. Tätigkeiten der Data Science
   3. Datenquellen
   4. Deskriptive Statistik
2. Use Cases und Bewertung
   1. Data Science Use Cases (DSUCs)
   2. Bewertung
3. Datenvorverarbeitung
   1. Übermittlung von Daten
   2. Datenqualität, Bereinigung und Transformation
   3. Datenvisualisierung
4. Verarbeitung von Daten
   1. Stufen der Datenverarbeitung
   2. Methoden und Arten der Datenverarbeitung
   3. Ausgabeformate der verarbeiteten Daten
5. Ausgewählte mathematische Techniken
   1. Hauptkomponentenanalyse
   2. Clusteranalyse
   3. Lineare Regression
   4. Zeitreihenanalyse
   5. Methoden zur Datentransformation
6. Ausgewählte Techniken der künstlichen Intelligenz
   1. Stütz-Vektor-Maschinen
   2. Künstliche neuronale Netze
   3. Weitere Ansätze