Ziel ist es, den Studierenden die Grundlagen der IT-Unternehmensarchitektur näher zu bringen und sowohl die einzelnen Erfolgsfaktoren für die IT-Unternehmensarchitektur als auch die eigene IT-Unternehmensarchitektur als möglichen Wettbewerbsvorteil verstehen zu lernen.

In diesem Zusammenhang werden den Studierenden auch Aspekte der IT-Sicherheit nähergebracht sowie deren Rolle als zentrale Managementaufgabe im Unternehmen verdeutlicht. Insbesondere werden auch konkret IT-Risiken den Studierenden erläutert.

Der Kurs verdeutlich zudem die Grundlagen von Enterprise Resource Planning (ERP) Systemen und zeigt Möglichkeiten auf, diese Systeme erfolgsversprechend in das Unternehmen zu implementieren, woraus schließlich Effizienzvorteile generiert werden können.

Abschließend werden die Rolle von Open Source Software sowie Cloud Computing sowohl für die IT-Unternehmensarchitektur als auch konkret im Enterprise Resource Planning (ERP) vorgestellt und als Möglichkeit einer kostengünstigen Alternativlösung für das eigene Unternehmen diskutiert.

1. Grundlagen zur IT-Unternehmensarchitektur
   1. Struktur
   2. IT-Unternehmensarchitektur als Managementaufgabe
2. Bestandteile einer erfolgreichen IT-Unternehmensarchitektur
   1. Business IT-Alignment
   2. Verbesserung der Ertragskraft und des Kostenmanagements
   3. Verbesserung Time-to-Market
   4. Verbesserung des Customer Relationship Management und der Kundenzufriedenheit
   5. Abbau von Heterogenitäten zur Verbesserung der Erfolgswahrscheinlichkeiten bei M&A-Aktivitäten
   6. Compliance und Risikomanagement
3. Informationssicherheit
   1. Grundlagen und Schutzziele der Informationssicherheit
   2. Organisation von Informationssicherheit
   3. Schutzbedarfsfeststellung
   4. Prävention und Notfallmanagement
   5. Sicherheitsmaßnahmen
4. Enterprise Resource Planning (ERP)
   1. Begriffliche Grundlagen zu ERP Systemen
   2. Systemarchitekturen von ERP Systemen
   3. Planung und Steuerung operativer Ressourcen
   4. Planung und Steuerung strategischer Ressourcen
   5. Planung und Steuerung unternehmensübergreifender Ressourcen
5. Implementierung von Enterprise Resource Planning Systemen in ein Unternehmen
   1. Auswahl und Einführung von Enterprise Resource Planning Systemen
   2. Betrieb von Enterprise Resource Planning Systemen
6. Open Source Software und Cloud Computing
   1. Free und Open Source Software
   2. Lizenzen und Communities
   3. Cloud Computing

Die frühen Phasen der Softwareentwicklung sind maßgeblich davon gekennzeichnet, dass fachliche und technische Anforderungen (Requirements) an das IT-System zu ermitteln sind. Die Anforderungsermittlung muss äußerst umsichtig betrieben werden, weil alle folgenden Aktivitäten im SW-Entwicklungsprozess auf der Grundlage der dokumentierten Anforderungen geplant und durchgeführt werden.

In diesem Kurs werden Vorgehensweisen, Methoden und Modelle vermittelt, die eine strukturierte und methodische Ermittlung und Dokumentation von Anforderungen an betriebliche Informationssysteme ermöglichen.

1. Grundlagen und Begriffe des Requirements Engineering
   1. Requirements Engineering im Softwareprozess
   2. Kernaktivitäten im Requirements Engineering
   3. Was ist eine Anforderung?
2. Ermittlung von Anforderungen
   1. Bestimmung des Systemkontextes
   2. Bestimmung der Quellen von Anforderungen
   3. Ausw.hlen der geeigneten Ermittlungstechniken
   4. Anforderungen unter Einsatz der Techniken ermitteln
3. Ausgewählte Ermittlungstechniken
   1. Kreativitätstechniken
   2. Befragungstechniken
   3. Beobachtungstechniken
   4. Prototyping
4. Dokumentation von Anforderungen
   1. Aktivitäten zur Dokumentation von Anforderungen
   2. Typische Elemente der Anforderungsdokumentation
   3. Dokumentationsformen
5. Modellierung von Prozessen
   1. Grundlagen und Begriffe
   2. Modellierung mit der Business Process Model and Notation
   3. Modellierung mit Ereignisgesteuerten Prozessketten
6. Modellierung von Systemen
   1. Grundlagen Unified Modeling Language
   2. UML-Use Case-Diagramm
   3. UML-Aktivitätsdiagramm
   4. UML-Klassendiagramm
   5. UML-Zustandsdiagramm
7. Prüfen und Abstimmen von Anforderungen
   1. Aktivitäten zum Prüfen und Abstimmen von Anforderungen
   2. Prüfkriterien
   3. Prüfprinzipien
   4. Prüftechniken
   5. Abstimmen von Anforderungen
8. Management von Anforderungen und Techniken zur Priorisierung
   1. Verwalten von Anforderungen
   2. Techniken zur Priorisierung von Anforderungen

Die Grundlage vieler mittlerer und großer Organisationen bilden Geschäftsprozesse. Sie enthalten verbindliche Regeln und Vereinbarungen, die das Zusammenwirken aller beteiligten Organisationseinheiten und Personen dokumentieren. In diesem Kurs werden zunächst die Grundlagen der Unternehmensmodellierung aufgezeigt und anschließend konkrete Dokumentationsformen zur Prozessmodellierung dargestellt. Anschließend werden konkrete Techniken und Methoden vermittelt, mit denen Prozesse bewertet werden können. In der Praxis spielen Referenzmodelle eine wichtige Rolle. Daher werden im Rahmen dieses Kurses typsiche Referenzprozesse vorgestellt und das Referenzframework ITIL vertieft. Da im Prozessmanagement die organisatorische Veränderung ein kritischer Erfolgsfaktor ist, werden in diesem Kurs auch die Themen Prozessrollout und Change Mangement mit betrachtet.

1. Begriffe und Motivation zum Prozessmanagement
   1. Begriffe: Prozess, Prozessmanagement, Ist-Prozess, Soll-Prozess
   2. Motivation für Prozessmanagement
   3. Risiken und Herausforderungen bei Änderungen von Prozessen in Organisationen
   4. Phasen der Prozessgestaltung
2. Grundlagen von Unternehmensprozessmodellen
   1. Organisationsformen und deren Entwicklung
   2. Herleitung von Unternehmensprozessmodellen
   3. Aufbau und Strukturierung von Unternehmensprozessmodellen
3. Modellierung von Geschäftsprozessen
   1. Motivation, Begriffe und Grundsätze ordnungsgemäßer Modellierung
   2. (Erweiterte) Ereignisgesteuerte Prozessketten ((e)EPK)
   3. Business Process Model and Notation (BPMN)
4. Prozessbewertung
   1. Methoden der Prozessbewertung
   2. Einsatz von KPIs zur Prozesswertung
   3. IT-gestützte Prozessbewertung
5. Einsatz von Referenzprozessen
   1. Motivation und typische Beispiele für Referenzmodelle bzw. -prozesse
   2. Beispiel: ITIL als Prozessframework für den Betrieb von IT
6. Veränderungen von Prozessen
   1. Change-Management
   2. Rollout oder Umsetzung von Prozessänderungen
   3. Auswirkungen von Prozessänderungen (kontinuierliches Prozessmanagement)

In diesem Kurs werden typische Probleme beim Management von SW-Projekten diskutiert und dabei Methoden und Techniken vermittelt, mit denen die Herausforderungen gezielt adressiert werden können.

Darüber hinaus werden Standard-Vorgehensmodelle für das IT-Projektmanagement erläutert und gezielt deren Stärken und Schwächen herausgearbeitet.

1. Begriffe und Grundlagen im IT-Projektmanagement
   1. Projektbegriff und Arten von IT-Projekten
   2. IT-Projektlebenszyklus
   3. Multiprojektmanagement – Das Projekt im Kontext der Organisation
2. Planungstechniken
   1. Planung im Großen: Meilensteine, Teilaufgaben, Arbeitspakete
   2. Planung im Großen: Gantt-Diagramme
   3. Operative Planung und Organisation: Kanban Boards, Backlog
3. Priorisierung, Aufwandschätzung, Projektcontrolling
   1. Priorisierung
   2. Aufwandsschätzung
   3. Projektcontrolling
4. Stakeholder-, Kommunikations- und Risikomanagement
   1. Stakeholder Management
   2. Kommunikationsmanagement
   3. Risikomanagement
5. Organisation und Struktur von IT-Projekten
   1. Ausgewählte Managementmodelle: Scrum, PITPM, PRINCE2
   2. PRINCE2 - Überblick und ausgewählte Prozesse
   3. SCRUM – Überblick, Rollen, Artefakte
6. PITPM - Pragmatisches IT-Projektmanagement
   1. Struktur und Phasen in PITPM
   2. IT-Projekt konfigurieren
   3. IT-Projekt steuern

Ziel des Kurses ist es, die Studierenden mit ausgewählten Methoden und Techniken der Datenanalyse im Kontext stetig wachsender, heterogener Datenmengen vertraut zu machen. Hierzu wird zunächst die grundsätzliche Relevanz von Big Data-Methoden anhand der historischen Entwicklung der Datenbestände motiviert. Entscheidend ist hier unter anderem die kontinuierliche Belieferung der Systeme mit Sensordaten aus dem Internet of Things. Es folgt eine kurze Einführung in die wesentlichen statistischen Grundlagen, bevor die einzelnen Schritte des Data Mining-Prozess thematisiert werden. In Abgrenzung zu diesen klassischen Verfahren werden dann ausgewählte Methoden vorgestellt, mit denen Datenbestände im Big Data-Kontext analysierbar gemacht werden können. Weil die Datenanalyse bestimmten gesetzlichen Rahmenbedingungen unterliegt, werden in diesem Kurs zudem rechtliche Aspekte wie der Datenschutz behandelt. Der Kurs schließt mit einem Überblick über den Praxiseinsatz von Big Data-Methoden und -Werkzeugen. Hierbei werden insbesondere die Anwendungsfelder im industriellen Kontext beleuchtet.

1. Einführung in die Analyse von Daten
   1. Entscheidungen, Informationen, Daten
   2. Historische Entwicklung der Speicherung und Auswertung von Daten
   3. Big Data: Eigenschaften und Beispiele
   4. Datenanalyse
   5. Das Internet of Things als Treiber für Big Data
2. Statistische Grundlagen
   1. Deskriptive Datenanalyse
   2. Inferenzielle Datenanalyse
   3. Explorative Datenanalyse
   4. Multivariate Datenanalyse
3. Data Mining
   1. Knowledge Discovery in Databases
   2. Assoziationsanalyse
   3. Korrelationsanalyse
   4. Prognose
   5. Clusteranalyse
   6. Klassifikation
4. Big Data-Methoden und -Technologien
   1. Technologiebausteine
   2. MapReduce
   3. Text- und semantische Analyse
   4. Audio- und Videoanalyse
   5. BASE und NoSQL
   6. In-Memory-Datenbanken
   7. Big-Data-Erfolgsfaktoren
5. Rechtliche Aspekte der Datenanalyse
   1. Datenschutzgrundsätze in Deutschland
   2. Anonymisierung und Pseudonymisierung
   3. Internationale Datenanalyse
   4. Leistungs- und Integritätsschutz
6. Lösungsszenarien
7. Anwendung von Big Data in der Industrie
   1. Produktion und Logistik
   2. Effizienzsteigerungen in der Supply Chain
   3. Schlüsselfaktor Daten
   4. Beispiele und Fazit

Web-Analytics ist die Untersuchung des Benutzerverhaltens im Web, in der Regel bezogen auf die Interaktionen mit einer bestimmten Website oder Web-Anwendung. So lässt sich beispielsweise erkennen, wie viele Besucher auf die eigene Seite kommen, was sie dort machen und wo sie die Seite wieder verlassen. Auch Transaktionen und ihre Herkunft werden auf diese Weise gemessen. So lässt sich der Erfolg von Online-Marketing-Aktionen messen.

Dennoch steckt Web Analytics bei vielen Unternehmen immer noch in den Kinderschuhen. Das Problem: In vielen Fällen reicht es nicht aus, lediglich ein Analytics-System auf einer Website einzubauen. Die eigentliche Arbeit beginnt bereits vorher mit diversen individuellen, businessabhängigen Fragestellungen. Für welches Tool entscheide ich mich? Welche Kennziffern sind wichtig? Welche Aktionen kann ich aus den generierten Zahlen ableiten? Hierzu benötigt man fundiertes Wissen und die entsprechenden Hintergründe.

Der Kurs Web-Analytics vermittelt das passende Hintergrundwissen, um Website-Daten korrekt zu ermitteln, umfassend zu analysieren und mit den daraus gewonnenen Ergebnissen das Online-Marketing bestmöglich zu optimieren.

1. Grundlagen
   1. Definitionen und Abgrenzung zu Digital Analytics
   2. Grenzen und Möglichkeiten
   3. Marktteilnehmer
   4. Auswahl eines Analytics-Systems
2. Datensammlung, Datenspeicherung und Datenauswertung
   1. Praxisbeispiel
   2. Methoden der Datensammlung
   3. Methoden der Datenspeicherung
   4. Methoden der Datenauswertung
   5. Rechtliche Aspekte
3. Metriken
   1. Praxisbezug
   2. Hits
   3. Seitenaufrufe
   4. Besuche
   5. Besucher
   6. Weitere Metriken
4. Key Performance Indicators (KPIs) der Web-Analyse
   1. Publikum
   2. Traffic-Quellen
   3. Inhaltsnutzung
   4. Conversion und Kosten
   5. KPIs spezifischer Inhalte und digitale Kanäle
5. Attribution und Attributionsmodelle
   1. Einleitung
   2. Attribution und Customer Journey
   3. Statische und dynamische Attributionsmodelle
   4. KPIs der Marketing-Attribution
   5. Datenbasierte Budget-Allokation
6. Erfolgsmessung und -optimierung
   1. Zieltypen
   2. Zielfindung und -definition
   3. Zielorientierte Digitalkanal-Aktivitäten und Messgrößen
   4. Identifikation, Selektion und Implementierung von von KPIs
   5. KPIs und Dashboards
   6. Optimierung anhand von Analytics-Erkenntnissen