htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
XML-Code

Angewandte Informatik

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Angewandte Informatik
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Supply Chain Management, Master, ASPO 01.10.2012
Code: MSCM-240
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P420-0333, P420-0334
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
4V (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
6
Studiensemester: 2
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:
Klausur und Projektarbeit (90 Minuten / Gewichtung 1:1 / Wiederholung semesterweise)

[letzte Änderung 31.08.2012]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

MSCM-240 (P420-0333, P420-0334) Supply Chain Management, Master, ASPO 01.10.2012 , 2. Semester, Pflichtfach
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
MSCM-330 Studienprojekt


[letzte Änderung 12.09.2013]
Modulverantwortung:
Prof. Dr. Stefan Selle
Dozent/innen:
Prof. Dr. Malte Beinhauer
Prof. Dr. Stefan Selle


[letzte Änderung 31.08.2012]
Lernziele:
Die Studierenden sollen durch die erfolgreiche Beendigung dieses Moduls in der Lage sein,
- Zusammenhänge des Wissensmanagements und Busineness Intelligence darzustellen,
- Methoden des Data Minings zu begreifen und anzuwenden,
- in selbstorganisierten Teams zu arbeiten,
- Arbeitsergebnisse zu verdichten und zu präsentieren,
- Projektergebnisse zu kritisieren.


[letzte Änderung 31.08.2012]
Inhalt:
1 Einführung und Knowledge Management (KM)
- Informatik und Algorithmen
- Tabellenkalkulation und Datenbanken
- Wissensmanagement
2 Business Intelligence (BI)
- Managementinformationssysteme und Reporting
- Datenmodellierung: Data Warehouse, Star-Schema, Snowflake-Schema
- Datenbereitstellung: Extract Transform Load(ETL)-Prozess
- Datenanalyse: Online Analytical Processing (OLAP)
3 Data Mining (DM)
- Data Mining Prozesse
- ABC-Analyse
- Scoring-Verfahren
- Clusteranalyse
- Assoziationsanalyse
- Entscheidungsbaum
- Regressionsanalyse
4 Künstliche Intelligenz (KI)
- Künstliche neuronale Netze (KNN)
- Genetische Algorithmen (GA)
- Fuzzy Logic


[letzte Änderung 31.08.2012]
Weitere Lehrmethoden und Medien:
Vorlesung mit integrierten praktischen Übungen am PC (mit Hilfe von MS Excel und SAP BI 7.0). Projektstudium in selbstorganisierten Teams.

[letzte Änderung 31.08.2012]
Literatur:
[1] Einführung, insb. Wissensmanagement
- Hansen, H. R., Neumann, G.: Wirtschaftsinformatik 1 – Grundlagen und Anwendungen, 10. Auflage, UTB Verlag, Stuttgart, 2009.
- Kilian, D., Krismer, R., Loreck, S., Sagmeister, A.: Wissensmanagement – Werkzeuge für Praktiker. 3. Auflage, Linde Verlag, Wien, 2007.
- Probst, G., Raub, S., Romhardt, K.: Wissen managen. Wie Unternehmen ihre wertvollste Ressource optimal nutzen. 6 Auflage, Gabler Verlag, Wiesbaden, 2010.
- Schubert, M.: Datenbanken – Theorie, Entwurf und Pro-grammierung relationaler Datenbanken, 2. Auflage, Vieweg+Teubner Verlag, Wiesbaden, 2007.
[2] Business Intelligence
- Chamoni, P., Gluchowski, P.: Analytische Informations-systeme, 3. Auflage, Springer Verlag, Berlin, 2006.
- Gluchowski, P., Dittmar, C., Gabriel, R.: Management Support Systeme und Business Intelligence, Springer Verlag, Berlin, 2008.
- Hannig, U. : Knowledge Management und Business Intelligence, Springer Verlag, Berlin, 2002.
- Kemper, H.-G., Mehanna, W., Unger, C.: Business Intelligence Grundlagen und praktische Anwendungen, 2. Auflage, Vieweg Verlag, Wiesbaden, 2006.
- Marx Gómez, J. M., Rautenstrauch, C., Cissek, P.: Einführung in Business Intelligence mit SAP NetWeaver 7.0, Springer Verlag, Berlin, 2009.
- Mehrwald, C.: Datawarehousing mit SAP BW 7, 4. Auflage, Dpunkt Verlag, Heidelberg, 2007.
- Schmidt-Volkmar, P.: Betriebswirtschaftliche Analyse auf operationalen Daten, Gabler Verlag, Wiesbaden, 2008.
[3] Data Mining
- Alpar, P., Niedereichholz, J.: Data Mining im praktischen Einsatz, Vieweg Verlag, Wiesbaden, 2000.
- Ester, M., Sander, J.: Knowledge Discovery in Databases, Springer Verlag, Berlin, 2000.
- Kießwetter, M., Vahlkamp, D.: Data Mining in SAP NetWeaver BI, Galileo Press, Bonn, 2007.
- Knoll, M., Meier, A.: Web & Data Mining, HMD Heft 269, Dpunkt Verlag, Heidelberg, August 2009.
- Runkler, T.A.: Information Mining, Vieweg+Teubner Verlag, Wiesbaden, 2009.
- Witten, I.H., Frank, E., Hall, M.A.: Data Mining, 3. Auflage, Morgan Kaufmann, Burlington, 2011.
[4] Künstliche Intelligenz
- Ertel, W.: Grundkurs Künstliche Intelligenz, 2. Auflage, Vieweg+Teubner Verlag, Wiesbaden, 2009.
- Mitchell, T.: Machine Learning, Mcgraw-Hill, New York, 1997.
- Petersohn, H.: Data Mining, Oldenbourg Verlag, München, 2005.
- Zell, A.: Simulation neuronaler Netze, Oldenbourg Verlag, München, 1997.

[letzte Änderung 11.04.2012]
[Thu Mar 28 12:41:37 CET 2024, CKEY=sai, BKEY=scm, CID=MSCM-240, LANGUAGE=de, DATE=28.03.2024]