BWiWi 1.14 – Einführung in die Wirtschaftsinformatik (Grundlagen von Decision Support Systemen)
Termine:
Vorlesung: montags, 14.00 - 16.00 Uhr, Hörsaal 14 (Raum M.10.12), Beginn: 07.04.2025
Übung: dienstags, 10.00 - 12.00 Uhr, Hörsaal 32 (Raum K.11.23), Beginn: 15.04.2025
Alle Informationen zur Veranstaltung erhalten Sie im zugehörigen Moodle-Kurs: Kurs Grundlagen von Decision Support Systemen
- Einschreibeschlüssel: GDSS2025
Dozenten:
Vorlesung: Prof. Dr. Stefan Bock
Übung: Cedric Leon Renner (M.Sc.)
Qualifikationsziele:
Die Studierenden haben ein umfassendes Verständnis der mathematischen und algorithmischen Grundlagen von Datenbanksystemen, von Methoden zur Datengewinnung im Rahmen von Prognosesystemen und zur Optimierung. Sie haben ein Verständnis für die jeweils betrachteten mathematischen Strukturen, deren Grundlagen und die verwendeten Algorithmen. Die Studierenden haben ein grundlegendes Verständnis für das Datenmanagement und für Optimierungsprobleme in betrieblichen Anwendungen des Operations Managements. Sie kennen grundlegende Begriffsdefinitionen der Wirtschaftsinformatik sowie des Operations Research. Die Studierenden besitzen ein grundlegendes Problembewusstsein und können, anhand von mathematischen Modellierungen und Lösungsverfahren für vorher motivierte Problemstellungen, die Auswahlfähigkeit von geeigneten Methoden zur Generierung, Pflege und Nutzung von Daten einschätzen. Die Studierenden sind in der Lage die Lösung der betrachteten Problemstellungen in den Bereichen Datenbanksysteme, Prognosesysteme und Optimierung problemübergreifend zu analysieren und können durch konzeptionellen Denken Algorithmen entwickeln. Nach Abschluss des Moduls erfüllen die Studierenden die Voraussetzungen um weitere vertiefende Module im Bereich des Informations- und Datenmanagements (Wissensbasierte Systeme, Datenorganisation) und des Operations Research erfolgreich absolvieren zu können.
Inhalte:
- Grundlagen (Grundlegende Begriffe, Einordnung der Veranstaltung und des betrachteten interdisziplinären Forschungsgebietes)
- Datenbanksysteme (Datenmanagement, Datenmodelle, ER-Modell, Relationales Modell, Relationale Algebra, Designtheorie (Normalformen))
- Ermittlung von Prognosedaten (Qualitative Prognose, Kausalprognose, Zeitreihenprognose, Beurteilung der Prognosequalität)
- Einführung in die Optimierung (Grundlagen der linearen Programmierung, Stochastische Programmierung anhand des Newsvendor-Problems)
