 |
| Detailinformationen |
| Anmeldevoraussetzungen |
Erwartete Vorkenntnisse: Grundlagen der Wirtschaftsinformatik, Grundlagen der Informatik, Grundlagen der Mathematik, Statistik und formaler Methoden
|
| Quellcurriculum |
Bachelorstudium Wirtschaftsinformatik 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden sind der Lage daten- und wissensbasierte Systeme unter Berücksichtigung des aktuellen Stands der Wissenschaft zu entwerfen und einzusetzen.
|
|
| Fertigkeiten |
Kenntnisse |
- LO2: Die Studierenden verstehen Aufbau, Funktionsweise und Besonderheiten von auf verschiedenen Datenmodellen basierten Datenbanksystemen, webbasierten Informationssystemen und auf symbolische oder subsymbolische Methoden der künstlichen Intelligenz basierter Systeme (K2).
- LO3: Sie und können deren typische Einsatzbereiche differenzieren (K4).
- LO4: Sie können Methoden und Techniken des Data- und Knowledge-Engineering anwenden (K3) und können verteilte, temporale, objektrelationale und nicht-relationale Konzepte zur Gestaltung von Datenbanksystemen erläutern (K2).
- LO5: Sie beherrschen den exemplarischen Einsatz von objektrelationalen und nicht-relationalen Datenbanksystemen (K3) sowie elementare Techniken des Data Warehousing und Data Mining (K1).
- LO6: Sie können Konzepte wissensbasierter Systeme erläutern (K2), ausgewählte Methoden wissensbasierter Systeme anwenden (K3) und typische Einsatzgebiete von Ontologien und Knowledge Graphs sowie Business Rule Engines erkennen (K3) und diese exemplarisch einsetzen (K3).
|
LO1: Funktionalität von Datenbankverwaltungssystemen: Mehrbenutzerkontrolle, Wiederanlauf; Datenbanktechnologie: Verteilte Datenbanksysteme, Objektrelationale Datenbanksysteme, Temporale Datenbanksysteme, NoSQL- und NewSQL-Datenbankysteme, Dokumentorientierte Datenbanksysteme, Aktive Datenbanksysteme und Business Rule Engines, Deduktive Datenbanksysteme; Grundlagen der symbolischen und subsymbolischen künstlichen Intelligenz: Wissensrepräsentation und logisches Schließen, Heuristische Suche, Constraint Satisfication, Answer Set Programming, Genetische Algorithmen, Neuronale Netze; Webbasierte Informationssysteme: Web Query Languages, Verwendung semistrukturierter Daten im Web, Semantic Web/Web of Data. Business Intelligence und Analytics: Data Warehousing, OLTP vs OLAP, Dimensional Fact Model; Data Mining, Decision Tree Learning, Association Rules.
|
|
| Beurteilungskriterien |
Zwischen- und Endklausur
|
| Lehrmethoden |
Charakteristisches Merkmal der hier eingesetzten Lehrform ist das Arbeiten mit einem E-Tutor-System. Die in der Vorlesung behandelten Themengebiete werden in der Übung durch Bearbeitung praxisnaher Beispiele vertieft. Diese Beispiele werden unter Anleitung des/der Übungsleiters/In von den Studierenden mit geeigneten Werkzeugen bearbeitet. Die Bearbeitung der Übungsaufgaben erfolgt online mit Hilfe des elektronischen Tutoringsystem eTutor. Das eTutor-System leistet den Studierenden Hilfestellung beim Finden und Beheben von Fehlern im Bearbeitungsprozess und übernimmt die automatisierte Bewertung der Lösung. Zudem werden die automatischen Bewertungen von den LehrveranstaltungsleiterInnen überprüft. Die abschließende Beurteilung erfolgt durch die Lehrveranstaltungsleitung.
|
| Abhaltungssprache |
Deutsch |
| Literatur |
Basisliteratur:
- Garcia-Molina, H.; Ullman, J. D.; Widom, J.: Database Systems – The Complete Book. Prentice Hall, in der aktuellen Auflage.
- Russell, S; Norvig, P.: Artificial Intelligence. International Version. Addison Wesley, in der aktuellen Auflage.
- Kemper, S.; Eickler, A.: Datenbank Systeme: Eine Einführung. Oldenbourg Verlag, in der aktuellen Auflage.
Ergänzungsliteratur wird in jedem Semester bekannt gegeben.
|
| Lehrinhalte wechselnd? |
Nein |
| Sonstige Informationen |
Die Lehrveranstaltungen VL und UE Data & Knowledge Engineering bilden eine untrennbare didaktische Einheit. Die dargestellten Lernergebnisse werden im Zusammenwirken der beiden Lehrveranstaltungen erreicht.
|
| Frühere Varianten |
Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
2WDEV: VL Data & Knowledge Engineering (2002W-2014S)
|
|
