Heute ist der 8.06.2025
Datum: 8.06.2025 - Source 1 (https://www.oe24.at/oesterreich/chronik/wien/news/data-literacy-wird-neuer-schwerpunkt-an-wu/635801990):
- Die Wirtschaftsuniversität (WU) Wien hat "Data Literacy" als neuen Schwerpunkt erklärt.
- Gründung eines neuen Departments für Business Analytics and Decision Sciences.
- Einführung eines datenfokussierten Studienzweigs im Bachelorstudium Wirtschafts- und Sozialwissenschaften ab dem Studienjahr 2026/27.
- Einrichtung eines neuen Kompetenzzentrums für "Applied AI & Scientific Computing".
- Das Department wird in den kommenden Monaten mit 24 akademischen Stellen, darunter sechs Professuren, ausgestattet.
- Forschungsschwerpunkte: analytische und datengesteuerte Lösungen in Automatisierung, Lieferkettenoptimierung, Personal- und Kundenmanagement, Betrugserkennung, personalisierte Empfehlungen bei Künstlicher Intelligenz (KI).
- Anwendungsfelder der Forschung: Klima, Energie, Mobilität, Krisenmanagement, Sicherheit.
- Ziel: Verbindung von ökonomischem Denken mit moderner Datenanalyse und gesellschaftlicher Verantwortung für strategische Entscheidungen in einer datengetriebenen Welt.
Source 2 (https://tu-freiberg.de/en/master-data-literacy-und-business-analytics):
- Master's program: Data Literacy and Business Analytics at TU Bergakademie Freiberg
- Focus: Data-driven decision support
- Skills acquired: Collecting, processing, analyzing, interpreting, and implementing data-based solutions
- Interdisciplinary content: Statistics, computer science, economics, and ethics
- Key focus areas:
- Fundamentals and methods of data analysis and statistics
- Machine learning and artificial intelligence in business applications
- Data visualization, storytelling, and decision support
- Data literacy for informed judgment with digital information
- Legal, social, and ethical issues in data handling
- Practical application emphasized through:
- Project modules
- Case studies
- Collaboration with industry, research, and public sector partners
- Program structure:
- Duration: Four semesters (120 ECTS)
- Core modules: Methodological and theoretical foundations
- Elective modules: Individual specialization (e.g., Predictive Analytics, Responsible AI, Visual Analytics)
- Practice-oriented project work and case study
- Master's thesis with scientific and real-world relevance
- Language of instruction: German; specialized literature primarily in English
- English language skills required for the program
Source 3 (https://www.data-analyst.de/glossar/ai-in-data-analysis/):
- Einzug der Künstlichen Intelligenz (KI) in die Datenanalyse eröffnet neue Perspektiven für Unternehmen.
- KI ermöglicht das Erkennen komplexer Muster, fundierte Prognosen und entscheidende Geschäftseinblicke.
- Herausforderungen der KI: Umgang mit großen Datenmengen, Ausschluss von Verzerrungen, ethische Abwägungen.
- Definition von KI: Fähigkeit einer Maschine, Wahrnehmung, Lernen, Verstehen und kreatives Denken zu simulieren.
- Unterscheidung zwischen schwacher und starker KI:
- Schwache KI: Spezialisierte Aufgaben (z.B. Chatbots, Suchalgorithmen).
- Starke KI: Übergreifende menschenähnliche Kognition (z.B. intelligente Assistenten, autonome Fahrzeuge).
- Machine Learning: Algorithmen, die aus Daten lernen und sich autonom weiterentwickeln.
- Anwendung von KI in der Datenanalyse führt zu effizienterer Prozessautomatisierung und präziseren Prognosen.
- KI-Systeme gewinnen wertvolle Erkenntnisse aus umfangreichen Datensätzen, optimieren interne Prozesse und identifizieren Verhaltensmuster.
- Vorteile der KI in der Datenanalyse:
- Erhöhte Prozesseffizienz (z.B. automatisierte Datenbereinigung).
- Verbesserte Entscheidungsgrundlage (z.B. Echtzeitanalyse von Verbraucherdaten).
- Optimiertes Kundenverständnis (z.B. prädiktive Analyse des Käuferverhaltens).
- Früherkennung von Trends (z.B. Identifikation von Marktveränderungen).
- KI verbessert die Entscheidungsfindung durch präzisere Geschäftsprognosen:
- Analyse großer Datensätze in Echtzeit.
- Erhöhte Vorhersagegenauigkeit durch selbstlernende Algorithmen.
- Minimierung menschlicher Fehler und subjektiver Verzerrungen.
- KI unterstützt die Entwicklung datengestützter Strategien:
- Marktpositionierung durch Analyse von Konsumentenbedürfnissen.
- Risikomanagement durch frühzeitige Risikoerkennung.
- Produktentwicklung basierend auf Kundenfeedback.
- Herausforderungen bei der KI-Integration in Unternehmensabläufe:
- Anpassung der Organisationsstruktur und Personalentwicklung.
- Datenmanagement und Sicherung der Datenqualität.
- Zusammenarbeit mit externen Partnern und Dienstleistern.
- Strategien zur Überwindung der Herausforderungen:
- Schulung der Mitarbeitenden.
- Investitionen in moderne Speicherlösungen.
- Gezielte Auswahl und Management von Technologiepartnern.
- Proaktive Compliance-Strategie.
- Effizienzsteigerung und Automatisierung durch KI:
- Automatisierung repetitiver Aufgaben in der Datenanalyse.
- Skalierbarkeit und Echtzeitverarbeitung von Daten.
- KI-Systeme bieten Unternehmen Wettbewerbsvorteile durch verbesserte Datenanalyse-Kapazitäten.