headerbild
symbolbild

Data Analytics

Master

Geplanter Start des Masterstudiums zum Wintersemester 2027/28

Was bisher geplant ist:
Studiengangssprache & Pre-Semester-Programm
  1. Der Masterstudiengang wird vollständig in englischer Sprache angeboten und richtet sich an nationale sowie internationale Studierende.
  2. Um einen optimalen Einstieg in das Studium zu ermöglichen, wird ein Pre-Semester-Programm angeboten. Dieses richtet sich insbesondere an internationale Studierende sowie an Masterstudierende, die noch nicht über ausreichende Vorkenntnisse im Bereich Data Analytics verfügen, wie sie typischerweise im entsprechenden Bachelorstudium vermittelt werden.
    1. Das Programm unterstützt die fachliche, organisatorische und soziale Vorbereitung auf das Studium und umfasst unter anderem folgende Themenbereiche:
    2. Orientierung und organisatorische Einführung
    3. Fachliche Vorbereitung und wissenschaftliches Lernen
    4. Leben in Deutschland und kulturelle Integration
    5. Soziales Leben und studentische Aktivitäten
    6. Beratung, Unterstützung und administrative Prozesse
    7. Technische sowie didaktische Anforderungen an das Studium

 

Unterlagen im Rahmen der Akkreditierung

Selbstbericht (Entwurf)

Studienverlaufsplan (Entwurf)

Anhang der Prüfungsordnung (Entwurf)

Modulhandbuch (Entwurf)


Das erwartet dich!

 

Pflichtmodule – Das methodische Fundament

Die vier Pflichtmodule bilden den unverzichtbaren Kern des Studiengangs. Sie stellen sicher, dass du – unabhängig von deinem fachlichen Hintergrund – über eine gemeinsame methodische Grundlage in quantitativen und datenanalytischen Verfahren verfügst.

ModulKürzelLPFunktion im Curriculum
Quantitative MethodsWIW-KM-QTM-M-64,0Grundlagen quantitativer Analyse; Brücke zwischen Bachelor und Master
Applied  EconometricsWIW-DA-AE-M-76,0Kausalinferenz & Identifikation,OLS, IV, DiD, RDD, Panel-Daten, Hypothesentests
Advanced EconometricsWIW-DA-ADE-M-76,0MLE, GMM, Diskrete Auswahlmodelle, Tobit, Zeitreihen, Quantilsregression
Statistical LearningWIW-DA-SL-M-76,0Supervised & Unsupervised Learning, Regularisierung, Bäume, Boosting, Modellselektion & Validierung

Wahlpflichtmodule – Methodische Vertiefung

Der Wahlpflichtbereich ermöglicht dir eine gezielte Vertiefung in den Bereichen Data Analytics, Mathematik und Informatik. Je nach Interesse und gewählter Vertiefungsrichtung kannst du individuelle fachliche Schwerpunkte setzen.

Data Analytics
ModulKürzelLP
Statistical InferenceWIW-DA-SI-M-76,0
Bayesian EconometricsWIW-DA-BE-M-76,0
Mathematik
ModulKürzelCP
Spatial StatisticsMAT-62-15-M-74,5
Financial StatisticsMAT-62-13-M-74,5
Mathematical Methods in AIMAT-63-10-M-79,0
AI Numerics (KI Numerik)MAT-63-15-M-79,0
Theory of Scheduling ProblemsMAT-59-11-M-79,0
Integer Programming: Polyhedral Theory and AlgorithmsMAT-50-11-M-79,0
Informatik
ModulKürzelCP
Human Computer InteractionINF-16-52-M-54,0
Machine Learning II – Statistical MLINF-75-51-M-68,0
Probabilistic graphical modelsINF-76-51-M-66,0
Data Science Literacy (neu)INF-neues Modultba
Database SystemsINF-20-01-M-58,0

Vertiefungsrichtungen (Tracks)

Du wählst zwischen zwei Vertiefungsrichtungen, die unterschiedliche Karriere- und Forschungsprofile adressieren. Beide Tracks bauen auf dem gemeinsamen Pflicht- und Wahlpflichtbereich auf und ermöglichen dir eine gezielte fachliche Profilbildung. Der gewählte Track wird im Abschlusszeugnis und in der Urkunde ausgewiesen.

Track A: Economics

Dieser Track richtet sich an dich, wenn du eine akademische Karriere oder eine Tätigkeit in wirtschaftspolitischen Institutionen, Zentralbanken oder Forschungseinrichtungen anstrebst. Die Module vertiefen deine Kenntnisse in mikro- und makroökonomischer Analyse, Umweltökonomik sowie finanzwirtschaftlichen Methoden.

ModulKürzelCP
Economics of AI (ggf. neu)WIW-neues Modultba
Industrial Economics (ggf. neu)WIW-neues Modultba
Digital Platforms and Online Markets (ggf. neu)WIW-neues Modultba
Empirical Microeconomics (ggf.neu)WIW-neues Modultba
Topics in Applied Microeconometrics (neu)WIW-neues Modultba
Asset Pricing and Portfolio OptimizationWIW-FM-APPO-M-74,5
Machine Learning in FinanceWIW-FM-MLF-M-74,5
Applications of Generative AI for Finance (neu)WIW-neues Modul4,5
Overlapping Generations EconomiesWIW-FE-AME-M-74,5
Dynamics of Financial MarketsWIW-FE-DFM-M-74,5
Economics of Banking.WIW-FE-ECB-M-74,5
Choice under UncertaintyWIW-FE-CUC-M-74,5
Computational IntelligenceWIW-WIN-CIN-M-74,5
Multiagent SystemsWIW-WIN-MAS-M-74,5
Environmental and Resource EconomicsWIW-RE-ERE-M-74,5
Environmental Cost-Benefit AnalysisWIW-RE-ECBA-M-74,5
Energy EconomicsWIW-RE-ENE-M-74,5

 

Didaktische Begründung: Der Economics-Track verbindet theoretische Fundierung (Overlapping Generations, Dynamics of Financial Markets) mit modernen empirischen Methoden (Empirical Microeconomics, Applied Microeconometrics). Die Integration von ML-Methoden in finanzwirtschaftliche und umweltökonomische Kontexte stellt sicher, dass Studierende Data Analytics nicht losgelöst von wirtschaftstheoretischen Grundlagen betreiben.

 

Track B: Business Analytics

Dieser Track qualifiziert dich für datengetriebene Entscheidungsprozesse in Unternehmen. Er richtet sich an dich, wenn du später in der Unternehmensberatung, Logistik, im Finanzwesen oder in einer nachhaltigkeitsorientierten Unternehmensführung arbeiten möchtest. Der Track gliedert sich in drei Subbereiche:

Accounting & Finance
ModulKürzelCP
Asset Pricing and Portfolio OptimizationWIW-FM-APPO-M-74,5
Machine Learning in FinanceWIW-FM-MLF-M-74,5
Applications of Generative AI for Finance (neu)WIW-neues Modul4,5
Management
ModulKürzelCP
Artificial Intelligence in BusinessWIW-MDT-AIB-M-74,5
Recent Issues in Sustainability ManagementWIW-SMG-RISM-M-76,0
Theories and Instruments of Sustainability ManagementWIW-SMG-TISM-M-76,0
Digital Platforms and Online Markets (neu)WIW-neues Modultba
Intelligence, Logistics & Operations
ModulKürzelCP
Supply Chain AnalyticsWIW-POM-SCP-M-74,5
Production AnalyticsWIW-POM-PPS-M-74,5
Simulation and Analytics of Production SystemsWIW-POM-LAPS-M-74,5
Case Studies in Operations ManagementWIW-POM-FOM-M-74,5
Logistics Planning under UncertaintyWIW-LOG-LPU-M-74,5
Facility Location and Network DesignWIW-LOG-SP-M-74,5
Transport LogisticsWIW-LOG-TL-M-74,5
Optimization Tools in Logistics PlanningWIW-LOG-OT-M-74,5
Computational IntelligenceWIW-WIN-CIN-M-74,5
Multiagent SystemsWIW-WIN-MAS-M-74,5
Business Process ManagementWIW-WIN-BPM-M-74,5

Profilübergreifender Bereich

Der profilübergreifende Bereich ermöglicht dir eine individuelle curriculare Gestaltung über die gewählte Vertiefungsrichtung hinaus. Wählbar sind:

  • Module aus dem Wahlpflichtbereich, die dort nicht eingebracht wurden
  • Module aus dem Wahlpflichtbereich des jeweils anderen Tracks
  • Module aus dem Bachelorstudiengang Data Analytics (sofern inhaltlich voraussetzend und nicht bereits eingebracht)
  • Module aus den Profilbereichen des Master BWL des Fachbereichs Wirtschaftswissenschaften
Forschungsprojekt

Das Forschungsprojekt stellt das zentrale Bindeglied zwischen methodischer Ausbildung und wissenschaftlicher Eigenständigkeit dar. Es umfasst:

  • Entwicklung einer eigenständigen Forschungsfrage
  • Beschaffung und Aufbereitung geeigneter Daten
  • Analyse mit statistischen oder ML-Methoden
  • Interpretation der Ergebnisse im wirtschaftlichen Kontext
  • Dokumentation in Form eines Berichts oder einer Präsentation

Masterabschlussprüfung

Die Masterabschlussprüfung gliedert sich in drei Teile, die systematisch aufeinander aufbauen:

PrüfungsteilInhaltFunktion
(1) MasterarbeitSelbständige Bearbeitung einer komplexen wissenschaftlichen Fragestellung (benotet als eigenständige Prüfungsleistung mit 50%)Nachweis methodischer und inhaltlicher Eigenständigkeit
(2) Begleitendes KolloquiumZwischenbericht + aktive Diskussionsteilnahme (unbenotet, aber Zulassungsvoraussetzung)Qualitätssicherung im Arbeitsprozess; Feedback und wissenschaftlicher Austausch
(3) Abschließendes KolloquiumVerteidigung der Ergebnisse (benotet als eigenständige Prüfungsleistung mit 50%)Nachweis wissenschaftlicher Kommunikationsfähigkeit und kritischer Reflexion

 

Qualifikationsprofil und potenzielle Berufs- und Tätigkeitsfelder

Die Qualifikationsziele des Masterstudiengangs Data Analytics lassen sich in vier Dimensionen strukturieren:

DimensionQualifikationszielLehrveranstaltungen (Beispiele)
MethodenkompetenzBeherrschung quantitativer Analysemethoden (Ökonometrie, ML, Bayes'sche Statistik)Applied Econometrics, Bayesian Econometrics, Statistical Learning I & II
FachkompetenzVertiefte wirtschaftswissenschaftliche Kenntnisse (VWL oder BWL)Track Economics / Track Business Analytics
ForschungskompetenzEigenständige wissenschaftliche Arbeit: Fragestellung, Daten, Analyse, InterpretationForschungsprojekt, Masterarbeit, Kolloquium
TransferkompetenzÜbertragung von Methoden auf neue Problemstellungen und Kommunikation der ErgebnisseForschungsprojekt, Case Studies, Kolloquium

Absolvent:innen verfügen über eine Kombination aus wirtschafts- und datenwissenschaftlicher Expertise, die Fähigkeit, komplexe Datensätze zu analysieren und Entscheidungen zu modellieren, Erfahrung mit modernen Methoden der Künstlichen Intelligenz, Machine Learning und Statistik sowie internationale, englischsprachige Kommunikationskompetenz. Diese Qualifikationen machen sie besonders nachgefragt auf dem Arbeitsmarkt, der zunehmend quantitativ-analytische Fachkräfte mit ökonomischem Verständnis sucht. Typische Arbeitgeber sind Großunternehmen und Konzerne, Start-ups, technologiegetriebene Unternehmen, internationale Organisationen, NGOs, öffentliche Verwaltungen, Ministerien, Think Tanks sowie wissenschaftliche Institute und Forschungsabteilungen.

In der Wirtschaft können sie beispielsweise in Business Analytics & Data Science, Finanz- und Risikomanagement, Marketing Analytics, Consulting & Strategieentwicklung sowie Supply Chain & Operations Analytics arbeiten. Im öffentlichen Sektor und bei NGOs bieten sich Tätigkeiten in Policy Analytics, Monitoring und Evaluierung oder Smart City & Public Data Management an. Im Bereich Forschung, Wissenschaft und Weiterbildung qualifiziert der Studiengang für analytische Forschungsprojekte, Mitarbeit in interdisziplinären Forschungsinstituten und Promotionen in Ökonomie, Wirtschaftsinformatik oder Data Science.