Data Sciences in der Logistik
- Fakultät
Wirtschafts- und Sozialwissenschaften
- Version
Version 4.0 vom 06.05.2021
- Modulkennung
22B1508
- Modulname (englisch)
Data Sciences in Logistics
- Studiengänge mit diesem Modul
Betriebliches Informationsmanagement (B.Sc.)
- Niveaustufe
2
- Kurzbeschreibung
Logistische Aktivitäten sind seit jeher eng mit vorauseilenden, begleitenden und nacheilenden Informationen verbunden. Das starke Wachstum der Logistikbranche verbunden mit der inzwischen durchgehenden Digitalisierung der Logistik hat die Entstehung sehr großer Datenmengen hervorgerufen. Diese bieten eine gute Basis, um mittels Data Science weitere Optimierungen in der Logistik sowie weitere Optimierungen durch die Logistik zu initiieren.Das Modul zielt darauf ab, zunächst einen Überblick über Data Science und die Entstehung logistischer Daten zu geben, um darauf aufbauend die wesentlichen Ansätze zur Sammlung, Auswertung, Visualisierung und Interpretation von logistische Daten zu geben. Abschließend thematisiert das Modul auch die mit der Arbeit eines Data Scientists verbundenen ethischen Fragestellungen.
- Lehrinhalte
1. Einführung in die Data Science
2. Logistische Daten für das Data Science
3. Identifikation, Sammeln und Aufbereitung von logistischen Daten
4. Auswertung von logistischen Daten
4.1. Mathematische Methoden
4.2. Statistische Methoden
4.3. Stochastische Methoden
5. Visualisierung von logistischen Daten
6. Interpretationen und Handlungsempfehlungen
7. Datenethik
- Lernergebnisse / Kompetenzziele
Wissensverbreiterung
Die Studierenden, die dieses Modul erfolgreich studiert haben, kennen die gängigen Ansätze aus dem Bereich des Data Science für die Arbeit mit logistischen Daten.
Wissensvertiefung
Die Studierenden, die dieses Modul erfolgreich studiert haben, können die Ansätze des Data Science einschließlich der daraus resultierenden Handlungsempfehlungen beurteilen und können Konzepte für deren Einsatz entwickeln.
Können - instrumentale Kompetenz
Die Studierenden, die dieses Modul erfolgreich studiert haben, können die verschiedenen Ansätze des Data Science für Problemstellungen aus der Logistik zielgerichtet auswählen und einsetzen und können die Ergebnisse der Datenanalysen in zielgerichtete Handlungsempfehlungen umsetzen.
Können - kommunikative Kompetenz
Die Studierenden, die dieses Modul erfolgreich studiert haben, können mittels verschiedener mündlicher, schriftlicher und technischer Kommunikationsformen (Diskussionsbeitrag, Präsentation, Vortrag, Aufsatz) Experten und Interessierten das Vorgehen im Data Science erklären, die selbst entwickelten Handlungsempfehlungen präsentieren und ihr Wissen über Data Science verschiedenen Interessentenkreisen vermitteln.
Können - systemische Kompetenz
Die Studierenden, die dieses Modul erfolgreich studiert haben, sind in der Lage, die bestehenden Ansätze und Konzepte des Data Science kritisch/systematisch zu hinterfragen und eigenständig Verbesserungsansätze zu entwickeln.
- Lehr-/Lernmethoden
Vorlesung, Gruppenarbeiten, studentische Referate
- Empfohlene Vorkenntnisse
Besuch des Moduls Logistik, Beschaffung und Produktion, Logistik 4.0
- Modulpromotor
Freye, Diethardt
- Lehrende
- Bruns-Vietor, Sabine
- Freye, Diethardt
- Jacob, Axel
- Schüller, Michael
- Leistungspunkte
5
- Lehr-/Lernkonzept
Workload Dozentengebunden Std. Workload Lehrtyp 30 Vorlesungen 15 betreute Kleingruppen Workload Dozentenungebunden Std. Workload Lehrtyp 45 Veranstaltungsvor-/-nachbereitung 30 Literaturstudium 30 Prüfungsvorbereitung
- Literatur
Grundzüge der Beschaffung, Produktion und Logistik / Sebastian Kummer (Hrsg.), Oskar Grün, Werner Jammernegg, 4. Auflage (2019)Logistik : Wege zur Optimierung der Supply Chain / Christof Schulte, 7. Auflage (2017)Logistiksysteme : Betriebswirtschaftliche Grundlagen / Hans-Christian Pfohl, 9. Auflage (2018)Einführung in Data Science / Joel Grus ; deutsche Übersetzung von Kristian Rother und Thomas Demmig, 2. Auflage (2020)Data Science - was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt / von Annalyn Ng, Kenneth Soo, 1. Auflage (2018)Data science : concepts and practice / Vijay Kotu, Bala Deshpande, 1. Auflage (2019)Applied Data Science : Lessons Learned for the Data-Driven Business / Martin Braschler, Thilo Stadelmann, Kurt Stockinger, 1. Auflage (2019)
sowie aktuelle Fachartikel
- Prüfungsleistung
- Portfolio Prüfung
- Klausur 2-stündig
- Hausarbeit
- Bemerkung zur Prüfungsform
2) Die Portfolioprüfung umfasst insgesamt 100 Punkte und besteht aus einer Präsentation (PR) und einer abschließenden einstündigen Klausur (K1). Die Präsentation und die Klausur werden jeweils mit 50 Punkten gewichtet
- Dauer
1 Semester
- Angebotsfrequenz
Nur Wintersemester
- Lehrsprache
Deutsch