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. WorkloadLehrtyp
30Vorlesungen
15betreute Kleingruppen
Workload Dozentenungebunden
Std. WorkloadLehrtyp
45Veranstaltungsvor-/-nachbereitung
30Literaturstudium
30Prüfungsvorbereitung
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