Die Studierenden sind in der Lage:

• zentrale Elemente im Bereich des Datenmanagements (u.a. Datenakquise, -integration und -bereinigung) für die öffentliche Verwaltung und NGOs zu beschreiben,
• Daten effektiv in verschiedenen Datenquellen zu identifizieren, aufzubereiten und für den Einsatz von Datenanalysen nutzbar zu machen,
• Daten zu analysieren und zu interpretieren, um Einblicke in Trends, Muster und Probleme von Verwaltungen und NGOs zu gewinnen,
• die Grundlagen von Artificial Intelligence zu erklären,
• Einsatzbereiche von Artificial Intelligence in der Verwaltung und NGOs zu benennen und einzuordnen,
• die Herausforderungen und Hindernisse bei der Einführung von Artificial Intelligence in der Verwaltung und NGOs aufzuzählen und zu bewerten (inkl. Ethikaspekte),
• Trends und Entwicklungen von Artificial Intelligence zu beschreiben.

Keine

• Elemente im Bereich des Datenmanagements (u.a. Datenakquise, -integration und -bereinigung)
• Datenquellen der Verwaltung und NGOs
• Datenaufbereitung
• Datenanalyse und -interpretation
• Grundlagen und Einsatzbereiche von Artificial Intelligence in der Verwaltung und NGOs
• Herausforderungen und Hindernisse bei der Einführung von Artificial Intelligence in der Verwaltung und NGOs
• Trends und Entwicklungen von Artificial Intelligence

Ertel, W. (2021). Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung, 5., akt. u. erg. Aufl., Wiesbaden.
Gillhuber, A./Kauermann, G./Hauner, W. (Hg.) (2023). Künstliche Intelligenz und Data Science in Theorie und Praxis: Von Algorithmen und Methoden zur praktischen Umsetzung in Unternehmen, Heidelberg.
Heine, M./Dhungel, A./Schrills, T./Wessel, D. (2023). Künstliche Intelligenz in öffentlichen Verwaltungen: Grundlagen, Chancen, Herausforderungen und Einsatzszenarien, Wiesbaden.
Papp, S./Weidinger, W./Meir-Huber, M. (2019). Handbuch Data Science. Mit Datenanalyse und Machine Learning Wert aus Daten generieren, München.
Runkler, T. A. (2020). Data Analytics. Models and Algorithms for Intelligent Data Analysis, 3. Edition, Wiesbaden.
Schels, I. (2020). Business Intelligence mit Excel. Datenanalyse und Reporting mit Power Query, Power Pivot und Power BI Desktop, 2. Auflage, München.

Vortrag, moderierte Gruppenarbeit, Diskussion in Gruppen

Prüfungscharakter: immanent
Prüfungsform: Einzel- bzw. Gruppenarbeit, schriftliche Klausur
Kumulative Modulnote:
Die Note aus der ILV "Data Science & Artificial Intelligence" fließt gewichtet nach den ECTS Credits in die Modulnote ein.