Ingolstadt: Data Science in Technik und Wirtschaft (B.Eng.)

Übersicht

Der Bachelorstudiengang "Data Science in Technik und Wirtschaft" an der Technischen Hochschule Ingolstadt vermittelt fundierte Kenntnisse in der Analyse, Verarbeitung und Anwendung großer Datenmengen. Ziel ist es, Studierende zu befähigen, datengetriebene Lösungen in technischen und wirtschaftlichen Kontexten zu entwickeln.

Studieninhalte und Studienorganisation

Der Studiengang ist auf eine Regelstudienzeit von sieben Semestern ausgelegt und wird ausschließlich in deutscher Sprache angeboten. Der Studienaufbau gliedert sich in sechs Pflichtsemester und ein Abschlusssemester, in dem die Bachelorarbeit und ein Seminar dazu absolviert werden. Das Curriculum verbindet mathematische, statistische und informatische Grundlagen mit anwendungsorientierten Modulen aus Wirtschaft und Technik.

Wichtige Inhalte:

• Mathematik, Statistik, Informatik für Data Science
• Data Modeling, Programmierung, Software-Entwicklung
• Wahrscheinlichkeitstheorie, Applied Machine Learning, Data Engineering
• Statistische Qualitätssicherung, Deep Learning, Business Information Systems
• Optimierung, Forecasting, Investition und Finanzierung
• Rechtliche und ethische Fragestellungen in Data Science
• Industrial Internet of Things

Der Studiengang zeichnet sich durch eine enge Verzahnung von Theorie und Praxis aus, wobei Lehrveranstaltungen in Laboren, Projektarbeiten sowie praktische Phasen in Unternehmen stattfinden. Die Hochschule kooperiert mit regionalen Unternehmen und Forschungseinrichtungen, um den Studierenden praxisnahe Erfahrungen zu ermöglichen.

Berufliche Perspektiven

Absolventinnen und Absolventen des Studiengangs Data Science in Technik und Wirtschaft sind in der Lage, datenbasierte Lösungen in verschiedenen Branchen zu entwickeln und anzuwenden.

Typische Einsatzbereiche:

• Datenanalyse
• Data Engineering
• Machine Learning
• Entwicklung intelligenter Systeme in Produktion, Automatisierung, Marketing, IT und Unternehmensberatung
• Softwareentwicklung und Datenanalyse