Vorlesung + Übung: Generative KI in der digitalen Wirtschaft (Bachelor/Master Vorlesung & Übung) - Details

Vorlesung + Übung: Generative KI in der digitalen Wirtschaft (Bachelor/Master Vorlesung & Übung) - Details

Allgemeine Informationen

Veranstaltungsname Vorlesung + Übung: Generative KI in der digitalen Wirtschaft (Bachelor/Master Vorlesung & Übung)
Untertitel Block-Vorlesung
Semester WS 2026/27
Aktuelle Anzahl der Teilnehmenden 41
erwartete Teilnehmendenzahl 35
Heimateinrichtung Prof. Dr. Jan Muntermann - Financial Data Analytics
Veranstaltungstyp Vorlesung + Übung in der Kategorie Lehre
Nächster Termin Freitag, 23.10.26, 12:15 - 16:00 Uhr J 1601
Teilnehmende Studierende der Studiengänge Wirtschaftsinformatik, Wirtschaftsingenieurswesens, Global Business Management, Betriebswirtschaftslehre, Volkswirtschaftslehre, sowie Rechts- und Wirtschaftswissenschaften
Voraussetzungen Die Voraussetzung zur Zulassung ist eine erfolgreiche Bewerbung (Hinweise zur Bewerbung - siehe "Sonstiges").

Inhaltlich wird die Bereitschaft zur Einarbeitung in technische Grundlagen vorausgesetzt; IT-Vorkenntnisse sind hilfreich, aber keine zwingende Voraussetzung.

Die Veranstaltung findet in Kooperation mit einem Praxispartner aus der Unternehmensberatung statt, wir setzen daher voraus, dass Sie bereit sind, sich mit den Praxispartnern auszutauschen, gemeinsam Arbeitsaufträge zu erarbeiten und Ergebnisse zu präsentieren. Außerdem setzen wir eine aktive Teilnahme an allen gegebenen Terminen (in Präsenz) voraus.
Lernorganisation Lehrbetrieb und Prüfungstermine finden i. d. R. in Präsenz- und Blockveranstaltungen statt.
Die Termine finden regelmäßig an Freitagen statt - die genaue Terminplanung wird spätestens eine Woche vor Bewerbungsfrist im Digicampus-Ablaufplan veröffentlicht.
Leistungsnachweis Portfolio-Prüfung
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile Ja
Veranstaltung findet online statt / hat Remote-Bestandteile Ja
Hauptunterrichtssprache deutsch
Weitere Unterrichtssprache(n) englisch (Literatur)
Sonstiges ~~~Achtung: Kursplätze begrenzt - erfolgreiche Bewerbung erforderlich~~~

Bitte beachten Sie, dass eine Teilnahme an dieser Veranstaltung ausschließlich über eine erfolgreiche Bewerbung möglich ist.
Sie können sich bis 18.10.2026 in diese Veranstaltung selbst eintragen und für eine Teilnahme an der Veranstaltung bewerben. Um sich zu bewerben, laden Sie Ihr Bewerbungsschreiben fristgerecht in den dafür vorgesehenen Digicampus-Ordner hoch. Instruktionen bzw. die Vorlage zum Bewerbungsverfahren finden Sie ebenfalls im allgemeinen Digicampus-Ordner.

Eingeschriebene Personen ohne Bewerbung werden nach der Bewerbungsfrist kommentarlos aus der Veranstaltung ausgetragen. Nach Prüfung der Bewerbungsunterlagen, erhalten Sie eine Zu- bzw. Absage bis spätestens Dienstag 20.10.2026 via Digicampus-Nachricht.

ACHTUNG: Bitte beachten Sie, dass die reine Eintragung in die Digicampus-Veranstaltung keine Garantie für die Teilnahme an der Veranstaltung darstellt!
ECTS-Punkte Bachelor 5 / Master 6

Räume und Zeiten

J 1601

  • Freitag, 23.10.26, 12:15 - 16:00 Uhr
  • Freitag, 13.11.26, 10:00 - 17:00 Uhr

J 2102

  • Freitag, 30.10.26, 10:00 - 17:00 Uhr
  • Freitag, 06.11.26, 10:00 - 17:00 Uhr
  • Freitag, 20.11.26, 10:00 - 17:00 Uhr
  • Freitag, 27.11.2026 (ganztägig)
  • Freitag, 27.11.26, 10:00 - 17:00 Uhr

Ohne Raum

  • Freitag, 11.12.26, 09:00 - 17:00 Uhr
  • Freitag, 15.01.2027 (ganztägig)
  • Mittwoch, 20.01.2027 (ganztägig)
  • Freitag, 22.01.27, 09:00 - 19:00 Uhr

Modulzuordnungen

Kommentar/Beschreibung

Gegenstand des Moduls ist die Vermittlung grundlegender Konzepte, Technologien und Anwendungsbereiche generativer künstlicher Intelligenz (KI) im Kontext der digitalen Wirtschaft. Die Studierenden erhalten einen Überblick über historische Entwicklungen, aktuelle Trends sowie verschiedene Modelle und Einsatzformen generativer KI in der digitalen Wirtschaft.
Ein besonderer Fokus liegt auf der praxisorientierten Vertiefung technischer Grundlagen zur Qualitätsverbesserung von KI-Outputs, beispielsweise durch Prompt-Engineering, Retrieval-Augmented Generation (RAG), Fine-Tuning oder das Training eigener Modelle (z. B. BERT). Die Studierenden analysieren praxisrelevante Anwendungsfälle und erarbeiten im Team kreative Lösungsvorschläge, z. B. in Form von Case Studies und Präsentationen.

Eine detaillierte Auflistung der adressierten Lernziele/Kompetenzen, finden Sie im aktuellen Modulhandbuch.