• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
Friedrich-Alexander-Universität Lehrstuhl für Digital Industrial Service Systems WiSo
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Fachbereich Wirtschafts- und Sozialwissenschaften
Suche öffnen
  • English
  • FB WIWI
  • WIN
  1. Friedrich-Alexander-Universität
  2. Fachbereich Wirtschafts- und Sozialwissenschaften
Friedrich-Alexander-Universität Lehrstuhl für Digital Industrial Service Systems WiSo
Menu Menu schließen
  • Home
  • Lehre
  • Forschung
  • Praxis
  • Team
  • Kontakt und Anfahrt
  • Stellenangebote
  1. Startseite
  2. Lehre
  3. Veranstaltungen
  4. Angewandte Datenanalyse zur Vorhersage des Stromverbrauchs in Deutschland – Chancen und Herausforderungen im Kontext der deutschen Energiewende

Angewandte Datenanalyse zur Vorhersage des Stromverbrauchs in Deutschland – Chancen und Herausforderungen im Kontext der deutschen Energiewende

Bereichsnavigation: Lehre
  • Abschlussarbeiten
  • Empfehlungsschreiben
  • Veranstaltungen
    • Angewandte Datenanalyse zur Vorhersage des Stromverbrauchs in Deutschland – Chancen und Herausforderungen im Kontext der deutschen Energiewende
    • BPM Winter School 2020/21
    • BPM Winter School 2024 Stipendium
    • Business and Information Systems Engineering
    • Business Process Management (Bachelor)
    • Forschungsmethodisches Seminar
    • IIS Seminar: Developing Prescriptive Process Mining Systems
    • Internet of Things and Industrial Services (Masters, WS)
    • Introduction to Computer Science (Masters, WS)
    • IT-gestützte Prozessautomatisierung
    • Process Analytics (Masters, WS)
    • Service Management und Service Engineering - Vorlesung und Übung
    • TS410 - Integrated Business Processes in SAP S/4HANA

Angewandte Datenanalyse zur Vorhersage des Stromverbrauchs in Deutschland – Chancen und Herausforderungen im Kontext der deutschen Energiewende

Annina Ließmann

Annina Ließmann, M. Sc.

Fachbereich Wirtschafts- und Sozialwissenschaften
Lehrstuhl für Digital Industrial Service Systems

Raum: Raum 33.1.07
Fürther Str. 248
90429 Nürnberg
  • Telefon: +499115302-96485
  • E-Mail: annina.liessmann@fau.de
Willi Tang

Willi Tang, M. Sc.

Fachbereich Wirtschafts- und Sozialwissenschaften
Lehrstuhl für Digital Industrial Service Systems

Raum: Raum 33.1.07
Fürther Str. 248
90429 Nürnberg
  • Telefon: +499115302-96484
  • E-Mail: willi.tang@fau.de

Kursinhalt

Beschreibung

Mit der fortschreitenden Energiewende in Deutschland sind erneuerbare Energien wie Wind- und Solarenergie zu zentralen Säulen der Stromerzeugung geworden. Gleichzeitig bringen diese Energiequellen Herausforderungen mit sich, darunter die Unvorhersehbarkeit und Variabilität der Erzeugung. Dieses Projektseminar zielt darauf ab, den Studierenden die Gelegenheit zu bieten, eigenständig und in Kooperation mit einem Praxispartner zu erarbeiten, wie Datenanalysen zur Vorhersage der Stromerzeugung entwickelt, implementiert und für Unternehmensentscheidungen aufbereitet werden können.

Voraussetzungen

  • GOP-Module alle bestanden
  • BPM oder SMSE mit mindestens 2,3 („gut“) bestanden
  • fundierte Deutschkenntnisse (mindestens B2 nach dem gemeinsamen europäischen Referenzrahmen für Sprachen)
  • Grundlegende Programmierkenntnisse in Python oder R

Lernziele & Kompetenzen

Die Studierenden können…

  • eigenständig Methoden der Datenanalyse zur Prognose der Stromerzeugung erarbeiten und anwenden
  • Chancen und Herausforderungen der Datenanalyse im Kontext der Energiewende identifizieren
  • praxisrelevanten Lösungen zur Unterstützung von Unternehmensentscheidungen erarbeiten

Einpassung in Musterstudienplan

Ab dem 4. Semester

Verwendbarkeit des Moduls

Dieses Modul kann von Studierenden im Bachelorstudiengang Wirtschaftsinformatik belegt werden. Die Studierende können in diesem Modul 10 ECTS erwerben.

Weitere Informationen

Unterrichts und Prüfungssprache Deutsch
Studien-und Prüfungsleistungen Seminararbeit und Präsentation (70% + 30%)
Turnus des Angebots Jährlich im SS, WS
Arbeitsaufwand Eigenstudium: 220h, Präsenzzeit: 80h
Dauer des Moduls 1 Semester
Zum StudOn Kurs
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Digital Industrial Service Systems

Fürther Str. 248
90429 Nürnberg
  • Anmelden
  • Impressum
  • Datenschutz
  • Barrierefreiheit
  • Facebook
  • Twitter
  • Instagram
Nach oben