Daten sind das neue Öl! Daten sind eine neue Asset-Klasse! Solche und ähnliche Aussagen sind heute allgegenwärtig und sollen das grosse wirtschaftliche Potenzial von Data Science und künstlicher Intelligenz veranschaulichen. "Smarte" Produkte und Dienstleistungen sind bereits heute allgegenwärtig und werden in Zukunft eine immer grössere Rolle in unserem Privat- und Arbeitsleben spielen. So galten beispielsweise selbstfahrende Autos vor 10 Jahren noch als technische Utopie; heute wartet man auf die flächendeckende Markteinführung. Übergeordnetes Ziel des Kurses ist es, Studierende in die Lage zu versetzen, mittels Big Data, Data Science, Machine Learning & Co betriebswirtschaftliche Probleme lösen zu können. Dafür verfolgt der Kurs ein Fallstudien-orientiertes Kursdesign. In jeder Fallstudie wird auf Basis einer konkreten betriebswirtschaftlichen Problemstellung eine prototypische Anwendung entwickelt, um z.B. die finanzielle Performance, operative Effizienz oder die Effektivität von betriebswirtschaftlichen Massnahmen zu verbessern. Im Rahmen der Fallstudien werden eine Vielzahl von unterschiedlichen Algorithmen und Analyse-Ansätzen besprochen und eingeübt. Die Fallstudien stammen dabei in der Regel aus dem Kontext von führenden Internet- und Technologie-Unternehmen, wie z.B. Facebook, Linkedin, Netflix, Orange oder Zalando. Diese Fallbeispiele umfassen dabei u.a. die Vorhersage von Weinqualität, Vorhersage von zukünftigen Kundenverhalten, das Erstellen von Kaufempfehlungen oder die automatisierte Identifikation von Fake News. Studierende lernen dabei den Umgang mit grossen unstrukturierten Datenmengen.

Was macht Google, Facebook & Co so erfolgreich? Sie verstehen es, Lücken in der Leistungserbringung existierender Geschäftsmodelle zu identifizieren und sie durch neue digitale Innovationen zu schliessen. In diesem Kontext spielen Service Innovation und Design eine immer grössere Rolle, da durch die fortschreitende Digitalisierung Kunden oft nicht allein ein Produkt, sondern auch die damit verbundenen ‑ zunehmend auch auf Daten basierenden ‑ Services erwerben. Die Verlagerung des Angebotsportfolios hin zu einer Kombination aus Produkten und Services, die sogenannte «Servitization», bietet Unternehmen die Möglichkeit neue Märkte und Kundengruppen zu erschliessen, den Kunden näher an sich zu binden und sich durch individuelle Angebote von der Konkurrenz abzuheben. In dieser Veranstaltung werden wir unter anderem den Stand der Forschung hinsichtlich der digitalen Transformation hin zu mehr Services kennenlernen, uns mit verschiedenen Herangehensweisen für die Entwicklung und das Management von digitalen Services vertraut machen sowie anhand von Beispielen aus der Praxis die erfolgreiche Einführung von IT‑basierten Serviceinnovationen untersuchen. Zusätzlich werden wir in Kooperation mit namhaften Praxispartnern in Teams einen digitalen Service entwickeln und designen.

Every minute of a day, more than 2.5 million messages are posted on Facebook, 4.5 million search queries are made on Google and more than 185 million emails are sent. The increasing digitization allows us to create, aggregate, and analyze large amounts of data that can be systematically integrated into a wide range of organizational value creation processes. Against this backdrop, business analytics allows for the systematic leveraging this data in order to make better, faster, and potentially automated decisions and to develop data-driven innovations. The overall goal of the course is to improve the data literacy of students in order to help them excel in a data-driven world. The course will familiarize students with the basics of business analytics, data science and applied machine learning to enable them to apply these approaches to business-related problems. The course introduces the main concepts and technologies and introduces selected analysis methods and tools in detail. These will be applied by students to real world case studies of leading online companies, such as Facebook, Linkedin, Netflix, Orange, Zalando or AirBnb. Among others, these case studies include the prediction of product demand and future customer behavior, the creation of recommendations, or the automated identification of fake news. For reaching this value proposition, the course is based on three central pillars: Introduction to central concepts and methods from the fields of business analytics, data science, and applied machine learning Solving real-world business problems with real-world data sets Implementation of prototypical solutions using Python or other related tools.

What is the success formula of companies such as Facebook, Google, Amazon, Uber and others? These companies, which are amongst the biggest and most valuable corporations worldwide, have an extremely customer-centric focus and are able to offer highly desirable products and services. Thus, they are able to effectively create whole new markets. Although leaders like Steve Jobs and Mark Zuckerberg are visionaries, the success of such firms is not solely based on the genius of their leaders. In fact, these companies understand how to translate approaches from their start-up phase into their regular operations. Doing so, these companies are able to respond quickly and flexibly to a fast-changing, technology-driven world to their advantage. These "digital innovators" understand how to identify gaps in the value creation process of existing business models and complement it with their digital service offerings. This way of thinking is not only a concern for pure internet players. Banks are challenged by fintech companies such as N26, traditional car manufactures such as BMW or Audi are facing new market entrants such as Tesla or are challenged by new mobility concepts such as Lyft or Uber. These companies have to adapt their value proposition and operations and transform it into digital business to secure their market position and generate future revenue. Thereby, companies increasingly use entrepreneurial approaches and methods that allow them to execute innovation projects in small, effective teams with a fast pace. This so-called "internal venturing" allows companies to generate and test new ideas and innovations without being limited to hierarchical and bureaucratic restrictions of a large corporation. In order to follow this approach, employees who understand and are able to apply agile innovation approaches of successful start-ups are much needed - the "intrapreneur" becomes a popular and demanded skills profile. Hence, the goal of this course is to teach and convey the competencies to develop digital business models. Within this course, the students work on real-life cases from well-known companies by applying the St.Gallen Digital Business Innovation Approach and develop customer-centric solutions. During the process, students will apply different scientific methods, thus, deepening and applying their knowledge from other courses. In addition, participants will gain deeper knowledge about the development of digital services, business models, and transformation approaches. Cases are solved in teams of four to five students each with the support of company ambassadors and method coaches.

Die Veranstaltung behandelt Grundlagen des Managements von Daten sowie deren Verarbeitung, Interpretation und Aufbereitung. Die Veranstaltung beginnt mit einer Übersicht über die Bedeutung und Relevanz von Daten im Unternehmen. Dabei wir die Entwicklung von kleinen Datenmengen sowie des Einsatzes von Big Data besprochen. Die Handhabung von strukturierten und kleinen Datenmengen umfasst den Einsatz von Datenbanken und der Anwendung von SQL. Die Handhabung von großen Datenmengen (auch bekannt als Big Data) erfordert wiederum den Einsatz von anderen Methodiken. Hier werden die Grundlagen des maschinellen Lernens vertieft. Ein Schwerpunkt liegt dabei auf verschiedenen Methoden des maschinellen Lernens (u.a. neuronale Netze etc.). Schlussendlich wird die Anwendung von R vertieft und es werden Ausblicke in die Darstellung, Interpretation und Visualisierung von Daten gegeben.

Was macht Google, Facebook und Co. so erfolgreich? Diese Firmen, die mittlerweile zu den grössten der Welt gehören, schaffen es durch ihre extreme Kundenorientierung und dem Angebot hochindividualisierter Lösungen Kunden zu bedienen bzw. völlig neue Märkte zu kreieren. Dieser Erfolg ist keineswegs nur den Geistesblitzen einiger weniger Visionäre zu verdanken. Vielmehr verstehen es die genannten Unternehmen Ansätze aus ihrer erfolgreichen Startup Phase mit in den regulären Geschäftsbetrieb zu übernehmen. Auf diese Weise gelingt es ihnen auf Veränderungen, die durch eine mit digitalen Technologien durchdrungene Welt entstehen, schnell und flexibel zu reagieren und für sich nutzbar zu machen. Diese digitalen Innovatoren verstehen es, Lücken in der Leistungserbringung existierender Geschäftsmodelle zu identifizieren und sie durch ein eigenes digitales Leistungsangebot zu vervollständigen. Dabei bedienen sich die Firmen in zunehmendem Masse unternehmerischen Methoden, die es ihnen ermöglichen Innovationsprojekte in kleinen, schlagkräftigen Teams schnell und leichtgewichtig zu testen. Unter dem Stichwort ʺInternal Venturingʺ werden Innovationsideen generiert, getestet, angepasst und umgesetzt ohne dabei unflexiblen, hierarchischen Strukturen folgen zu müssen. Um diesem Ansatz folgen zu können bedarf es jedoch auch Mitarbeiter, die die Arbeitsweisen erfolgreicher Startups verstehen und einsetzen können ‑ der ʺInterne Entrepreneurʺ wird zum nachgefragten Kompetenzprofil. Ziel dieser Veranstaltung ist es daher, genau solche Kompetenzprofile zu vermitteln. Im Rahmen der Veranstaltung werden reale Problemstellungen namhafter Praxispartner im Rahmen eines ʺForschungs‑ und Praxis‑Venturesʺ ausgearbeitet. Die Studierenden folgen dabei dem St. Gallen Lean Startup Prozess und entwickeln hochgradig kundenzentrierte Lösungen für ein vorgegebenes Problem. In den einzelnen Prozessschritten nutzen die Studierenden unterschiedliche wissenschaftliche Methoden und vertiefen dabei ihr Wissen über die konkrete Anwendung theoretischer und praktischer Methoden, die sie bereits aus anderen Lehrveranstaltungen kennengelernt haben. Darüber hinaus vermitteln die Projekte Vertiefungswissen zur Entwicklung digitaler Geschäftslösungen. Die Ausarbeitung der Lösung erfolgt unter Begleitung eines persönlichen Coaches in Gruppen von 4‑5 Studierenden. Ziel ist es dabei eigenständig digitale Geschäftslösungen aus den Bereichen Crowdfunding, Crowdsourcing, FinTech, Open Innovation, Service Innovation und Service Engineering zu entwickeln. Die Themen haben engen Bezug zu aktuellen Forschungs‑ und Praxisprojekten des Instituts für Wirtschaftsinformatik. Bisherige Themen waren z.B.: Entwicklung einer Handelsplattform für virtuelle Güter in der Gaming‑Industrie; Einsatz von Crowdfunding im B2B‑Geschäft einer Bank; Entwicklung von location‑based Push Services für den B2B und B2C Bereich; Entwicklung einer Crowdtesting‑Dienstleistung; Entwicklung einer web‑basierten Lösung zur Vermittlung von Freiwilligenarbeit; Entwicklung einer Gesundheitsplattform für Krankenversicherer; Massnahmen zur Community‑Building einer Crowdsourcing Plattform.

We come into contact with chatbots everywhere these days, we hear them in the news, they are used to address users on social media or serve us as digital assistants, for example on e-commerce platforms. As a result, companies hope to leverage a new channel that is available to customers 24/7 without waiting. This will ease customers' pain in the sense that they no longer have to wait hours in a phone queue to reach a customer service agent, for example. At the same time, chatbots allow companies to use technology such as AI to reduce costs and increase scale. However, implementing chatbots is not straight forward, and hidden pitfalls are often overlooked. Therefore, this course will equip students with the tools to design and implement their own first chatbot by following the SPADE process for human-centered design invented at our institute. At each step of the SPADE process, students will learn a variety of scientific methods, such as how to conduct effective user testing. Overall, in this ʺResearch and Practice Ventureʺ, we will address real-world problems from known industry partners in the DACH region. The prototype will be developed under the guidance of a personal coach in groups of 3-4 students. The goal is to independently develop a chatbot using low-code platforms. Since we build on the latest developments in this area, students with no prior experience as well as students with experience in programming (e.g. Python) can participate in this course.

Es wird empfohlen, Business Innovation I und II im ersten Herbstsemester des Master in Business Innovation zu belegen. In der ersten Semesterhälfte im Kurs Business Innovation I (Prof. Dr. Oliver Gassmann) erlernen die Studierenden anhand realer Herausforderungen, wie ein neues Geschäftsmodell entwickelt wird. Im Zentrum steht die Beantwortung der vier Eckpunkte eines Geschäftsmodells: Wer ist der Kunde? Was ist das Nutzenversprechen? Wie wird dieses umgesetzt? Wie wird Wert erzeugt? In der zweiten Semesterhälfte im Kurs Business Innovation II (Prof. Dr. Jan Marco Leimeister) erlangen die Studierenden Handlungskompetenzen zur Gestaltung und digitalen Transformation von Unternehmen und Geschäftsmodellen in einer digitale Zukunft. Grundlage hierfür ist das St.Galler House of Digital Business. Die Digitalisierung der Gesellschaft verändert die Art und Weise, wie wir konsumieren, arbeiten, leben und miteinander kommunizieren. Durch die Digitalisierung entsteht eine neue Gründerzeit, welche den digitalen Nutzer und seine veränderten Bedürfnisse in den Mittelpunkt stellt und neue Märkte entstehen lässt. Dadurch ergibt sich eine Vielzahl an Möglichkeiten für Start-ups und neue Unternehmen. Auch zwingt die Digitalisierung etablierte Unternehmen, sich den verändernden Bedürfnissen der digitalen Gesellschaft anzupassen. Die Transformation von der Informationsgesellschaft in die digitale Gesellschaft stellt eine der wesentlichen Herausforderungen für Unternehmen dar - bestehende Geschäftsmodelle werden zum Teil unwirksam, Wertschöpfungsketten verändern sich zu Netzwerken und Systemen, es entstehen hohe Kosten für das Management der Digitalisierung und neue Organisationsformen und Aufgabenprofile entstehen. Ausgehend von der Orientierung am digitalen Nutzer und seinen Bedürfnissen müssen organisatorische Strategien, Prozesse und Systeme sowie Führungsaufgaben, Produkte und Dienstleistungen so gestaltet werden, dass sie diese Bedürfnisse bestmöglich erfüllen. Business Engineering hat als ganzheitliche, methoden- und modellbasierte Konstruktionslehre zum Ziel, innovative Geschäftslösungen zu entwickeln und Unternehmen bei der digitalen Transformation zu unterstützen. Ziel der Veranstaltung "Unternehmen gestalten und digital transformieren" ist es daher, Handlungskompetenzen zur Gestaltung und digitalen Transformation von Unternehmen zu erlangen, welche die Digitalisierung von Wirtschaft und Gesellschaft aktiv berücksichtigen.

The digitalization of society is changing the way we consume, work, live, and communicate with each other. Digitization is generating a new start-up era, which focuses on digital users and their changing needs, which opens up access to whole new markets. Digitization is also forcing established companies to build a digital core and therefore adapt to the changing needs of the digital society. The transformation from the information society to the digital society represents one of the key challenges for companies. This leads to that existing business models are becoming partially ineffective, value chains are changing to networks and systems, high costs are being incurred for the management of digitization, and new organizational forms and task profiles are emerging. Based on the orientation to digital users and their needs, organizational strategies, processes, and systems as well as management tasks, products and services must be designed accordingly to build the digital core. Using model-based design theory, helps to develop innovative business solutions, to support companies in their digital transformation. Therefore, the aim of the course "Engineering the Companies Digital Core" is to enable students to acquire skills to design the companies' digital core and help them in this transformation process, by actively take into account the digitalization of the economy and society.

In this course, students will be introduced to the fundamental principles of digital value creation and will learn how these principles can be translated into digital products and services. Following an action learning approach, the students will apply a user-centered innovation approach (i.e. "St. Gallen Digital Business Innovation Approach)" as well as different scientific methods, in order to come up with new digital solutions.  Within the course, the students will work on real‑life company cases. The cases are solved in teams of five students each with the support of company ambassadors and method coaches.

Erfolgreiche Unternehmen verstehen es, kundenorientiert immer wieder komplett neue Dienstleistungen und Geschäftsmodelle zu gestalten. Dabei entwickeln sie häufig digitale Service‑Innovationen. In diesem Kontext spielen die systematische Gestaltung und das Management von Dienstleistungen und Dienstleistungssystemen eine zentrale Rolle. In dieser Veranstaltung behandeln wir die Grundlagen zu Dienstleistungen sowie deren systematische Gestaltung und Management. Darüber hinaus widmen wir uns den Inhalten und Perspektiven, die Ihre bisherigen Kompetenzen im Sinne soziotechnischer Systemgestaltung optimal komplementieren. Gleichzeitig erweitern Sie Ihre Sprech‑ und Handlungsfähigkeit bzgl. der systematischen Gestaltung von innovativen Dienstleistungen. Eine Vielzahl aktueller und innovativer Beispiele aus dem Bereich der IT‑ bzw. datenbasierten Serviceinnovation unterstützen Sie in diesem Prozess. Zusätzlich werden wir Sie in Teams und in Kooperation mit Praxispartnern einen digitalen Service entwickeln und designen, um die kennengelernt Theorien, Werkzeuge und Ansätze direkt in die Praxis zu überführen. Dabei werden wir mit agilen Elementen von Scrum arbeiten, um flexibel auf die Kundenbedürfnisse einzugehen und den Prototypen leichtgewichtig und zielgerichtet umzusetzen. Die Veranstaltung baut dabei inhaltlich auf die Pflichtveranstaltung «7,002: Business Innovation II: Unternehmen gestalten und digital transformieren» auf.

Projekt‑ und Change‑Management sind wichtige Aufgaben in der Unternehmensführung. Durch sie werden die Umsetzung der Unternehmensstrategie und eine Anpassung der Prozesse, Informations‑ und Kommunikationstechnologie sowie auch der Unternehmenskultur und Steuerungssysteme an veränderte Umfeldbedingungen erst möglich. Versagen Projekt‑ und/oder Change‑Management, ist eine erfolgreiche Umsetzung der Strategie nahezu unmöglich. Gleichzeitig ist ein systematisches Projekt‑ und Change‑Management eine grundlegende Voraussetzung für eine effektive und effiziente Implementierung der Veränderung auf allen Ebenen des Unternehmens. Deshalb haben beide Aufgaben im Rahmen des Business Engineering eine erfolgskritische Rolle.   Während sich das Projekt‑Management in den letzten Jahren mit verschiedenen Methoden in den Unternehmen etabliert hat, ist das Change Management heute zwar ein systematischer Bestandteil der Unternehmensführung, bringt aber häufig noch nicht den gewünschten Erfolg.   Ein wichtiger Faktor in den vielfältigen Bemühungen, ein effektives und effizientes Projekt‑ und Change‑Management umzusetzen, wird dabei oftmals mit nur geringer Priorität behandelt: der Mensch. Seine Bedeutung für den Erfolg der Veränderung ist zwar bekannt, aber als so genannter ʺweicherʺ und damit nur schwierig zu greifender Einflussfaktor, wird er gerne ʺausgeblendetʺ.   Die Zielsetzung der Veranstaltung ist es, diese so genannten harten und weichen Faktoren des Projekt‑ und Change‑ Managements mit einander in Verbindung zu bringen. Die gelernten Inhalte werden anhand von Fallstudien verankert. 

Daten sind das neue Öl! Künstliche Intelligenz ist der Produktionsfaktor der Zukunft! Diese und ähnliche Aussagen sind heute allgegenwärtig und sollen das grosse wirtschaftliche Potenzial von Big Data, Business Analytics, Data Science und künstlicher Intelligenz veranschaulichen. Als Konsequenz investieren mehr und mehr Unternehmen in die systematische Entwicklung von Datenprodukten - Lösungen und Tools, die es Unternehmen erlauben, ihre Geschäftsprozesse zu automatisieren, ihre Entscheidungen zu verbessern oder neue Geschäftsmodelle zu entwickeln. Für viele Unternehmen ist es jedoch eine grosse Herausforderung, tragfähige Datenprodukte zu entwickeln und zu validieren. Gleichzeitig werden Fachkräfte gesucht, die hierfür die notwendigen Kompetenzen mitbringen. In dem Forschungs‑Praxis‑Venture sollen Studierende in Zusammenarbeit mit Praxispartnern auf Basis einer realen Problemstellung einen Use Case für ein Datenprodukt entwickeln sowie diesen prototypisch umsetzen und validieren. Dabei erlernen Sie einen systematischen Ansatz, der Verfahren aus dem Technologie‑ und Innovationsmanagement (z.B. aus Lead User‑Forschung), aus der Geschäftsmodell‑Entwicklung (z.B. Lean Start‑Up‑Ansatz) sowie aus dem User‑Centered‑Design (z.B. Entwicklung von Use Cases und Personas) kombiniert. Der Schwerpunk der im FS 2022 zu bearbeitenden Themen wird sich voraussichtlich um Voice- and Chatbots drehen.

Im Zeitalter schnelldrehender Technologiezyklen und kontinuierlich steigender Markttransparenz kommt der Nutzerzentrierung bei der Gestaltung neuer digitaler Produkte eine zentrale Rolle zu. Der Kurs soll den Studierenden helfen solche nutzerzentrierte Gestaltungs‑Skills zu entwickeln, damit sie Technologien gestalten können, die dem User Freude anstatt Frustration bringen. Studierende werden dabei selbst ein HCI‑Projekt durchführen.   Der Kurs ist wie folgt aufgebaut:   Einführung: Dieser Teil gibt einen Überblick über die verschiedenen Kursbestandteile, in welchem die Studierenden auch erstmals ihre Projekte kennenlernen werden.   Visuelle und informative Gestaltungsprinizipien: In diesem Teil werden wir uns konkrete Fragen der Interaktionsgestaltung ansehen, um den Studierenden zu helfen, interaktive Prototypen zu konkretisieren. Dieser Teil präsentiert Theorien und Prinzipien für eine gute Interaktionsgestaltung. Ausserdem konzentriert er sich auf die einzelnen Bestandteile von Benutzeroberflächen: Maßstab, Kontrast, Muster, Form, Farbe, Typografie und Layout. Dies soll den Studierenden neue Erkenntnisse bringen wie subtile Veränderungen in diesen visuellen Variablen die Erfahrung der Menschen stark beeinflussen können.   Needfinding: Dieser Teil deckt ein wirklich wichtiges Thema ab: Woher bekommt man gute Gestaltungsideen? Ideen, die helfen, aussagekräftige Designs zu erstellen, die einen echten Einfluss auf das Leben echter Menschen haben. Natürlich kommen gute Ideen von vielen Orten. Es gibt ein paar Strategien, welche in diesem Teil behandelt werden. Angesichts des Fokus auf «reale» Menschen konzentrieren wir uns darauf, mit diesen Menschen zu sprechen und sie zu beobachten. Die Kombination von Beobachtung und Befragung bietet eine leistungsstarke Grundlage für die Bedarfsfindung und das Brainstorming ‑ was also passiert, nachdem Sie viele Dinge beobachtet haben ‑ wie verbinden Sie die hohen Anforderungen mit konkreten Gestaltungsideen? Das und vieles mehr wird in diesem Teil behandelt.   Rapid Prototyping: Dieser Teil behandelt das Storyboarding und verschiedene Strategien und Medien für Rapid Prototyping, darunter Papier und Wizard‑of‑Oz Prototyping. Ein wichtiger Teil der Kreativität eines Designers ist es, darüber nachzudenken, wie man schnell einen Prototyp erstellen und Feedback zu den Ideen erhalten kann. Denn es ist fast nie der Fall, dass die erste Idee, die man hat, die beste sein wird. Als Gestalter kann man am meisten lernen, wenn man mehrere Prototypen erstellt und daraus lernt.  Prototyping ist auch ein guter Weg, um eine gemeinsame Basis zwischen dem Designteam und anderen Beteiligten zu schaffen. Wir schauen uns Storyboards, Paper Prototyping und Mockups an. Die Studenten fragen oft nach dem Zusammenhang zwischen Bedarfsermittlung und Prototyping: Wie eng fließt das eine in das andere? Letztendlich ist die Qualität des endgültigen Designs das eigentliche Maß und es gibt viele Möglichkeiten, dorthin zu gelangen.   Evaluation: Nachdem die Studierenden ihren eigenen Prototypen erstellt haben, müssen sie natürlich herausfinden, ob es qualitativ gut ist. Die beste Art der Evaluation ist den Prototypen vor echten Nutzern zu präsentieren, um zu sehen, wie gut es tatsächlich funktioniert. Damit man das tun kann, geht es im letzten Teil um die Gestaltung, Durchführung und Analyse von Evaluationen. Die Ideen mit Menschen zu testen und dann zu verbessern macht oft den Unterschied zwischen einem Flop und einem Hit. Durch wiederholte Iterationen und Tests erhalten Sie ein wunderbar ausgefeiltes Interaktionsdesign. 

In jeder Minute eines Tages werden im Internet mehr als 400'000 Stunden Netflix-Content gestreamt, 4,5 Millionen Suchanfragen bei Google gestellt und mehr als 200 Millionen Emails versendet. Parallel erlauben die zunehmende Digitalisierung und die damit einhergehende Verbreitung von immer kostengünstigeren Sensoren und immer leistungsfähigerer Hardware, das Entstehen von neuen Datenquellen, die systematisch in unterschiedlichste, betriebliche Wertschöpfungsprozesse eingebunden werden können. Vor diesem Hintergrund erlauben Big Data und Data Science die systematische Nutzung dieser Daten, um bessere Entscheidungen zu treffen und "smarte" Produkte und Dienstleistungen zu entwickeln. Diese sind bereits heute allgegenwertig und werden in Zukunft eine immer grössere Rolle in unseren Privat- und Arbeitsleben spielen. So galten beispielsweise selbstfahrende Autos vor 10 Jahren noch als technische Utopie; heute wartet man auf die flächendeckende Markteinführung. Big Data, Data Science und künstliche Intelligenz gelten als Produktionsfaktor der Zukunft, während es gleichzeitig an Fachleuten fehlt, die Unternehmen helfen können diese Potenziale nutzbar zu machen. Übergeordnetes Ziel des Kurses ist es, Studierende mit den Grundlagen von Big Data und Data Science vertraut zu machen und Sie in die Lage zu versetzen, diese Ansätze auf betriebswirtschaftliche Probleme anzuwenden. Studierende verstehen die Potenziale und Herausforderungen von Big Data und Data Science und angrenzenden Feldern wie Machine Learning und künstlicher Intelligenz. Im Kurs wird ein Überblick über die wesentlichen Konzepte, Technologien und Werkzeuge vermittelt und ausgewählte Analyseverfahren und ‑werkzeuge im Detail vorgestellt. Diese werden von Studierenden auf reale Fallbeispiele von führenden Online‑Unternehmen, wie z.B. Facebook, Linkedin, Netflix, Orange, Zalando oder AirBnb angewendet, so dass diese im Anschluss selbstständig eingesetzt werden können. Diese Fallbeispiele umfassen dabei u.a. die Vorhersage von Weinqualität, die Vorhersage von zukünftigen Kundenverhalten, das Erstellen von Kaufempfehlungen oder die automatisierte Identifikation von Fake News. Im Rahmen des Kurses werden die technischen Grundlagen vermittelt sowie der Umgang mit zentralen "Analytics‑Tools" eingeübt (z.B. R bzw. Python und Tableau). Studierende lernen dabei den Umgang mit grossen unstrukturierten Datenmengen. Wertversprechen des Kurses Nach Besuch des Kurses sind Studierende in der Lage betriebswirtschaftliche Problemstellungen mittels datenanalytischen Methoden und Prinzipien zu lösen. Dafür fusst der Kurs auf drei zentralen Säulen: Einführung in zentrale Konzepte und Methoden aus den Feldern Big Data, Data Science, Machine Learning und Künstliche Intelligenz; Das Lösen echter betriebswirtschaftlicher Probleme mit realen Datensätzen; Implementierung lauffähiger Prototypen mittels State‑of‑the‑Art‑Tools.

Der Doktorandenkurs vertieft ausgewählte, aktuelle Schwerpunkte der Wirtschaftsinformatik-Forschung bzw. des eigenen Dissertationsvorhabens. Ziel der Veranstaltung ist es, dass die Doktorierenden ein Dokument erarbeiten und diskutieren, welches direkten Bezug zur Dissertation hat und dem Lebenszyklus ihres Doktorats entspricht. Eine entsprechende Übersicht über zu wählende Formate gibt es in einem Kick-off-Termin (siehe Veranstaltungs-Zusatzinformationen). Eine Einteilung in die einzelnen Formate erfolgt im Anschluss. 

Der Doktorandenkurs vertieft ausgewählte, aktuelle Schwerpunkte der Wirtschaftsinformatik-Forschung bzw. des eigenen Dissertationsvorhabens. Ziel der Veranstaltung ist es, dass die Doktorierenden ein Dokument erarbeiten und diskutieren, welches direkten Bezug zur Dissertation hat und dem Lebenszyklus ihres Doktorats entspricht. Eine entsprechende Übersicht über zu wählende Formate gibt es in einem Kick-off-Termin (siehe Veranstaltungs-Zusatzinformationen). Eine Einteilung in die einzelnen Formate erfolgt im Anschluss. 

This course introduces the methodology of Design Science Research on Ph.D. level. It is designed for Doctoral Students in Business Innovation. While design science research (DSR) is widely applied in information systems (IS) research and a large amount of DSR methodology has been developed in the IS field, the paradigm as such is applied also in other Business Innovation disciplines - implicitly or explicitly. Enabled by independent literature studies and supported by lecturer input and feedback, students will prepare, present and discuss a (group) design research project of their own choice. The project should be chosen in the context of the dissertation projects of the participating students. Thereby, attending this course should provide direct benefits for dissertation projects. Lecturers encourage students to develop their literature studies and design project group projects into publications and/or prototypes. A number of design projects from past courses has directly led to peer-reviewed publications and prototype presentations.