Zur Hauptnavigation / To main navigation

Zur Sekundärnavigation / To secondary navigation

Zum Inhalt dieser Seite / To the content of this page

Sekundärnavigation / Secondary navigation

Inhaltsbereich / Content

Lehrveranstaltungen

Neben den Bachelor-Veranstaltungen Wirtschaftsinformatik und Operations Research werden im Master die folgenden Veranstaltungen angeboten:

 

  • Introduction to Business Process Management: Aufbauend auf dem "Methodenbaukasten" der Computational Intelligence werden in dieser Veranstaltung innerbetriebliche Prozesse modelliert und optimiert (Koordination als Individualentscheidung).
  • Introduction to Computational Intelligence: In vielen Zuordnungs- und Reihenfolgeproblemen verbietet die mit der Problemgröße exponentiell anwachsende Zahl von Handlungsalternativen meist den Einsatz der aus dem Operations Research bekannten Optimierungsverfahren, weshalb die betriebliche Praxis wie auch die Literatur auf heuristische Verfahren ausweicht. Diese können eine Erreichung der optimalen Lösung nicht mehr sicherstellen, sind dafür aber weniger rechenintensiv. Die Veranstaltung legt hierbei den Schwerpunkt zunächst auf naturanaloge Suchverfahren (Genetische Algorithmen und Simulated Annealing) sowie Tabu Search und vergleicht deren Einsatzpotentiale für unterschiedliche Problemstellungen. Viele Entscheidungsprozesse der Praxis sind neben der großen Anzahl möglicher Lösungen auch durch Unsicherheit charakterisiert. Es wird gezeigt, wie diese Stochastik mittels Verfahren des Machine Learning (z.B. Reinforcement Learning) adressiert werden kann, insbesondere wenn für die Modellierung des Suchraums und der Bewertungsfunktionen geeignete Repräsentationen verwendet werden. Hierfür werden Künstliche Neuronale Netze vorgestellt die sich - wiederum als geeignete Analogien natürlicher Strukturen - für die effiziente computergestützte Problemlösung nutzen lassen.
  • Optimization of Logistics Systems (OLS): The course is aimed at providing an overview of the quantitative methods that can be used to support the optimal design and management of modern logistics systems. Special attention will be devoted to the demand analysis and data procurement, to the design of logistic networks and to the optimization of long distance and local transportation of freights. Illustrative examples of models and algorithms will be treated by using general purpose and special solvers.
  • Introduction to Multiagent Systems: Multiagentensysteme ermöglichen die Modellierung von interagierenden Prozessen zwischen autonom handelnden Individuen in verteilten Systemen mittels kompakter Softwarebausteine. Durch ihre Modularität eignen sie sich einerseits sehr gut zur Steuerung überbetrieblicher Prozesse, beispielsweise in der Logistik oder im Supply-Chain-Management, andererseits bieten sie sich auch zur Mikrosimulation von sozio-technischen und ökonomischen Prozessen an. Die Veranstaltung bietet zum einen eine Einführung in die technischen Grundlagen von MAS, wie z.B. Ontologien und FIPA Systemarchitektur, zum anderen werden Aspekte der Modellbildung und -umsetzung erörtert. Hier spielt besonders die ökonomisch und spieltheoretisch orientierte Anreizgestaltung (mechanism design) und damit verbundene Aspekte wie Vertrauen und Reputation eine herausragende Rolle. Die Vorlesung widmet sich in ihrem abschließenden Teil dem praktischen Einsatz der vorgestellten MAS Technologie in Logistik, Supply-Chain und IT-Ressourcen-Management.
  • Betriebliche Standardsoftware im Prozessmanagement: In der Veranstaltung wird die Implementierung betrieblicher Prozesse in Standardsoftware anhand von Fallstudien untersucht. Dabei dienen die in der Vorlesung "Management Betrieblicher Prozesse" erläuterten Modelle und Optimierungsansätze als Ausgangspunkt.

  • Multivariate and Nonlinear Models: Analysis and Learning of (non)linear Relations from Data.
    Multivariate Linear Models:

    • Data Analysis and Graphical Presentation
    • Models for multivariate data analysis
    • Factor Analysis, Linear Regression, MDS, MANOVA

    Multivariate Nonlinear Models:

    • Data Analysis and Graphical Presentation
    • Artificial Neural Networks
    • Kernel-based Estimators and Support Vector Machines

    The lecture provides an overview of problems and state-of-the-art techniques of generalizing models from (small or large) data sets with known or unknown hypotheses regarding the underlying functional dependencies. Data sets from various application domains are analyzed and appropriate software tools introduced. 


Kombinationsmöglichkeiten

 

* Im Master darf das im Bachelor gewählte Modul nicht nochmals belegt werden.