Data Analytics (Master)

Beim Master Data Analytics handelt es sich um einen Studiengang im Bereich der angewandten Mathematik, der sich speziell mit der Aufbereitung, Analyse und Interpretation von Daten beschäftigt. Die Vermittlung der dazu benötigen Vorgehensweisen, Methoden und Tool-Kits stellen einen zentralen Bestandteil des Curriculums dar. Gegenüber einem auf Data Science ausgerichteten Informatikstudium ist er weniger technisch-algorithmisch und dafür mehr mathematisch-statistisch orientiert. Gegenüber einem Mathematikstudium ist der Studiengang deutlich fokussierter auf den Bereich Data Science und sticht durch seine ausgeprägte Anwendungsorientierung hervor.

Wer diesen Studiengang studiert

bringt zum Beispiel mit

• ausgeprägtes analytisches Denkvermögen
• gute Abstraktionsfähigkeit
• Ausdauer und Konzentrationsvermögen
• solide mathematische Kenntnisse auf Bachelor-Niveau
• Teamgeist, Kommunikationsfähigkeit und gute englische Sprachkenntnisse

hat zum Beispiel Freude am

• Nachdenken, Hinterfragen, Knobeln, Schlussfolgern, Interpretieren
• Lösen von kniffligen, praxisorientierten Aufgabenstellungen
• Einsatz mathematischer Methoden sowie Entwickeln und Implementieren von Modellen
• Vermitteln von Erkenntnissen auch an Nicht-Expert:innen

interessiert sich zum Beispiel für

• die Bearbeitung von praxisrelevanten Fragestellungen im Zusammenhang mit der Erhebung, Auswertung, Analyse und Interpretation von Daten, wie sie in Wirtschaft, Sozialwissenschaften, Medizin, Natur und Technik auftreten
• die Hintergründe der zur Analyse verwendeten Methoden, Verfahrensweisen und Modelle
• die Anwendung und Anpassung von State-of-the-Art-Modellen des Machine Learnings

Die zunehmende Verfügbarkeit von Daten zusammen mit der wachsenden Computing-Power generiert einen nachhaltig hohen Bedarf an Experts im Bereich Data Analytics. Unternehmen, in denen die vorliegenden und die potentiell interessierenden Daten adäquat erhoben und mit Methoden der Statistik und des Machine Learnings analysiert werden, verfügen im Vergleich zu Konkurrenten, die dies nicht vornehmen, über einen Wettbewerbsvorteil. Vor diesem Hintergrund ergibt sich auf der Seite von kleinen und mittelständischen Firmen, in denen der Einsatz von Data Science Methoden vielfach erst am Anfang steht, eine ausgeprägte Nachfrage nach Data Science Specialists. Großunternehmen, die teilweise über eigene Data Science Abteilungen verfügen, bieten regelmäßig interessante berufliche Perspektiven für Graduierte des Studiengangs. Der geschilderte Bedarf betrifft praktisch alle Wirtschaftszweige, angefangen von Produktionsunternehmen, über Handelsketten bis hin zu Telekommunikationsfirmen, Pharmafirmen, Versicherungen, Banken und Unternehmensberatungen.

In der Forschung im Bereich Statistik und Machine Learning – an Universitäten, Forschungsinstituten aber auch in internationalen Großunternehmen – bieten sich ebenfalls interessante Einsatzmöglichkeiten für Data Analytics Experts, wobei sich an das Masterstudium idealerweise noch eine einschlägige Promotion anschließt, auf die der Master Data Analytics ebenfalls vorbereitet.

Aus der Vielzahl und dem großen Spektrum von möglichen Einsatzfeldern nach Abschluss des Masterstudiums sind im Folgenden einige beispielhaft aufgeführt:

• Produktionsunternehmen: Zuverlässigkeitsanalysen, Analyse technischer Risiken, Qualitätsmanagement, Predictive Analysis und Just-in-time Produktion
• Speziell Automobilbranche: Autonomes Fahren, Fahrzeugabsicherung, Connected Services, Sprachdialogsysteme
• Handelsunternehmen / E-Commerce: Marktforschung, Kundenbindung, Planung von Werbekampagnen, Marketing, Prognosen
• Energie- und Umweltbranche: Intelligentes Lastenmanagement, Adaptive Strombepreisung, Steuerung Windkraftanlagen, Analysen zu Umwelt- und Klimaveränderungen
• Medizin: KI-basierte bildanalytische Diagnostik, statistische Analysen im Rahmen klinischer Studien, Optimierung von Patientenflüssen in Krankenhäusern
• Finanzsektor: Anwendung von Machine-Learning-Techniken in Online Lending Platformen und Credit Scoring Modellen, Risikomanagement/-controlling in Banken und Versicherungen
• Data Analytics Abteilungen in Unternehmen: Architektur und Setup von Daten- und Modellpipelines für Entwicklung, Test- und Produktivbetrieb; Entwicklung, Optimierung und Deployment von Machine Learning-Modellen sowie Evaluierung neuer Technologien, Frameworks und Trends
• Forschungsabteilungen in Wirtschaftsunternehmen und im akademischen Bereich auf dem Gebiet Data Science und KI

Passend zu den aufgeführten beruflichen Perspektiven mit exemplarischen beruflichen Einsatzfeldern ergeben sich beispielsweise folgende Rollen für einen Berufseinstieg nach dem Studium:

• Senior Data Scientist: Bearbeitung von Data Science Projekten und Problemen, die mit Standardmethoden und Frameworks nicht einfach lösbar sind
• Research & Development Expert im Bereich Data Analytics: Weiterentwicklung von Machine Learning Modellen und Methoden in der akademischen oder innerbetrieblichen Forschung
• Machine Learning Engineer: Architektonische Bearbeitung von Data Science Pipeline Projekten
• Modeling and Simulation Expert: Besondere Kompetenz bei Problemen, für die eine Verbindung von datengetriebenen Modellen des maschinellen Lernens mit klassischen erklärenden Modellen benötigt wird
• Statistik-Guru in verschiedenen Anwendungsbereichen: Breite theoretische und praktische Methodenkompetenz in der traditionellen Statistik
• Data Scientist im Bereich Finance: Neben Data Science Know-how auch Domänenwissen im Finance-Bereich und den dort verwendeten speziellen Modellierungsverfahren

Der Studiengang ist sowohl in Vollzeit (3 Semester) als auch in Teilzeit (6 Semester) studierbar und kann sowohl zum Wintersemester als auch zum Sommersemester begonnen werden. Die Module sind unabhängig voneinander belegbar, wobei insbesondere im Teilzeitstudium die Pflichtmodule bevorzugt gegen Anfang des Studiums belegt werden sollten. Die Masterarbeit steht generell am Ende des Studiums mit einer Bearbeitungszeit von 6 Monaten bei einem Vollzeit- und 12 Monaten bei einem Teilzeitstudium.

Studien- und Prüfungsordnung

Der Masterstudiengang Data Analytics befähigt Sie zur selbständigen Entwicklung und Anwendung von komplexen Modellen und Verfahren aus den Bereichen Statistik, Data Science und Machine Learning zur Lösung von praxisrelevanten Problemstellungen in Wirtschaft, Natur und Technik. Insbesondere erwerben Sie die Kompetenz, verschiedenste Anwendungsprobleme im Umgang mit vielfältigen Daten aus Praxis und Forschung zu analysieren, bedarfsorientiert aufzubereiten und mit Hilfe von geeigneten Modellen, Systemen und computergestützten Verfahren nach dem Stand von Technik und Wissenschaft zu lösen. Darüber werden Sie in die Lage versetzt werden, für die Praxis wichtige wissenschaftliche Methoden zu entwickeln und neueste Forschungsergebnisse effektiv umzusetzen.

Der Masterstudiengang fördert die für die berufliche Praxis wichtige Fähigkeit zur Kommunikation und Teamarbeit und bereitet auf anspruchsvolle Tätigkeiten in einem internationalen Arbeitsumfeld vor.

Grundlegende Informationen zur Bewerbung

Die Zulassungsvoraussetzungen für den Master Data Analytics sind (die genauen Regelungen finden sich in der Studien- und Prüfungsordnung):

• ein abgeschlossenes, mindestens sechs theoretische Studiensemester und mindestens 180 Leistungspunkte umfassendes, mathematisch orientiertes Studium an einer deutschen Hochschule oder ein gleichwertiger Abschluss
• mit einem Prüfungsgesamtergebnis von 2,5 oder besser und
• mindestens 30 Leistungspunkten in mathematisch orientierten Modulen einschließlich der Bachelorarbeit

Unter obigen Voraussetzungen erfolgt eine direkte Zulassung bei einem Prüfungsgesamtergebnis von 2,0 oder besser und mindestens 45 Leistungspunkten in mathematisch orientierten Modulen. Andernfalls entscheidet unter obigen Voraussetzungen eine Eignungsprüfung über die Zulassung.

Weitere Informationen zur Immatrikulation erhalten zugelassene Studierende mit ihrem Zulassungsbescheid.

Webseite der Fakultät