Data Science (B.Sc.)

Überblick

Data Science lässt sich studieren, ohne je zuvor programmiert zu haben – dieser Bachelor beginnt bei null und führt bis zum produktiv einsetzbaren Modell. Er ist die grundständige, sechssemestrige Route in ein Feld, das sonst meist einen ersten Abschluss voraussetzt: Du steigst ohne Vorstudium ein und baust dir das komplette Fundament selbst auf. Von der ersten Zeile Python über lineare Algebra, Analysis und Statistik gehst du Schritt für Schritt weiter zu Machine Learning – supervised wie unsupervised –, neuronalen Netzen und Deep Learning. Datenbanken, ein Data-Mart-Projekt in SQL, Big-Data-Technologien und Cloud Computing sichern die technische Seite ab; in Projekten zu Business Intelligence, NLP und dem Weg vom Modell in den Produktivbetrieb wendest du alles an echten Aufgaben an. Drei große Wahlpflichtbereiche (je 10 ECTS) lassen dir bei der Vertiefung freie Wahl.

Inhalte

• Einführung in Data Science
• Einführung in die Programmierung mit Python
• Mathematik: Lineare Algebra
• Einführung in das wissenschaftliche Arbeiten für IT und Technik
• Projekt: Objektorientierte und funktionale Programmierung mit Python
• Mathematik: Analysis
• Statistik: Wahrscheinlichkeit und deskriptive Statistik
• Datenmodellierung und Datenbanksysteme
• Einführung in Datenschutz und IT-Sicherheit
• Projekt: Data Mart in SQL erstellen
• Schließende Statistik
• Machine Learning: Supervised Learning
• Machine Learning: Unsupervised Learning und Feature Engineering
• Neuronale Netze und Deep Learning
• Projekt: Business Intelligence
• Big-Data-Technologien
• Cloud Computing
• Explorative Datenanalyse und Visualisierung
• Seminar: Ethische Fragen der Data Science
• Projekt: NLP
• Projekt: Vom Modell in den Produktivbetrieb
• Projekt: Agiles Projektmanagement
• Wahlpflichtbereiche A, B und C (je 10 ECTS): u. a. Data Engineering, Künstliche Intelligenz, generative KI, Zeitreihenanalyse, Smart Factory, autonomes Fahren, International Marketing
• Wahlpflichtbereich D: Praktikum oder Module (u. a. Business Intelligence, Data Quality und Data Wrangling, Data Science Software Engineering, Model Engineering)
• Bachelorarbeit und Kolloquium

Karriere

Zugangsvoraussetzungen

Allgemeine oder fachgebundene Hochschulreife bzw. Fachhochschulreife – oder als beruflich Qualifizierte:r ohne Abitur der Zugang über eine abgeschlossene Berufsausbildung mit einschlägiger Berufserfahrung bzw. eine Aufstiegsfortbildung (z. B. Meister:in, Fachwirt:in). Da der Studiengang vollständig auf Englisch unterrichtet wird, sind zusätzlich Englischkenntnisse auf mindestens B2-Niveau nachzuweisen. Die genauen Regelungen enthält die Einschreibungs- und Anerkennungsordnung der Hochschule.

Von der ersten Python-Zeile bis zum Modell in Produktion

Der Studiengang spannt den kompletten Bogen: Er setzt keinerlei Vorkenntnisse voraus und vermittelt Programmierung mit Python, Mathematik und Statistik von Grund auf, bevor es an Machine Learning, Deep Learning und Big Data geht. Den Abschluss der fachlichen Kette bildet das Projekt Vom Modell in den Produktivbetrieb – der Schritt, an dem viele Data-Vorhaben in der Praxis scheitern. Im Wahlpflichtbereich D (30 ECTS) entscheidest du dich früh zwischen einem integrierten Praktikum im Unternehmen und weiteren Fachmodulen wie Data Quality und Data Wrangling, Data Science Software Engineering oder Model Engineering – je nachdem, ob du Praxiserfahrung sammeln oder fachlich weiter in die Tiefe gehen willst.

Frei wählbare Vertiefungen: von generativer KI bis autonomes Fahren

In drei Wahlpflichtbereichen (A, B und C, je 10 ECTS) entscheidet sich, welches Data-Science-Profil du entwickelst. Zur Wahl stehen unter anderem Data Engineering, Künstliche Intelligenz und generative KI, Zeitreihenanalyse, Smart Factory, autonomes Fahren oder anwendungsnahe Felder wie International Marketing und Supply Chain Management. Technische Tiefe und Anwendungsdomäne kombinierst du dabei so, wie es zu deinem Berufsziel passt – vom KI-lastigen bis zum stärker wirtschaftlich orientierten Profil.

Verwandte Studiengänge

• Data Science (B.Sc.)WBH

Häufige Fragen

Brauche ich Programmier- oder Mathematik-Vorkenntnisse?

Nein. Als grundständiger Bachelor baut der Studiengang Python, lineare Algebra, Analysis und Statistik selbst von Grund auf auf – ein Vorstudium oder Coding-Erfahrung sind nicht nötig.

Das Studium ist auf Englisch – welche Voraussetzungen gelten?

Sämtliche Module, Lernmaterialien und Prüfungen sind englischsprachig; nachzuweisen sind Englischkenntnisse auf mindestens B2-Niveau. Das ist anspruchsvoller, macht dich aber für den ohnehin englisch geprägten Data-Science-Arbeitsmarkt und für internationale Arbeitgeber direkt anschlussfähig.

Bachelor Data Science oder gleich einer der Master?

Der Bachelor ist der richtige Einstieg, wenn du noch keinen Hochschulabschluss hast – er qualifiziert dich in sechs Semestern vom Einstieg bis zur Berufsreife. Die Master Angewandte Data Science (60 ECTS) und Data Science (120 ECTS) bauen dagegen auf einem ersten Studium auf; für sie ist dieser Bachelor eine mögliche Vorstufe.

Kann ich ein Praktikum in das Studium integrieren?

Ja. Der Wahlpflichtbereich D umfasst 30 ECTS, die du wahlweise mit einem Praktikum im Unternehmen samt praktischer Reflexion oder mit weiteren Fachmodulen füllst. Die Entscheidung triffst du zu Studienbeginn; eine Mischung aus Praktikum und Modulen ist allerdings nicht vorgesehen.

Ähnliche Studiengänge

• Angewandte Künstliche Intelligenz (B.Sc.)IU
• Business Intelligence (B.Sc.)IU
• AI in Business (B.Sc.)IU
• Wirtschaftsinformatik (B.Sc.)IU