Digital Tools & Data Skills
Niveau
Einführung & Vertiefung
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• erläutern grundlegende digitale Konzepte, Datenstrukturen und Schnittstellen im Energie- und Nachhaltigkeitsmanagement..
• nutzen gängige Software-Tools zur strukturierten Datenerfassung und -verwaltung.
• wenden einfache Skripte an, um Daten zu analysieren, zu filtern und grafisch darzustellen.
• analysieren Datensätze auf Muster, Zusammenhänge und Fehlerquellen.
• reflektieren den Nutzen, die Grenzen und die ethischen Aspekte digitaler Datenverarbeitung im Energie- und Nachhaltigkeitsmanagement.
• erläutern grundlegende digitale Konzepte, Datenstrukturen und Schnittstellen im Energie- und Nachhaltigkeitsmanagement..
• nutzen gängige Software-Tools zur strukturierten Datenerfassung und -verwaltung.
• wenden einfache Skripte an, um Daten zu analysieren, zu filtern und grafisch darzustellen.
• analysieren Datensätze auf Muster, Zusammenhänge und Fehlerquellen.
• reflektieren den Nutzen, die Grenzen und die ethischen Aspekte digitaler Datenverarbeitung im Energie- und Nachhaltigkeitsmanagement.
Voraussetzungen der Lehrveranstaltung
Scientific & Empirical Methods
Lehrinhalte
- Einführung in digitale Tools und Datenmanagement
- Einführung in Programmieren und Datenbanken
- Datenqualität, Fehlererkennung und -bereinigung
- Cloud- und Kollaborationstools für Datenprojekte
- Datenschutz, Datensicherheit und ethische Aspekte der Datenverarbeitung
- Einführung in Programmieren und Datenbanken
- Datenqualität, Fehlererkennung und -bereinigung
- Cloud- und Kollaborationstools für Datenprojekte
- Datenschutz, Datensicherheit und ethische Aspekte der Datenverarbeitung
Empfohlene Fachliteratur
- Amos, D., Bader, D., Jablonski, J., & Heisler, F. (2021). Python basics: A practical introduction to Python 3 (Revised and updated 4th edition). Real Python.
- Matthes, E. (2023). Python crash course: A hands-on, project-based introduction to programming (3rd edition). No Starch Press.
- Runkler, T. A. (2025a). Data Analytics: Models and Algorithms for Intelligent Data Analysis - A Comprehensive Introduction (4th ed. 2025). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-45951-2
- Runkler, T. A. (2025b). Data Analytics: Models and Algorithms for Intelligent Data Analysis - A Comprehensive Introduction (4th ed. 2025). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-45951-2
- Matthes, E. (2023). Python crash course: A hands-on, project-based introduction to programming (3rd edition). No Starch Press.
- Runkler, T. A. (2025a). Data Analytics: Models and Algorithms for Intelligent Data Analysis - A Comprehensive Introduction (4th ed. 2025). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-45951-2
- Runkler, T. A. (2025b). Data Analytics: Models and Algorithms for Intelligent Data Analysis - A Comprehensive Introduction (4th ed. 2025). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-45951-2
Bewertungsmethoden und -Kriterien
Portfolioprüfung
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
3
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vorträge, Diskussionen, Fallstudien, Gruppenarbeit
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
2