Data Analytics
Niveau
Vertiefung
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• identifizieren und strukturieren relevante Datenquellen in Immobilien-Systemen
• analysieren Immobilien-Daten mit geeigneten Tools
• entwickeln datenbasierte Entscheidungsmodell und bewerten deren Aussagekraft kritisch.
• reflektieren ethische und datenschutzrechtliche Aspekte im Umgang mit Betriebs- und Nutzungsdaten und entwickeln Vorschläge für eine verantwortungsvolle Datenstrategie
• identifizieren und strukturieren relevante Datenquellen in Immobilien-Systemen
• analysieren Immobilien-Daten mit geeigneten Tools
• entwickeln datenbasierte Entscheidungsmodell und bewerten deren Aussagekraft kritisch.
• reflektieren ethische und datenschutzrechtliche Aspekte im Umgang mit Betriebs- und Nutzungsdaten und entwickeln Vorschläge für eine verantwortungsvolle Datenstrategie
Voraussetzungen der Lehrveranstaltung
Digital Tools & Data Skills, Building Technology - Electrical & Safety Systems,
Lehrinhalte
- Grundlagen des Data Analytics im Immobilien- und Facility Management
- Datenarten und -quellen
- Datenaufbereitung, -modellierung und Visualisierung
- Kennzahlen, KPIs und Dashboards für FM- und CREM-Prozesse
- Datenschutz, Datensicherheit und ethische Aspekte in der Datenanalyse
- Datenarten und -quellen
- Datenaufbereitung, -modellierung und Visualisierung
- Kennzahlen, KPIs und Dashboards für FM- und CREM-Prozesse
- Datenschutz, Datensicherheit und ethische Aspekte in der Datenanalyse
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
5
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vorlesungen, Diskussionen, Übungen, Fallstudien, Gruppenarbeit
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
5