Einzelansicht eines Moduls

Modul (6 Credits)

Data Science in Energie- und Umweltwirtschaft

Englischer Bezeichner
Data Science in Energy and Environmental Management
Verantwortlich
Prof. Dr. Florian Ziel
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 80 Stunden
  • Prüfungsvorbereitung: 40 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Die Studierenden

  • können mit energie- und umweltwirtschaftlichen Daten umgehen, insbesondere bzgl. räumlichen und zeitlichen Aspekte
  • wenden grundlegende Begriffe, Konzeptionen, Modelle und Theorien mit Hilfe von mathematischen und statistischen Methoden auf unterschiedliche spezifische energie- und umweltwirtschaftliche Sachverhalte an
  • analysieren und vergleichen hierbei Modelle und Methoden im Kontext des Data Science
  • kennen und verstehen die Charakteristika relevanter Energie- und Umweltökonomischer Daten, wie beispielsweise Treibhausgasemissionen, Emissions- und Energiepreise, Stromverbrauch und Produktion erneuerbarer Energien, insbesondere von Wind- und Solarenergie
  • können Probleme des Data Science für energie- und umweltwirtschaftliche Anwendungen mit moderner Software bearbeiten und lösen
Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Vom Dozierenden wird zu Beginn der Veranstaltung festgelegt, ob durch freiwillige Testate in Form von Miniprojekten, von Abgaben zu Übungsaufgaben, oder anderen Aktivitäten wie z. B. aktive Teilnahme an der Veranstaltung bereits im Vorfeld Punkte für die Klausur erworben werden können. Für die Möglichkeit der Anrechnung der Testate muss die Klausur unabhängig vom Ergebnis der Testate mindestens mit der Note 4,0 bestanden sein. Ist dies der Fall, so bildet sich die Endnote aus dem Ergebnis der mindestens bestandenen Abschlussprüfung zuzüglich der bereits über die Testate erworbenen Punkte. Die Möglichkeit der Anrechnung der Testate auf die abschließende Prüfungsleistung ist auf maximal 20% der in der abschließenden Prüfung maximal erwerbbaren Punkte beschränkt. Bestandene Testate haben nur Gültigkeit für die Prüfungen, die zu der Veranstaltung im jeweiligen Semester gehören. Es ist unabhängig von der Bearbeitung der freiwilligen Testate möglich, die volle Punktzahl für die modulbezogene Prüfung ausschließlich im Rahmen der abschließenden Klausur zu erreichen.

Verwendung in Studiengängen
  • BWL BachelorVertiefungsstudiumWahlpflichtbereichVertiefungsbereich Betriebswirtschaftslehre 4.-6. FS, Wahlpflicht
  • LA gbF/kbF BK BachelorBachelorprüfung in der kleinen beruflichen FachrichtungProduktion, Logistik, AbsatzWahlpflichtbereich Kleine berufliche Fachrichtung "Produktion, Logistik, Absatz" 4.-6. FS, Wahlpflicht
  • VWL BachelorVertiefungsstudiumWahlpflichtbereichBereich BWL, Recht, Wirtschaftsinformatik, InformatikVertiefungsbereich Betriebswirtschaftslehre 4.-6. FS, Wahlpflicht
  • EnergySc BachelorEnergiewissenschaft IV 7.-8. FS, Wahlpflicht
  • WiIng BachelorWahlpflichtbereich Wirtschaftswissenschaften, Energiewirtschaft 1.-5. FS, Wahlpflicht
  • WiMathe BachelorVWL-Energie 1.-6. FS, Wahlpflicht
  • WiMathe BachelorVWL-M I 1.-6. FS, Wahlpflicht
Bestandteile

Vorlesung (3 Credits)

Data Science in Energie- und Umweltwirtschaft

Infos für das aktuelle Semester
WS 25/26 Vorlesung Umweltökonomik und erneuerbare Energien (Vorlesung)
Englischer Bezeichner
Data Science in Energy and Environmental Management
Anbieter
Lehrstuhl für Data Science in Energy and Environment
Lehrperson
Prof. Dr. Florian Ziel
Turnus
Wintersemester
SWS
2
Sprache
deutsch
Hörerschaft

empfohlenes Vorwissen

Grundkenntnisse in Mathematik und Statistik sind sehr hilfreich. Grundkenntnisse in Energieökonomik sind hilfreich.

Abstract

In der Vorlesung werden Grundkenntnisse und der Energie- und Umweltwirtschaft gelehrt, die für die datengestützte Modellierung relevant sind. Neben der entsprechenden Theorie, werden insbesondere Klima und Energie bezogene Problemstellungen diskutiert. Weiterhin werden Data Science und statistische Modelle für Energie- und Umweltdaten, wie erneuerbare Energien im wirtschaftswissenschaftlichen Kontext behandelt. Hierbei liegt der Fokus auf der empirischen Analyse und Prognose.

Lehrinhalte

  1. Grundbegriffe der Energie- und Umweltwirtschaft im Kontext des Data Science
  2. Grundkenntnisse zu Methoden des Data Science für Energie- und Umweltdaten
  3. Charakteristika von energie- und umweltökonomischer Daten, wie beispielsweise Treibhausgasemissionen, Emissions- und Energiepreise, Stromverbrauch und Produktion von Wind und Solarenergie

Literaturangaben

Literaturhinweise werden in der Veranstaltung bekannt gegeben.

Vorlesung: Data Science in Energie- und Umweltwirtschaft (WIWI‑C1104)

Übung (3 Credits)

Data Science in Energie- und Umweltwirtschaft

Infos für das aktuelle Semester
WS 26/27 Seminar Fachseminar Data Science in Energy and Environment
Englischer Bezeichner
Data Science in Energy and Environmental Management
Anbieter
Lehrstuhl für Data Science in Energy and Environment
Lehrende
Prof. Dr. Florian Ziel,
wissenschaftliche Mitarbeiter(innen)
Turnus
Wintersemester
SWS
2
Sprache
deutsch
Hörerschaft

empfohlenes Vorwissen

siehe Vorlesung

Lehrinhalte

siehe Vorlesung

Literaturangaben

siehe Vorlesung

Übung: Data Science in Energie- und Umweltwirtschaft (WIWI‑C1105)
Modul: Data Science in Energie- und Umweltwirtschaft (WIWI‑M0797)