Einzelansicht eines Moduls

Modul (6 Credits)

Python in der Energiewirtschaft – Grundlagen

Name im Diploma Supplement
Python in the Energy Industry - Fundamentals
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 30 Stunden
  • Vorbereitung, Nachbereitung: 90 Stunden
  • Prüfungsvorbereitung: 60 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Die Studierenden

  • kennen die Grundkonzepte und Grundbefehle der Programmiersprache Python
  • verstehen grundlegende Modellkonzepte, wie die Regression und Klassifizierung
  • kennen wichtige öffentlich verfügbare Datenquellen (Open-Data) und können diese nutzen
  • können eigenständig Methoden und Modelle zur Analyse von Daten in Python unter Nutzung von KI (bspw. ChatGPT) implementieren
  • sind fähig Ergebnisse zu plausibilisieren und aufzuarbeiten (bspw. durch Visualisierung)
  • können eine aktuelle energiewirtschaftliche Fragestellung mit Hilfe der besprochenen Techniken des Data Science beantworten und adäquat aufarbeiten und präsentieren
Praxisrelevanz

Die Studierenden lernen durch praktische Anwendung eine sowohl in der Wissenschaft als auch in der Industrie weitverbreitete Programmiersprache kennen und Open-Data zu nutzen. Dieses bildet eine wichtige Grundlage für die Beantwortung unterschiedlicher technisch-ökonomischer Fragestellungen in der Energiewirtschaft. Hierbei ist das Nutzen von KI-Assistenzsystemen ausdrücklich gewünscht.

Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung, die sich auf folgende Prüfungsformen erstreckt: Seminararbeit (i. d. R. 10-15 Seiten, 70% der Note) zu einer ausgewählten Themenstellung und Präsentation (i. d. R. 15-25 Minuten, 30% der Note).

Verwendung in Studiengängen
  • BWLVertiefungsstudiumSeminarbereich4.-6. FS, Wahlpflicht
  • VWLVertiefungsstudiumWahlpflichtbereichVertiefungsbereich Zusatzseminar4.-6. FS, Wahlpflicht
Bestandteile
Name im Diploma Supplement
Python in the Energy Industry - Fundamentals
Anbieter
Lehrperson
SWS
2
Sprache
deutsch
Turnus
Wintersemester
maximale Hörerschaft
20
empfohlenes Vorwissen

Energiewirtschaftliche Grundkenntnisse und Modellierungserfahrungen werden empfohlen.

Abstract

Im Rahmen des Seminars werden ausgewählte Techniken des Data Science mit Python vorgestellt. In Kleingruppen werden energiewirtschaftliche Fragestellungen insb. durch Analysemethoden beantwortet, die jedes Semester und unter Berücksichtigung aktueller Entwicklungen und Interessen der Studierenden wechseln. Ziel ist neben der gemeinsamen Bearbeitung einer Fragestellung auch das adäquate Darstellen der Ergebnisse, sowohl im Rahmen einer Präsentation als auch in einer schriftlichen Ausarbeitung.

Lehrinhalte
  1. Einführung in Data Science und der Nutzung von Python in der Energiewirtschaft
  2. Grundlagen Python
  3. Einführung grundlegende Modellkonzepte, insb. Regression und Klassifizierung
  4. Einführung Themengebiete und Einsatz von KI mit dessen Potenzialen und Grenzen (bspw. ChatGPT, GitHub Copilot)
  5. Datenimport (Open-Data), -validierung und -aufbereitung
  6. Ergebnisdarstellung: Visualisierung und Berichtserstellung
  7. Eigenes Programmieren
Literaturangaben
  • Weber, C., Möst, D., Fichtner, W. (2022): Economics of Power Systems – Fundamentals for Sustainable Energy, doi.org/10.1007/978-3-030-97770-2
  • Deitel, Paul J./Harvey Deitel M. (2019): Intro to Python for Computer Science and Data Science: Learning to Program with AI, Big Data and The Cloud

Weitere Literaturhinweise werden ggf. zu Beginn der Veranstaltung bekannt gegeben.

didaktisches Konzept

Nach einer Einführung in Data Science sowie in Grundlagen der Modellierung mit Python, werden die weiteren Lehrinhalte interaktiv erarbeitet (wöchentlicher Impuls). Die Studierenden bearbeiten möglichst in Kleingruppen von etwa drei Personen unterschiedliche Fragestellungen aus der Energiewirtschaft. Zur Mitte des Semesters erfolgt eine gemeinsame Präsentation zum aktuellen Stand der Umsetzungen und Diskussion. Im Anschluss wird eine Seminararbeit als Gruppenarbeit (mit Darstellung der Eigenleistungen) verfasst.

Hörerschaft
Seminar: Python in der Energiewirtschaft - Grundlagen (WIWI‑C1236)
Modul: Python in der Energiewirtschaft – Grundlagen (WIWI‑M0948)