Business Intelligence & Analytics [EESYS-BIA-M]

Dozent/in:

Mariya Sodenkamp

Angaben:

Vorlesung, 2 SWS, ECTS: 6

Termine:

Di, 10:00 - 12:00, WE5/02.020

Inhalt:

Dieses Modul bietet einen Einblick in die wichtigsten Bereiche der computerbasierten Entscheidungsunterstützung auf Basis von Datenanalysen, Operation Research und Simulationen.
Das Ziel des Kurses ist es, die Studierenden mit fundamentalen Konzepten und Methoden der modernen Entscheidungstheorie und -praxis vertraut zu machen. Die Modulschwerpunkte liegen auf prädiktiven und präskriptiven Analysen, welche Unternehmen zu einer besseren Einsicht in Prozesse und Entscheidungen verhelfen.

Business Intelligence & Analytics [EESYS-BIA-M]

Dozent/in:

Ilya Kozlovskiy

Angaben:

Übung, 2 SWS

Termine:

Fr, 10:00 - 12:00, WE5/02.020

Inhalt:

Die Übung dient zur Vertiefung des in der Vorlesung behandelten Stoffs.

Energieeffiziente Systeme II [EESYS-ES2-M]

Dozent/in:

Thorsten Staake

Angaben:

Vorlesung, 2 SWS, ECTS: 6

Termine:

Mi, 12:00 - 14:00, WE5/02.006
ACHTUNG: Die erste Vorlesung am 8. Oktober von 12.00 Uhr bis 14.00 Uhr wird um 45 Minuten nach hinten verlegt..

Voraussetzungen / Organisatorisches:

Grundlagen in Statistik. In den ersten zwei Übungen findet eine Wiederholung der für diese Veranstaltung relevanten Inhalte aus „Energieeffiziente Systeme I“ statt, die es auch Studierenden ermöglicht, ohne themenspezifische Vorkenntnisse teilzunehmen.

Inhalt:

Die Lehrveranstaltung ist in zwei Teile untergliedert. Teil 1 fasst Ansätze zur Erhebung von Verbrauchsdaten mittels Smart Metering für Strom, Wasser und Gas zusammen und wiederholt die für das Modul erforderlichen Grundlagen aus der deskriptiven Statistik. Teil 2 vertieft Verfahren zur statistischen Analyse von Zeitreihendaten. Hier werden insbesondere Methoden zur Ausreißererkennung, Clusteranalyse, Klassifikation, Assoziationsanalyse und Regressionsanalyse vorgestellt. Sowohl Teil 1 als auch Teil 2 nutzen reale Daten sowie aktuelle Beispiele aus der Unternehmenspraxis zur Verdeutlichung der Konzepte.

Energieeffiziente Systeme II [EESYS-ES2-M]

Dozent/in:

Mariya Sodenkamp

Angaben:

Übung, 2 SWS

Termine:

Fr, 12:00 - 14:00, WE5/04.004

Inhalt:

Anwendungen und Vertiefungen zu den Inhalten der Vorlesung. Es sind kleinere Aufgaben mit Hilfe der Statistik-Software R zu lösen. Hierzu findet zuvor eine Einführung in R statt.

Forschungsfragen der Energieinformatik (EESYS-SEM-FEI-B/M)

Dozent/in:

Thorsten Staake

Angaben:

Seminar, 2 SWS, ECTS: 3

Termine:

Di, 12:00 - 14:00, WE5/02.020

Inhalt:

Rahmenthema: Business Models for Smart Energy Systems Inhalt: Eigenständige Erarbeitung und Präsentation eines Forschungsthemas aus dem Fachgebiet Energieeffiziente Systeme mit wissenschaftlichen Methoden. Es sind auch Seminarthemen verfügbar, die sich auch für Studierende im Master eignen.

Grundlagen der Energieinformatik [EESYS-GEI-B]

Dozent/in:

Thorsten Staake

Angaben:

Vorlesung, 2 SWS, ECTS: 6

Termine:

Di, 10:00 - 12:00, WE5/04.004

Inhalt:

Die Veranstaltung vermittelt die technischen und wirtschaftlichen Grundlagen der Energieinformatik. Kursteilnehmende erhalten einen Überblick über wichtige Fakten zur Bereitstellung und Nutzung von Energie, die Chancen und Herausforderungen bei der Einbindung erneuerbarer Energieträger sowie die Einsatzmöglichkeiten der Informations- und Kommunikationstechnologie zur Erreichung von Effizienz- und Emissionszielen. Anwendungsgebiete umfassen die Bereiche Automatisierung, Verhaltensbeeinflussung und Markt-Design.

Grundlagen der Energieinformatik [EESYS-GEI-B]

Dozent/in:

Anna Kupfer

Angaben:

Übung, 2 SWS

Termine:

Mi, 16:00 - 18:00, WE5/04.004

Inhalt:

Anwendungen und Vertiefungen zu den Inhalten der Vorlesung.

Master- und Doktorandenseminar

Dozent/in:

Thorsten Staake

Angaben:

Seminar, 2 SWS

Termine:

Do, 8:00 - 10:00, Raum n.V.
Lehrstuhllabor

Projekt Smart Grid Data Analytics [EESYS-P-SGDA]

Dozent/in:

Mariya Sodenkamp

Angaben:

Projekt, 2 SWS, ECTS: 6

Termine:

Di, 14:00 - 16:00, WE5/02.020

Inhalt:

Die Studierenden erlernen und erproben Verfahren, mit denen sich aus energierelevanten Verhaltensdaten (Stromverbrauch, Wasserverbrauch, Fahrzeugnutzung, Konsumverhalten etc.) grundlegende Informationen für wirkungsvolle Energiedienstleistungen ableiten lassen. Hierfür kommen Clustering-/Klassifizierungstechniken bzw. ausgewählte Ansätze des Machine Learnings zum Einsatz.

Projekt Smart Grid Data Analytics [EESYS-P-SGDA]

Dozent/in:

Ilya Kozlovskiy

Angaben:

Projekt, 2 SWS

Termine:

Di, 16:00 - 18:00, WE5/02.020

Inhalt:

Die Studierenden erlernen und erproben Verfahren, mit denen sich aus energierelevanten Verhaltensdaten (Stromverbrauch, Wasserverbrauch, Fahrzeugnutzung, Konsumverhalten etc.) grundlegende Informationen für wirkungsvolle Energiedienstleistungen ableiten lassen. Hierfür kommen Clustering-/Klassifizierungstechniken bzw. ausgewählte Ansätze des Machine Learnings zum Einsatz.