Lehre

Die Professoren und Lehrbeauftragten vom Institut für Data Science bieten in der Lehre primär Lehrveranstaltungen im interdisziplinären und internationalen Masterstudiengang Data Science an. Dabei wird großen Wert auf eine praxisorientierte Ausbildung gelegt. Im Rahmen des Curriculums werden mit den Studierenden praktische Anwendungsprojekte und Masterarbeiten mit Kooperationspartnern aus der Wirtschaft, Wissenschaft und Gesellschaft durchgeführt. Ein externer Beirat liefert wertvolle Informationen aus der Praxis zur Weiterentwicklung der Lehre.

*** Text ***

Im interdisziplinären Master-Studiengangs Data Science lernen Studierende, wie sie maschinelles Lernen und künstliche neuronale Netze für akkurate Prognosen einsetzen können. Darüber hinaus entwickeln sie aber auch ein Gesamtverständnis, wie die Themen Datenhaltung, -aufbereitung, -analyse und -visualisierungen in Data Science Projekten gewinnbringend eingesetzt werden können.

• Potenziale erkennen: Welche Probleme lassen sich lösen? Welche neuen Produkte können entstehen?
• Mehrwerte erzeugen: Welche Daten sind wertvoll? Welche KI-Algorithmen erzielen die besten Prognosen? Wie können Data Science Prozesse in der Cloud umgesetzt werden?
• Datenethik und Datenschutz mitdenken: Wie schütze ich als Unternehmen sensible Daten? Wie kann KI fair und erklärbar gestaltet werden?

Die Studierenden erlernen die Inhalte anhand realer Anwendungsfälle und können ihre Kenntnisse mithilfe der relevanten Technologien und Programmiersprachen anwenden. So sind sie bestens darauf vorbereitet, als Data Scientists in den unterschiedlichsten Branchen die Zukunft zu gestalten.​​​​​​

• Praxisnähe: Die Studierenden lernen nicht nur die Theorie, sondern wenden Data Science selbst an. Im Rahmen eines Praxisprojektes und der Masterarbeit lösen Studierende reale Herausforderungen von Unternehmen unterschiedlicher Branchen in Norddeutschland.
• Zusammenhangswissen: Data Science ist mehr als künstliche Intelligenz. Die Studierenden erlangen im Studiengang ein Gesamtverständnis, wie sie auch Themen wie Datenhaltung, -Aufbereitung, -Visualisierung, und -Sicherheit ganzheitlich umsetzen können.
• Interdisziplinarität: Der Studiengang wird von allen Fachbereichen der HAW Kiel getragen. Dies spiegelt sich in einem bunten Studierendenbild (u.a. Informatiker, Ingenieure, Naturwissenschaftler, Psychologen, Wirtschaftswissenschaftler) und in Kooperationen mit Organisationen aus unterschiedlichen Branchen (u.a. Energie, Medizin, öffentliche Verwaltung, Medien, Telekommunikation).
• Vereinbar mit paralleler Berufstätigkeit: Alle Pflichtmodule finden in den Tagen Montag bis Mittwoch statt (siehe Vorlesungsplan). Dies vereinfacht eine parallele Berufstätigkeit. 71% der Studierenden des Masterstudiengangs Data Science geben an, dass sie in Teilzeit beschäftigt sind.

• Bachelorabsolventen aller Fachbereiche: Der Studiengang richtet sich bewusst an Absolvent*innen eines breiten Spektrums an Bachelor-Studiengängen, da Data Science Kompetenzen für ganz verschiedene Branchen von hoher Bedeutung sind. 
• Berufspraktiker: Egal, ob sie erst kürzlich oder schon seit vielen Jahren beruflich tätig sind. Der Master-Studiengang Data Science bietet Ihnen die Möglichkeit, sich fit zu machen für Themen wie Datenanalytik und künstliche Intelligenz.

• Der Data Science Information Hub ist der zentrale Ort für Informationen und internem Austausch für alle Studierenden und Professoren des Studiengangs Data Science. Sie erhalten dort aktuelle Informationen zu wichtigen Terminen, Jobangeboten, Masterthesen und weiteren studienrelevanten Aspekten.
• Alle regulären Vorlesungen des Master-Studiengangs Data Science finden auf dem Gelände des Ostuferhafens (Gebäude O15, 3. Stockwerk) statt.

Der erste wichtige Termin für Studierende des Masterstudienganges Data Science ist die Erstsemesterveranstaltung. Wir freuen uns, Sie an diesem Tag begrüßen zu dürfen.

Für das Wintersemester 2025/26 findet diese am Montag, den 8. September 2025 wie folgt statt:

• 10:00  Uhr                  Vorstellung des Studiengangs und der universitären Einrichtungen
• 11:45  Uhr                  Campusrundgang
• 13:30-16:00 Uhr        Precourse Programming (Optional)

Ort: Der Raum C12-3.04 befindet sich im Gebäude 12 in der Grenzstr. 3 auf dem Campus der HAW Kiel (Lageplan). 

Programmieren ist ein essentieller Bestandteil des Masterstudiums Data Science. Erfahrungsgemäß sind die entsprechenden Vorkenntnisse je nach vorherigem Studienfach oder berufspraktischer Erfahrung jedoch verschieden. Daher wird zwischen dem 5. und 9. September 2025 ein 3-tägiger Vorkurs Programmierung angeboten. Der Kurs hat zum Ziel, Grundkenntnisse in der Programmierung mit Python zu vermitteln, und so allen Studierenden des Masterstudiengangs Data Science einen erfolgreichen Studienbeginn zu ermöglichen.

Termine:
- 05.09.2025, 09.00 - 15.00 Uhr
- 08.09.2025, 13.30 - 16.00 Uhr
- 09.09.2025, 09.00 - 15.00 Uhr

Ort: Der Raum C12-3.04 befindet sich in der Grenzstr. 3 auf dem Campus der HAW Kiel (Gebäude 12). 

Praktische Hinweise:
- Bitte bringen Sie Ihren privaten Laptop mit. Sie werden Open-Source-Software installieren und alle Übungen auf Ihrem Laptop durchführen.
- Als eingeschriebener Student haben Sie WLAN-Zugang auf dem Campus. Den WLAN-Zugang können Sie initial mithilfe folgender Anleitung einrichten. 

Falls Sie in Ihrem Erststudium statt 210 LP nur 180 LP erworben haben, können Sie hier nachlesen, wie Sie die fehlenden 30 LP nachholen können. Um zu prüfen, ob Sie zum Erreichen Ihres Master-Abschlusses Auflagen zu erfüllen haben, weisen Sie bitte Ihrem Prüfungsamt zeitnah nach Ihrer Einschreibung nach, welche Leistungen Sie in Ihrem Erststudium erbracht haben. Welche Leistungen gegebenenfalls nachgeholt werden, stimmen Sie bitte mit der Studiengangleitung ab.

Der Masterstudiengang Data Science zeichnet sich durch eine enge Verzahnung von Lehre und anwendungsbezogener Forschung und Entwicklung aus. Unser Anspruch ist es, der regionalen Wirtschaft die Chancen von künstlicher Intelligenz, Datenanalytik und Big Data Technologien aufzuzeigen, und andersherum den Studierenden die Relevanz der Lehrinhalte anhand von realen Anwendungsfällen nahe zu bringen. 

Im Rahmen des KI-Transfer Hub Schleswig-Holstein bieten wir kleinen und mittelständischen Unternehmen (KMU) Beratung zu Potenzialen von künstlicher Intelligenz sowie die Möglichkeit, Machbarkeitsstudien durchzuführen. Ein modern ausgestattes KI-Labor steht dabei für rechenintensive Anforderungen zur Verfügung. 

Darüber hinaus führen wir in jedem Semester Praxisprojekte und Masterarbeiten in Kooperation mit Unternehmen, Startups und öffentlichen Institutionen durch. Wenn Sie Interesse an einer Forschungs-Kooperation haben, sprechen Sie uns gerne an.

Auswahl an Praxisprojekten, die von Studierenden im Rahmen des Studiums in Kooperation mit Unternehmen unterschiedlicher Sektoren durchgeführt wurden:

Agrarwirtschaft

• Entwicklung einer KI-basierten Filtermethode für Mähdrescher-Ertragsdaten 

Banken

• Immobilienpreisprognosen
• Bewertung von Stadtquartieren über Soziale Medien

Energie

• Optimierung des Energieverbrauchs von Kältemaschinen
• Agentenbasierte Niederspannungs-Lastmodellierung
• Anomalieerkennung in der Fernwärme
• Analyse der Rücklauftemperatur in der Fernwärme
• Analyse von Wettermodellen für Einspeiseprognosen von Erneuerbaren Energien
• Hochlaufszenarien für Wärmepumpen

Gesundheit

• Bilderkennung von Ähnlichkeiten in EGM-Signalen
• Wirksamkeitsanalysen von Therapeutika-Produkten
• Aufmerksamkeitserkennung für intelligente Röntgenstrahlen-Steuerung
• Anomalieerkennung auf Kraftmessungen am Lattenrost 
• Entwicklung einer Kontrollsoftware für die Hyperpolarisation in der Kernspinresonanz-Spektroskopie

IT-Beratung

• KI-gestützte Erfassung von Eingangsrechnungen

Lebensmittel

• Bäckerei-Umsatzprognosen
• Datenintegration/-optimierung im Kontext einer App für nachhaltige Lebensmittelkäufe
• Entwicklung eines Klassifikationsalgorithmus für Lebensmittel
• Automatisierte Bilderkennung von Produktinformationen

Logistik

• KI-gestützte Vorhersage von Schiffsanläufen und Containerumschlägen
• Entwicklung eines Algorithmus zur Klassifizierung von Gefahrgutllabels

Medien

• Music Taste Classifier
• Online Audio Ad Scanner
• Topic Modelling anhand von Pressemitteilungen
• Entwicklung eines KPI-Modells für Recurring Business
• Analyse & Entwicklung eines Empfehlungssystems für Musik der 80er Jahre, mithilfe einer Pull-Medium-Datenbank 

Öffentlicher Sektor

• Datenanalyse Daseinsvorsorge

Personalwesen

• Entwicklung eines Empfehlungssystems zum Matching von Rollen und Personen
• Entwicklung eines Skill-Empfehlungssystems für Mitarbeiter
• Entwicklung eines Empfehlungssystems für digitale Weiterbildungen
• Entwicklung eines KI-gestützen Systems für Personalvorschläge

Reise

• Entwicklung eines Algorithmus zur Empfehlung von Thumbnails und Keyframes in Videos
• Travel-Experience-Daten Augmentation mit Large Language Models

Telekommunikation

• Anomalieerkennung von Web Traffic Daten in einem Telekommunikationsunternehmen
• Real-time Anomalieerkennung in Telekommunikations-Netzwerken

*** Text ***

*** Text ***

*** Text ***