Master of Science in Management

Vertiefung
Informationsmanagement

Tragen Sie als Nachwuchs- oder Führungskraft (Mit-)Verantwortung für das IT-Management in Ihrem Unternehmen? Oder sind Sie Informatiker auf dem Sprung in größere Führungsverantwortung mit zunehmenden Management-Aufgaben? In beiden Fällen bietet das IOM-Masterstudium Ihnen die Möglichkeit, IT- und Management-Kompetenzen verknüpft zu erwerben.

Machen Sie die IT zum
Erfolgsfaktor für Ihr Unternehmen

Als Informationsmanager verbinden Sie zwei Welten miteinander: Auf der einen Seite die Informationstechnik mit ihren komplexen Systemen und vielfältigen Infrastrukturen. Auf der anderen Seite die Kompetenzen, die für strategische Entscheidungen und das Management erforderlich sind. Sie müssen Hard- und Software ebenso beherrschen wie die Prozesse und Abläufe einer effizienten Organisation. Und Sie müssen die Menschen verstehen, die Ihre IT-Einrichtungen benutzen sollen.

Die Weltwirtschaft steckt mitten in der vierten industriellen Revolution. Die Industrie 4.0 mit ihrer totalen Digitalisierung und Vernetzung verlangt nach innovativen Ideen und Lösungen. Die Mensch-Computer-Interaktion stellt alle vor große Herausforderungen. Auch der Markterfolg hängt zunehmend von klug durchdachten und kundenfreundlichen IT-basierten Lösungen ab.

Als umfassend qualifizierter Informationsmanager gestalten Sie Ihren Sektor im Spannungsfeld von Kosteneffizienz, betrieblichen Anforderungen und Beherrschbarkeit. Sie sorgen dafür, dass Ihr Unternehmen über bedarfsgerechte und zukunftsfähige Lösungen verfügt. Und Sie stellen ein Werkzeug bereit, das die Agilität Ihres Unternehmens perfekt unterstützt, z.B. beim Change Management, bei der Erschließung zusätzlicher Vertriebswege oder bei der Entwicklung neuer Geschäftsmodelle.

So qualifizieren Sie sich umfassend: die Module

Gemeinsame Management-Grundlagen

Die Grundlagen-Module bilden die gemeinsame Basis für alle Studierenden, die am IOM einen Master-Abschluss anstreben. Als Quereinsteiger erwerben Sie fundierte Kenntnisse grundlegender wirtschaftlicher Zusammenhänge. Wenn Sie bereits ein wirtschaftswissenschaftliches Studium absolviert haben, können Sie auf Ihren Kenntnissen aufbauen, Ihr Wissen aktualisieren und sich mit dem neuesten wissenschaftlichen Stand des Fachs auseinandersetzen. Teilweise treffen sich in diesen Modulen Studierende aller Vertiefungsrichtungen. So findet ein fachübergreifender Austausch statt, der alle bereichert.

8 Module
Unternehmensführung
  • Grundlagen der Unternehmensführung
  • Strategisches Management
  • Planungs- und Entscheidungsverfahren
Analyse gesamtwirtschaftlicher Zusammenhänge
  • Mikroökonomie
  • Makroökonomie
Finance
  • Bilanzen lesen und verstehen
  • GuV und Kostenrechnung
  • Kennzahlen zur Unternehmenssteuerung
  • Investitionsrechnung
Innovation
  • Innovationsstrategien
  • Arten von Innovationen
  • Innovationsmanagement
  • Steuerung des Innovationsprozesses
Projektmanagement
  • Projektmanagement
  • Multiprojektmanagement
  • Agiles Projektmanagement
Kommunikation und Methoden
  • Kommunikation
  • Präsentation
  • Moderation
Internationales & interkulturelles Management
  • Internationalisierungs- und Markteintrittsstrategien
  • Ökonomische und rechtliche Fragen der Globalisierung
  • Interkulturelle Kompetenzen
Führung, HR & Organizational Behavior
  • Selbstmanagement und Führung der eigenen Person
  • Führen und Fördern von Mitarbeitern
  • Personalmanagement aus Sicht von Führungskräften

Wissenschaft und Forschung

Statistiken und Studien spielen eine immens wichtige Rolle für die erfolgreiche Führung von Unternehmen und Organisationen. Doch nur wer sie richtig lesen kann, kann die Daten zielgerichtet und erfolgreich verwenden. Das Verständnis für qualitative und quantitative Forschungsmethoden steht deshalb im Fokus dieser beiden Kernmodule. Zur Vertiefung und zur praktischen Erfahrung besuchen wir im Rahmen einer Summer School den weltweit größten Managementkongress der Academy of Management (AoM) in den USA oder Kanada.

2 Module
Quantitative Forschungsmethoden
  • Methoden der Statistik
  • Methoden der quantitativen empirischen Forschung
  • Anwendungsfelder für quantitative Forschung
Qualitative Forschungsmethoden
  • Methoden qualitativer empirischer Forschung
  • Anwendungsfelder für qualitative Forschung
  • Wissenschaftliches Arbeiten im Studienprojekt
  • Projekt-Kolloquien
Summer School: Leadership-Research in den USA oder Kanada
  • Gemeinsame Teilnahme am 5-tägigen Annual Meeting der Academy of Management, weltgrößter Management-Kongress
  • Vor- und Nachbereitung aktueller Beiträge zur Leadership-Forschung

Vertiefung Informationsmanagement

Daten sind die wichtigsten Rohstoffe des 21. Jahrhunderts. Die Analyse und Aufbereitung großer Datenmengen sind Voraussetzung für digitale Transformation und Industrie 4.0. In vielen deutschen Unternehmen fehlt es jedoch an Know-How für ein erfolgreiches Big Data Management. Daher basiert die Vertiefung Informationsmanagement auf dem Zertifikat Data Science, welches das IOM in Kooperation mit der Bitkom Akademie veranstaltet. Ergänzend befassen Sie sich mit der Rolle der IT für die vielfältigen Aufgaben im Prozess-, Qualitäts- und Personalmanagement sowie bei Veränderungsprozessen. Dazu absolvieren Sie 5 Pflichtmodule und 2 Wahlpflichtmodule, die Sie nach Ihrem Interesse auswählen können.

7 Module

In der Vertiefung Informationsmanagement sind Grundmodule und 2 aus 4 Wahlmodulen zu absolvieren.

Grundmodule

Die Grundmodule werden durch den Zertifikatslehrgang Data Science abgedeckt.

Modul 1:
Der Data Scientist – Berufsbild mit Zukunft

Der Data Scientist – Profilanalyse, Anforderungen, Anwendungsfelder

  • Big Data und Data Science
  • Vom Datenanalyst zum Datenmanager – Profil und Anforderungen an den Data Scientist
  • Anwendungsgebiete für Data Science im Unternehmen
  • Von der explorativen bis zur präskriptiven Datenanalyse
  • Vorstellung des Querschnittsthemas – Data Science und der Datenschutz

Data Science im Unternehmen – Das Potential datengetriebener Geschäftsmodelle

  • Datengetriebene Geschäftsprozesse und Anwendungsfelder für Data Science
  • Datengetriebenes Management – Mithilfe von Data Science die richtigen Entscheidungen treffen
  • Unternehmensanalyse – Wie lassen sich Sweet Spots im eigenen Unternehmen finden?
  • »Data-Driven Companies« – Best Practice Beispiele

Chancen und Risiken von Data Science – Ausblick und Exkurs

  • Zwischen Back-Office und Management – Welche Verantwortung wird der Data Scientist zukünftig haben?
  • Karrierechancen im Unternehmen
  • Branchen- und Marktanalyse
  • Praxisbeispiel: Data Science und Internet of Things (IoT)
Modul 2:
Datenhaltung & Data Governance

Analyse von Datenstrukturen

  • Datenstrukturen: von strukturiert bis unstrukturiert (Datenbanktabellen, JSON, Blogs) – Analysemöglichkeiten
  • Verfügbarkeit von Daten – Welche Daten existieren? Wer darf wann und wo darauf zugreifen?
  • Von der Unternehmensdatenbank zu Open Data – Big Data Analytics Geschäftsmodelle und industriespezifische Anwendungsfälle
  • Die 4 Vs von Big Data: Ab welchen Kriterien werden Big Data IT-Technologien benötigt?

Anwendungsoptionen für Datenhaltung

  • Datenbankmanagementsysteme – klassisch und Big Data: RDBMS, JSON, noSQL, CAP Theorem
  • Hadoop – Ein Zoo voller Werkzeuge (Apache Hadoop, Projekte, Treiber, Einsatz)
  • Data Lake – Definition, Konzepte, Kundenbeispiele
  • Überblick von Referenzarchitekturen von Technologieanbietern
  • Cloud Computing und Anbieter – Mit welcher Cloud-Umgebung lassen Data Science Projekte sinnvoll starten?
  • Iaas/Paas/Saas, Private/Hybrid/Public, Verbreitung in Deutschland, Anbieter

Data Security & Risk Management – Die Rolle des Data Scientists im Umfeld der Datensicherheit

  • Datenschutz: Definitionen & Gesetze, Beispiele Datenschutzvorfälle, Sicht Bürger & Politik, Überwachung und Verschlüsselung
  • Datensicherheit: Bedrohungsarten, Risikominimierung, Betrug & Cyber-Kriminalität
  • Praxisübung: Connected Car – Datenhaltung, Governance und Analysen
Modul 3:
Datenakquisition & Datenintegration im Unternehmen

Datenakquise und Erstellung von Datenarchitekturen

  • Unstrukturierte Daten analysieren und aufbereiten
  • Das WWW als Datenlieferant – Ein Überblick über die technischen Hürden
  • Überblick Datenschnittstellen

Datenintegration: Management und Weiterentwicklung des Datenbestands im Unternehmen

  • Praktische Anwendung von Datenbankmanagementsystemen
  • Data Warehouse Anbieter, Architektur und Trends
  • Einführung in ETL-Prozesse (Extract – Transform – Load) und ETL-Tools
  • Data Modeling mit ETL-Tools
  • Praxisbeispiele: Best Practice der Datentransformation

Datenanalyse, -exploration und komplexe Datenabfragen

  • Was ist möglich? Methoden zur Erkennung komplexer Zusammenhänge und Korrelation von Daten
  • Technische Voraussetzungen
  • Anwendungsbeispiele Click-Stream Analyse
  • Anwendungsbeispiele Information Mining: Extrahieren von Informationen aus Rohdaten
Modul 4:
Data Science Algorithmen – Analytische Verarbeitung & Resultate

Analytische Verarbeitungsmöglichkeiten

  • Historie und Entwicklung der analytischen Verarbeitungsmethoden – der Weg zu Big Data
  • Bedeutung von Statistik, Mathematik und Wahrscheinlichkeitsrechnung
  • Analytische Verarbeitungsmöglichkeiten 2016 – ein Überblick
  • Integrationsmöglichkeiten der analytischen Komponente in verschiedene Datenhaltungssysteme

Anomalie-Detektion, Korrelation und Kausalitäten, Clustering, Prädiktive Modellierung

  • Anomalie-Detektion: Auswahl von Algorithmen und Implementierung, Konzepte für die Evaluierung der Algorithmen
  • Korrelation und Kausalität: die trügerische Sicherheit der Statistik
  • Clustering und Klassifizierung: Techniken und Methoden
  • Prädiktive Modellierung

Advanced Analytics – Machine Learning, Neuronale Netze, Naive Bayes, Recommender Systems

  • Machine Learning – automatisierte Algorithmenentwicklung: Anwendungsfelder & Beispiele
  • Data Mining und neuronale Netze – Anwendungsfelder & Beispiele
  • Naive Bayes – Anwendungsfelder & Beispiele
  • Das Potential von Recommender Systems für Unternehmen – Anwendungsfelder & Beispiele
Modul 5:
Generierung von Business Values und Outcome

Analyseergebnisse erfolgreich visualisieren – Management und Kommunikation von Data Science nach außen

  • Das 1×1 der Visualisierung
  • Die Kunst des Storytellings
  • Herausforderung: komplexe Analysen verständlich kommunizieren
  • Praxisteil: Visualisierung mit verschiedenen state of the art tools

Return of Investment (RoI) von Data Science – Der Weg zur Schaffung von Business Value

  • Wie werden Ergebnisse aus Analysen zu wertvollen Informationen für Unternehmen
  • Data Science integriert im Unternehmensprozess – ein Beispiel
  • Widerstand im eigenen Unternehmen: Was, wenn die Ergebnisse vom Management ignoriert werden?
  • Interaktive Diskussionsrunde – warum scheitern noch viele Big Data Projekte?

Big Data – Small Project: PM-Voraussetzungen zur erfolgreichen Integration von Data Science im Unternehmen

  • Wie starte ich erfolgreich in meinem Unternehmen mit Data Science
  • Administrative Hürden
  • Leadership-Management: Aufbau einer funktionierenden Abteilung

Inhalt 2 aus 4 Wahlmodulen

Führungs- und Anreizsysteme
  • Zielsysteme
  • Beurteilungssysteme
  • Anreizsysteme
Exzellenz-Systeme und Qualitätsmanagement
  • Methoden des Qualitätsmanagements
  • Six Sigma, EFQM, Lean Management
  • Compliance Management
Teamentwicklung und Konfliktmanagement
  • Merkmale und Dynamiken von Gruppen und Teams
  • Teamentwicklung als Führungsaufgabe
  • Konfliktmanagement und Mediation in Organisationen
Organisationsanalyse und Change Management
  • Methoden der Organisationsanalyse
  • Erfolgsfaktoren des Change Managements
  • Methoden des Change Managements

Abschluss

  • Master of Science in Management
  • Vertiefung: Informationsmanagement
  • 120 ECTS Punkte
  • Staatlich anerkannt und über die FIBAA akkreditiert

Zulassungsvoraussetzungen

  • Abgeschlossenes Hochschulstudium (Universität, Fachhochschule oder Berufsakademie) mit Universitäts- oder FH-Diplom
  • Bachelor Degree oder vergleichbarer Abschluss
  • Erfolgreiche Teilnahme am Auswahlverfahren des IOM

Studiendauer

4 Semester (24 Monate), ausdehnbar auf 48 Monate

Studienorganisation

Kombination aus Präsenzphasen, selbständigem Lernen und Praxistransfer ins Unternehmen

Studienstart

Zu jeder Präsenzphase möglich

Präsenzphasen und Studienorte

  • 10 Präsenzphasen à 3 bis 5 Tage, Berlin (Die Präsenzphasen enden i.d.R. am Samstag, in Ausnahmen am Sonntag)
  • 1 Präsenzphase à 5 Tage, Wien
  • 1 Präsenzphase à 7 Tage, Teilnahme an der jährlich im August stattfindenden Summer School (Management-Kongress der AoM, Academy of Management), wechselnde Orte in Nordamerika

Leistungsnachweise

Klausuren, mündliche Prüfungen, Transferarbeiten, Projektarbeit (Studienarbeit und Master Thesis)

Studiengebühren

  • 21.000 € (zahlbar in 24 Monatsraten), zzgl. jeweils 500 € Immatrikulations- und Prüfungsgebühr
  • Wenn ein Unternehmen Vertragspartner für das Studium wird, beraten wir das Unternehmen gerne bei der Definition und Durchführung der Projektarbeit. Dazu bieten wir auch die kostenlose Durchführung eines gemeinsamen Workshops im Unternehmen an.

Aufbaustudiengang

Abschluss des IOM-Master-Studiums berechtigt zur Promotion