Warum lohnt sich die Teilnahme an MC4Data?

Datenkompetenz ist eine Schlüsselkompetenz im digitalen Wandel und ermöglicht Menschen, Unternehmen und Gesellschaft, mit Daten selbstbewusst umzugehen, wirtschaftliche und gesellschaftliche Herausforderungen zu bewältigen und datenbasierte Entscheidungen zu treffen. Datenkompetenz ist ein unverzichtbarer Bestandteil der Allgemeinbildung (Data Literacy Charta, Stifterverband).

Jede*r von uns stellt sich grundlegende Fragen, wenn es um Daten geht:

• Was will ich mit Daten machen? (Nutzung von Daten für eine konkrete Anwendung in der realen Welt)
• Was kann ich mit Daten machen? (Datenquellen, deren Qualität, technische und methodische Möglichkeiten)
• Was darf ich mit Daten machen? (Datenschutz, Urheberrechte, rechtliche Rahmenbedingungen)
• Was soll ich mit Daten machen? (Nutzung von Daten zum Wohl von Individuen und Gesellschaft aus ethischer Perspektive)

Das Qualifizierungsprogramm MC4Data hilft Lernenden dabei,  Antworten auf diese Fragen zu finden.

Wie können Teilnehmende vom MC4Data profitieren?

Nach dem Abschluss des Programmes sind Teilnehmende in der Lage,

• mit Daten selbstbewusst umzugehen, bei der Datennutzung kritisch zu denken und Daten zu beurteilen
• den Data Analytics Prozess, von den Datenbeschaffung über Datenmanagement, -analyse, -visualisierung bis zur Erstellung von interaktiven Reports zu verstehen
• Data Analytics Tools zu nutzen, diese in Praxisbeispielen anzuwenden und dadurch datenbasierte Problemlösung zu finden und zu reflektieren
• eigene Lernbedürfnisse im Bereich Data Analytics zu identifizieren.

MC4Data wird von Fachexpertinnen und Fachexperten, Partnerunternehmen sowie dem Team Lehr- und Kompetenzentwicklung der Ohm Nürnberg (LeKo) konzipiert, begleitet und durchgeführt.

Die Teilnahme am Programm MC4Data ist kostenfrei.

An wen richtet sich MC4Data?

Das Programm richtet sich an Ohm-Studierende aller Fachrichtungen

Wir starten zunächst mit den drei Lerneinheiten des Modules 1. In diesem Modul lernen Teilnehmende, mit Daten selbstbewusst umzugehen, ihre Datennutzung kritisch zu hinterfragen und zu beurteilen. Sie erarbeiten sich ein Grundverständnis zu Data Analytics.

In Modul 2 wählen Teilnehmende je nach Bedarf und Interesse eines der Data Analytics Tools (Power BI, Python,…) und belegen die entsprechende Lerneinheit. Sie werden unter Begleitung von Fachexpert*innen das gewählte Tool kennenlernen und in Praxisbeispielen anwenden.

In Modul 3 identifizieren sie persönliche Kompetenzlücken im Bereich Data Analytics und entwickeln den individuellen Lernweg, mit welchem sie diese Lücken zukünftig selbständig schließen können.

Mit Hilfe unserer Vorlage können Teilnehmende ihre Lernergebnisse nach jeder Lerneinheit in einem so genannten E-Portfolio dokumentieren. Abschließend teilen sie ihre Lernergebnisse im Abschlussworkshop in Form einer kurzen Präsentation.

Voraussetzung: Der Workshop richtet sich an Studierende der Ohm. Generell ist ein Grundinteresse, aus Daten Informationen zu gewinnen, ist vorausgesetzt.

Termin: Mo., 02.03.206, 09:00 - 16:00 Uhr (Tag 1) und Di., 03.03.26, 09:00-12:00 Uhr (Tag 2)
Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Pflichtmodul 1 des MC4Data-Programms

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage

• Inhalte von Data Analytics / Business Intelligence einzuordnen
• Data Analytics Fragestellungen zu verstehen
• Architektur von Analysesystemen einzuordnen
• Berichtswesen zu differenzieren
• Daten nach DSGVO zu bewerten
• Metadaten zu erkennen
• Datenqualität zu erklären
• Datenfluss / Datensicherung & Datenspeicherung einzuordnen
• BIG DATA / Internet of Things und aktuelle Trends einzuordnen

Lerninhalte

• Inhalte von Data Analytics / Business Intelligence
• Fragestellung, Anforderungsanalyse, Dokumentation & Zielgruppen verstehen
• Daten zu Informationen transformieren
   
• Visualisierungskompass & Data Story Telling
• Berichtswesen analysieren
• Kennzahlen und ihre Besonderheiten
• Metadaten kennenlernen
   
• Datenqualität interpretieren
• DSGVO (Wo ist die Grenze bei heißen Daten?)
• Exemplarische Architektur von Analysesystemen
• Datenfluss / Datensicherung & Datenspeicherung
• BIG DATA / Internet of Things und aktuelle Trends

Referent: Manuel Gandt

Manuel Gandt ist Principal-Berater und geschäftsführender Gesellschafter der syscon Unternehmensberatungsgesellschaft in Erlangen/Tennenlohe. Sein Tätigkeitsschwerpunkt liegt seit mehr als 20 Jahren im Bereich Business Intelligence/Data Analytics & IoT, insbesondere in Kombination mit ERP-Systemen. Neben der Leitung internationaler Business Intelligence Projekte ist er als Referent (z.B. CEBIT, E-World, Systems, MicrosoftPartnerkonferenz) für namhafte Hersteller und als Fachreferent an der TH Nürnberg im Rahmen des laufenden Vorlesungsprogramms aktiv. Daneben war er Mitglied des internationalen Staffing Teams für Microsoft Deutschland und Österreich im Bereich Business Intelligence. Aktuell betreut er mehrere große Mittelständler in Zentraleuropa als Head of Competence Center Data Analytics.

Voraussetzung: Der Workshop richtet sich an Studierende der Ohm, auch ohne Vorkenntnisse.

Termine: Mo. 09.03.26, 9:00 - 17:00 Uhr
Format: Online-Workshop. Der Zoom-Link wird nach der Anmeldung bekannt gegeben.

Zuordnung: Pflichtmodul 1 des MC4Data-Programms

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage

• mögliche Konflikte im Feld der Datenethik zu identifizieren und beteiligte Werte zu erkennen
• die Differenz zwischen Kausalität und Korrelation zu verstehen
• die zentralen »middle principles« der angewandten Ethik zu erinnern und anzuwenden
• ein umfassendes Verständnis des Konzepts »Verantwortung« und seine Bedeutung für Data Science zu entwickeln

Lerninhalte

• Grundlagen der Daten-Ethik
• Arbeit mit und am Oxford-Munich-Code of Conduct und Einordnung der darin enthaltenen Aussagen
• Anwendung und Übersetzung von Prinzipien auf Praxisbeispiele
• Erarbeiten einer Checkliste für die Praxis: Welche Aspekte müssen bedacht werden, um einen ethisch informierten Umgang mit Daten zu bewerkstelligen?

Referentin : Prof. Dr. Julia Krumme

Prof. Dr. Julia Krumme  ist wissenschaftliche Mitarbeiterin an der Technischen Hochschule Augsburg  und arbeitet an der Schnittstelle zwischen agiler Software-Entwicklung, politischer  Philosophie und Ethik. Sie studierte Philosophie an der Hochschule für  Philosophie München und unterrichtet als Coach im Digitalisierungs-Kolleg der Hochschule Augsburg. Forschungsschwerpunkte sind unter anderem die Integration von Ethik in die agile Software-Entwicklung, Datenethik, Biases in Algorithmen und die politische Dimension von KI.

Bezeichnung: Open Data in der Praxis: Von der Datenwüste zum sauberen Datenmodell

Voraussetzung: Der Workshop richtet sich an Studierende der Ohm, auch ohne Vorkenntnisse.

Termin: Mi. 04.03.26, 09:00 - 16:00 Uhr

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Pflichtmodul 1 des MC4Data-Programms

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage…

• Open-Data-Quellen zu identifizieren, zu bewerten und zielgerichtet auszuwählen
• typische Qualitätsprobleme in offenen Datensätzen zu erkennen und einzuordnen
• Daten mit Power Query (z.B. in Power BI) systematisch zu bereinigen und zu transformieren
• bereinigte Daten für einfache Analysen und Visualisierungen aufzubereiten
• die Bedeutung von Datenqualität für valide Analyseergebnisse kritisch zu reflektieren

Lerninhalte

• Grundlagen und Prinzipien von Open Data (Formate, Lizenzen, Quellen)
• Typische Datenqualitätsprobleme in Open-Data-Datensätzen
• Data Cleansing mit Power Query in Power BI (Transformieren, Filtern, Normalisieren)
• Aufbau eines einfachen Datenmodells mit Power BI
• Kritische Bewertung von Analyseergebnissen auf Basis offener Daten

Referent: Steffen Weinkam

Steffen Weinkam ist Senior Consultant für Business Intelligence bei der syscon Unternehmensberatung mbH. Nach seinem
Studium der Wirtschaftsinformatik an der TH Nürnberg unterstützt er Unternehmen dabei, aus Daten nutzbare Informationen zu
machen. Sein Fokus liegt auf BI-Architekturen sowie der Anbindung, Aufbereitung und Modellierung von Daten.

Voraussetzung: Generell ist der Workshop für Teilnehmende mit/ohne Vorwissen von Data Analytics geeignet. Wir empfehlen den Teilnehmenden jedoch die Grundlagen Data Analytics und Open Data in der Praxis aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

Termine: Do., 05.03.26, 09:00 - 16:00 Uhr (Tag 1) und Fr., 06.03.26, 09:00 - 12:00 Uhr (Tag 2)

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Wahlpflichtmodul 2 des MC4Data-Programms

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage…
•    Daten effizient zu analysieren, zu interpretieren und relevante Erkenntnisse zu gewinnen.
•    große Mengen von Daten aus verschiedenen Quellen abzurufen, aufzubereiten und zu modellieren.
•    interaktive Inhalte zu visualisieren.
•    ansprechende Dashboards und dynamische Reports zu erstellen und diese freizugeben.

Lerninhalte

•    Überblick über die Nutzungsoberfläche und Funktionalitäten von Power BI-Desktop
•    Der Workflow zur Datenanalyse und -Visualisierung von Power BI-Desktop
•    Abrufen von Daten aus verschiedenen Quellen
•    Aufbereitung und Transformieren von Daten in auswertbarer Form
•    Visualisierung von Dashboards mit interaktiven Elementen
•    interaktiven Reports im cloudbasierten Power BI Dienst

Referent: Thomas Möller

Thomas Möller ist Senior Consultant Business Intelligence bei der syscon Unternehmensberatungsgesellschaft in Erlangen/Tennenlohe. Seit seinem wirtschaftswissenschaftlichen Studium mit Schwerpunkt empirischer Marketingforschung hat er mit Daten in großen Tabellen und graphischen Darstellungen zu tun. Von der Marktforschung über Bedarfsplanung und Berichtswesen, ohne Daten, deren Analyse und verständliche Darstellung geht es nicht. Nach 13 Jahren im Konzern ist er nun seit Ende 2021 auf der Dienstleistungsseite bei der Syscon.

Voraussetzung:

• Grundkenntnisse in Python wären vorteilhaft, muss aber nicht unbedingt sein. Wir empfehlen den Teilnehmenden die Grundlagen Data Analytics und Open Data in der Praxis aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

Termine: Di., 10.03.26, 09:00 - max. 17:00 Uhr (Tag 1) + Mi. 11.03.26, 09:00 - max. 13:00 Uhr (Tag 2)

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Wahlpflichtmodul 2 des MC4Data-Programms

Lernergebnisse:

Nach dem Workshop sind die Studierenden in der Lage…

• Unstrukturierte Texte zu erkennen, die sich für die Analyse eignen
• sich an Methoden zu erinnern, die für die Analyse angewendet werden können
   
• Die richtigen Analysemethoden auszuwählen
• Unterschied zwischen den Methoden zu erklären
• Daten zu klassifizieren
• Struktur von großen Textdatenmengen zu erfassen
• Unterschiedliche Texte zu vergleichen
• Die Funktionsweise der Analysemethoden zu beschreiben
   
• Automatisierte Textanalysen durchzuführen
• Eine Analysepipeline zu implementieren
   
• Ergebnisse aus den Textdaten zu gewinnen
• Unterschiedliche Analyseergebnisse zu interpretieren und darzustellen
   
• Die Qualität der Analyse zu erfassen und zu beurteilen
• Hypothesen zu der Textdatenmenge zu formulieren und zu bestätigen/widerlegen
• Eine Gesamtanalyse zu entwickeln und im Umfang abzuschätzen

Lerninhalte:

Viele wichtige Informationen in Unternehmen liegen nur in Textform vor. Methoden der automatisierten Textanalyse helfen, diesen Wissensschatz zu heben. Ob nutzergenerierte Inhalte aus dem Netz, Kundenanfragen per Mail oder Verträge und Pflichtenhefte: Viele Informationen liegen in Form unstrukturierter Texte vor. Da diese Datenmenge immer schneller wächst, kann man nicht mehr einfach „mitlesen”. Die Lösung besteht in einer automatisierten Verarbeitung und Auswertung solcher Dokumente. NLP, Clustering, Topic Modeling, Klassifikation, Universal Embeddings – bei den KI-Technologien für die automatisierte Verarbeitung von Textmengen gibt es im Moment viele verschiedene Entwicklungsrichtungen, die teils ganz unterschiedliche Probleme lösen und sich besonders in Kombination zu ihrer größten Leistungsfähigkeit entfalten können. Der Referent erläutert an einem konkreten Beispiel die Stufen eines Text-Analytics-Projekts und zeigen, welche Techniken auf welchen Einsatzbereich passen und welche neuen Use Cases damit möglich werden.
 

Referent: Prof. Dr. Christian Winkler

Christian Winkler beschäftigt sich seit vielen Jahre mit künstlicher Intelligenz, speziell in der automatisierten Analyse natürlichsprachiger Texte (NLP). Als Professor an der Ohm konzentriert sich seine Forschung auf die Optimierung von User Experience mithilfe moderner Verfahren. Er forscht und publiziert zu Natural Language Processing und ist regelmäßig Sprecher auf Machine Learning-Konferenzen.

Voraussetzung: Generell ist der Workshop für Teilnehmende mit/ohne Vorwissen von Data Analytics geeignet. Wir empfehlen den Teilnehmenden jedoch die Grundlagen Data Analytics und Open Data in der Praxis aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

Termine: Der Workshop wird im September 2026 angeboten

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Wahlpflichtmodul 2 des MC4Data-Programms

Lernergebnisse/ Learning Outcomes

Nach dem Workshop sind die Studierenden in der Lage…

• Konzepte der Datenanalyse zu verstehen und zu bewerten
• Jupyter Notebooks zu nutzen, um eigene Projekte zu verwirklichen
• Datensätze zu laden, zu verarbeiten und aufzubereiten
• Daten zu interpretieren, wichtige Aspekte zu erkennen und hervorzuheben
• Daten auf verschiedene Arten zu visualisieren und eine geeignete Visualisierungsform zu wählen
• Eigene Ansätze für Aufgabenstellungen im Bereich der Datenanalyse zu entwickeln und umzusetzen

Lerninhalte

• Konzepte der Datenanalyse
• Python, Pandas und Jupyter Notebook
• Erstellung von Dashboards/WebApps mit Panel
• Umgang mit unterschiedlichen Datenquellen
• Handhabung und Aufbereitung von Datensätzen
• Datenvisualisierung mit Python und der Bibliothek „seaborn“
• Praktische Übung über die komplette Data-Analytics-Pipeline
• Ausblick auf verschiedene Anwendungsgebiete der Datenanalyse

Referenten:

• Max Friedrich, Fabian Meister, adorsys GmbH & Co. KG Softwareentwicklung
  zusammen mit
• Patrick Seifert, Maximilian Lattka, UL Solutions SIS

Patrick Seifert und Maximilian Lattka sind Software Engineers bei UL Solutions SIS in Erlangen. Sie sind in unterschiedliche Software und Data Science Projekten involviert, ihr gemeinsamer Nenner: Data Processing. Gemeinsam halten sie Workshops zum Thema Datenverarbeitung und lassen dort ihre Erfahrungen aus der Praxis einfließen.

Voraussetzung: Der Workshop wird empfohlen für Teilnehmende mit Grundkenntnissen in Python. Wir empfehlen den Teilnehmenden die Workshops Grundlagen Data Analytics und Open Data in der Praxis aus dem Modul 1 vorher zu belegen, um die besten Lernergebnisse zu erzielen.

Termine: der Workshop wird im September 2026 angeboten

Format: Präsenz-Workshop. Die Räumlichkeit wird nach der Anmeldung bekannt gegeben.

Zuordnung: Wahlpflichtmodul 2 des MC4Data-Programms

Beschreibung:

AI und Machine Learning sind in aller Munde. In diesem Workshop verbinden wir diese spannenden Themen mit Data Analytics, um interessante und aussagekräftige Auswertungen zu ermöglichen. Alle Übungen werden in Python mit Jupyter Notebooks durchgeführt. Der Workshop ist interaktiv gestaltet, sodass die Teilnehmenden aktiv mitarbeiten und praktische Erfahrungen sammeln können.

Inhalte:

• Kurzeinführung in Python und Jupyter
• Alternative Nutzung mit Google Colab
• Basis-Tools: pandas und scikit-learn
• Einführung in Machine Learning
• Statistik als Basis
• Regression und Klassifikation als überwachtes Machine Learning
• Clustering zum unüberwachten Machine Learning
• Reinforcement Learning als Optimierungsstrategie
• Beispiel-Analyseprojekt, das viele Verfahren kombiniert

Referent: Prof. Dr. Christian Winkler

Christian Winkler beschäftigt sich seit vielen Jahre mit künstlicher Intelligenz, speziell in der automatisierten Analyse natürlichsprachiger Texte (NLP). Als Professor an der Ohm konzentriert sich seine Forschung auf die Optimierung von User Experience mithilfe moderner Verfahren. Er forscht und publiziert zu Natural Language Processing und ist regelmäßig Sprecher auf Machine Learning-Konferenzen.

Voraussetzung: Diese Selbstlerneinheit richtet sich an MC4Data-Teilnehmende, die beabsichtigen, das MC4Data-Programm im SoSe 2026 zu absolvieren.

Termin: zeitlich von Lernenden selbstbestimmt

Format: Selbstlerneinheit über Moodle. Der Link zum Moodle-Kurs wird am 20.03.26 an Lernenden verschickt.

Zuordnung: Modul 3 des MC4Data-Programms

Lernergebnisse/ Learning Outcomes

Nach dem Kurs sind die Studierenden in der Lage…

• die Bandbreite unterschiedlicher Online-Bildungsangebote (MOOCs) zu kennen
• eigene Wissenslücken und Interessenfelder zum Themenfeld Data Analytics zu identifizieren
• passende Online- Bildungsangebote zum Themenfeld Data Analytics zu finden und in profitabler Weise zu nutzen
• die Bedeutung des lebenslangen (auch informellen) Lernens zu erkennen

Lerninhalte

• Festlegung eigenes Kompetenzprofils und persönlicher Lernbedürfnisse zum Themenfeld Data Analytics
• Bandbreite unterschiedlicher Online-Bildungsangebote zu Data Analytics (MOOCs)
• Recherche, Einsammlung und Bewertung der passenden Online-Bildungsangebote
• Reflexion und Konkretisierung des Lernplans zur eigenständigen Weiterbildung

Referent*innen: Thu Van Le Thi und das Team MC4Data

Thu Van Le Thi ist Referentin bei der zentralen Einrichtung Lehr- und Kompetenzentwicklung der Ohm (LeKo). Ihr Tätigkeitsschwerpunkt liegt im Bereich Future Skills, insbesondere Digital- und Datenkompetenz. Derzeit betreut sie verschiedene Programme für Ohm-Studierende, vor allem das MC4Data-Programm für Data Analytics, MC4genKI-Programm für generative KI, das Hochschulzertifikat Digitalkompetenz (DigKom) und die Future Skills Weeks. Darüber hinaus ist sie Referentin für die AW/AWPF-Lehrveranstaltung "Datenanalyse und interaktive Reportings mit Excel und Power BI".

Voraussetzung: Die Teilnahme am Abschlussworkshop setzt das Bestehen der Module 1 bis 3 voraus.

Anmeldung: via Email thuvan.lethiatth-nuernberg.de

Termin: der Abschlussworkshop und die Verleihung von Micro-Credentials finden im Juli/August 2026 statt. Der Termin wird mit Teilnehmenden abgestimmt.

Format: Workshop (Online oder in Präsenz)

„Data Analytics Skills“ sind die Kompetenzen, mit Daten selbstbewusst umzugehen, Daten auf kritische Art und Weise zu sammeln, zu managen, zu bereinigen, zu analysieren, zu visualisieren und zu interpretieren. Dadurch sind Studierende in der Lage, datengetriebene Problemlösungen zu finden und zur effektiven Entscheidungsfindung heranzuziehen.

Es ist möglich, das MC4Data-Programm innerhalb eines Semesters zu absolvieren. Teilnehmende können das Programm auch über  zwei bis drei Semester strecken. Die Termine der Lerneinheiten werden in Kompaktwochen eingeplant, damit Teilnehmende die Einheiten innerhalb kurzer Zeit belegen können.

Teilnehmende können je nach Bedarf und Interesse einzelne Themen bzw. Workshops auswählen und belegen. Hierzu sollen sie sich für einzelne Workshops über VirtuOhm anmelden. Wenn sie den Programmabschluss erwerben wollen, sollen sie das gesamte Programm belegen.

In Wahlpflichtmodul 2 sollen Teilnehmende mindestens eine Lerneinheit je nach Interesse wählen und belegen (Lerneinheit 4.1, 4.2, 4.3, 4.4). Bei Bedarf können Teilnehmende weitere Tools aussuchen und die entsprechenden Lerneinheiten belegen. Wichtig: Bitte sich rechtzeitig für die Lerneinheiten des Moduls 2 anmelden.