Erwerben Sie mit den Besten das Wissen und die Fähigkeiten die Sie brauchen, um eine Karriere im fortschrittlichen IT-Sektor einzuschlagen" 

¿Warum an der TECH studieren?

TECH ist die weltweit größte 100%ige Online Business School. Es handelt sich um eine Elite-Business School mit einem Modell, das höchsten akademischen Ansprüchen genügt. Ein leistungsstarkes internationales Zentrum für die intensive Ausbildung von Führungskräften.  

TECH ist eine Universität an der Spitze der Technologie, die den Studenten alle Ressourcen zur Verfügung stellt, um ihnen zu helfen, geschäftlich erfolgreich zu sein”

Bei TECH Technologische Universität

Innovation

Die Universität bietet ein Online-Lernmodell an, das modernste Bildungstechnologie mit höchster pädagogischer Strenge verbindet. Eine einzigartige Methode mit höchster internationaler Anerkennung, die dem Studenten die Schlüssel für seine Entwicklung in einer Welt des ständigen Wandels liefert, in der Innovation der wesentliche Einsatz eines jeden Unternehmers sein muss.

“Die Erfolgsgeschichte von Microsoft Europa”, für die Einbeziehung des neuen interaktiven Multivideosystems in unsere Programme. 

Maximalforderung

Das Zulassungskriterium vonTECH sind nicht wirtschaftlich. Sie brauchen keine große Investitionen zu tätigen, um bei uns zu studieren. Um jedoch einen Abschluss bei TECH zu erlangen, werden die Grenzen der Intelligenz und der Kapazität des Schülers getestet. Die akademischen Standards unserer Einrichtung sind sehr hoch...

95% Der Studenten von TECH schließen ihr Studium erfolgreich ab.

Vernetzung

Fachleute aus der ganzen Welt nehmen an der TECH teil, so dass die Studenten ein umfangreiches Netz von Kontakten knüpfen können, die ihnen für ihre Zukunft nützlich sein werden.  

+100.000 Jährlich geschulte Manager, +200 verschiedene Nationalitäten.

Empowerment

Der Student wird Hand in Hand mit den besten Unternehmen und Fachleuten von großem Prestige und Einfluss wachsen. TECH hat strategische Allianzen und ein wertvolles Netz von Kontakten zu den wichtigsten Wirtschaftsakteuren auf den 7 Kontinenten aufgebaut.  

+500 Partnerschaften mit den besten Unternehmen.

Talent

Dieses Programm ist ein einzigartiger Vorschlag, um die Talente der Studenten in der Geschäftswelt zu fördern. Eine Gelegenheit für Sie, Ihre Anliegen und Ihre Unternehmensvisionen vorzutragen. 

TECH hilft den Studenten, ihr Talent am Ende dieses Programms der Welt zu zeigen.

Multikultureller Kontext

Ein Studium bei TECH bietet den Studenten eine einzigartige Erfahrung. Sie werden in einem multikulturellen Kontext studieren. In einem Programm mit einer globalen Vision, dank derer Sie die Arbeitsweise in verschiedenen Teilen der Welt kennenlernen und die neuesten Informationen sammeln können, die am besten zu Ihrer Geschäftsidee passen.

Unsere Studenten kommen aus mehr als 200 Ländern.   

Lerne mit den Besten

Das TECH-Lehrerteam erklärt im Unterricht, was sie in ihren Unternehmen zum Erfolg geführt hat, und arbeitet dabei in einem realen, lebendigen und dynamischen Kontext. Lehrkräfte, die sich voll und ganz dafür einsetzen, Ihnen eine hochwertige Spezialisierung zu bieten, die es die es den Studenten ermöglichen, in Ihrer Karriere voranzukommen und sich in der Geschäftswelt zu profilieren.

Lehrkräfte aus 20 verschiedenen Ländern.

TECH strebt nach Exzellenz und hat zu diesem Zweck eine Reihe von Merkmalen, die sie zu einer einzigartigen Universität machen:    

Analyse

TECH erforscht die kritische Seite des Studenten, seine Fähigkeit, Dinge zu hinterfragen, seine Problemlösungsfähigkeiten und seine zwischenmenschlichen Fähigkeiten.

Akademische Spitzenleistung

TECH bietet den Studenten die beste Online-Lernmethodik an. Die Universität kombiniert die Relearning-Methode (die international am besten bewertete postgraduale Lernmethodik) mit Fallstudien. Tradition und Avantgarde in einem schwierigen Gleichgewicht, und das im Rahmen des anspruchsvollsten akademischen Weges.

Skaleneffekt

TECH ist die größte Online-Universität der Welt. Sie verfügt über ein Portfolio von mehr als 10.000 Hochschulabschlüssen. Und in der neuen Wirtschaft, Volumen + Technologie = disruptives Preisniveau. Damit stellen wir sicher, dass das Studium nicht so kostspielig ist wie an einer anderen Universität.

Bei TECH werden Sie Zugang zu den gründlichsten und aktuellsten Fallstudien der akademischen Welt haben”

Der MBA in Technische Leitung von Data Science im Unternehmen ist ein maßgeschneidertes Programm, das zu 100% online unterrichtet wird, so dass die Studenten Zeit und Ort so wählen können, wie es ihrer Verfügbarkeit, ihren Zeitplänen und ihren Interessen am besten entspricht.  Ein 12-monatiges Fortbildungsprogramm mit dem Ziel, eine einzigartige und anregende Erfahrung zu machen, die den Grundstein für Ihren beruflichen Erfolg legt. 

Was Sie studieren, ist sehr wichtig. Die Fähigkeiten und Kompetenzen, die Sie erwerben, sind der Schlüssel. Glauben Sie uns, Sie werden keinen umfassenderen Lehrplan als diesen finden"  

Lehrplan

Der MBA in Technische Leitung von Data Science im Unternehmen der TECH Technologische Universität ist ein intensives Programm, das Sie auf die Herausforderungen und Geschäftsentscheidungen im Bereich der technischen Leitung von Data Science im Unternehmen vorbereitet.

Der Inhalt des MBA in Technische Leitung von Data Science im Unternehmen ist darauf ausgerichtet, die Entwicklung von Fähigkeiten zu fördern, die eine rigorosere Entscheidungsfindung in unsicheren Umgebungen ermöglichen. 

Der Student wird eine Vielzahl von praktischen Fällen in Einzel- und Teamarbeit analysieren. Es ist also ein echtes Eintauchen in reale Geschäftssituationen.

Dieser MBA befasst sich eingehend mit der Welt der IT in der Wirtschaft und wurde entwickelt, um Fachleute darin fortzubilden, fortgeschrittene Informationstechnologien in der Wirtschaft aus einer strategischen, internationalen und innovativen Perspektive zu verstehen. 

Ein Plan, der sich an Studenten richtet, die sich beruflich weiterentwickeln wollen, und der sie darauf vorbereitet, hervorragende Leistungen im Bereich der Unternehmensführung und -verwaltung zu erbringen. Ein Programm, das auf ihre Bedürfnisse und die ihres Unternehmens eingeht, mit innovativen Inhalten, die auf den neuesten Trends beruhen, unterstützt von der besten Lehrmethodik und einem außergewöhnlichen Lehrkörper, der ihnen die Fähigkeiten vermittelt, kritische Situationen auf kreative und effiziente Weise zu lösen.

Dieser MBA erstreckt sich über einen Zeitraum von 12 Monaten und ist in 15 Module unterteilt: 

Modul 1. Wichtigste Informationsmanagementsysteme
Modul 2.Datentypen und Datenlebenszyklus
Modul 3.Nummer - Maschinelles Lernen
Modul 4.Web-Analyse
Modul 5.Vorschriften zur Datenverwaltung
Modul 6.Skalierbare und zuverlässige Massendaten-Nutzungssysteme
Modul 7.Systemverwaltung für verteilte Einsätze
Modul 8.Internet of Things
Modul 9.Projektmanagement und Agile Methoden
Modul 10.Kommunikation, Führung und Teammanagement
Modul 11.Führung, Ethik und soziale Verantwortung der Unternehmen
Modul 12.Personal- und Talentmanagement
Modul 13.Wirtschaftlich-finanzielle Verwaltung
Modul 14.Kaufmännisches Management und strategisches Marketing
Modul 15.Geschäftsleitung

Wo, wann und wie wird unterrichtet?

TECH bietet den Studenten die Möglichkeit, diesen MBA in Technische Leitung von Data Science im Unternehmen vollständig online zu absolvieren. Während der 12-monatigen Spezialisierung wird der Student jederzeit auf alle Inhalte dieses Programms zugreifen können, was ihm die Möglichkeit gibt, seine Studienzeit selbst zu verwalten. 

Modul 1. Wichtigste Informationsmanagementsysteme

1.1. ERP und CRM 

1.1.1. Das ERP 
1.1.2. Das CRM 
1.1.3. Unterschiede zwischen ERP, CRM. Verkaufsstelle 
1.1.4. Geschäftlicher Erfolg   

1.2. Das ERP  

1.2.1. Das ERP 
1.2.2. Arten von ERPs  
1.2.3. Entwicklung eines ERP-Implementierungsprojekts 
1.2.4. ERP. Ressourcen-Optimierer 
1.2.5. Architektur eines ERP-Systems 

1.3. Vom ERP bereitgestellte Informationen  

1.3.1. Vom ERP bereitgestellte Informationen 
1.3.2. Vor- und Nachteile 
1.3.3. Die Information  

1.4. ERP-Systeme   

1.4.1. Aktuelle ERP-Systeme und -Tools 
1.4.2. Entscheidungsfindung 
1.4.3. ERP-Alltag 

1.5. CRM: Das Implementierungsprojekt  

1.5.1. Das CRM. Implementierungsprojekt 
1.5.2. Das CRM als Geschäftsinstrument 
1.5.3. Strategien für das Informationssystem 

1.6. CRM: Kundenbindung 

1.6.1. Ausgangspunkt  
1.6.2. Verkaufen oder Binden 
1.6.3. Erfolgsfaktoren in unserem Kundenbindungsprogramm 
1.6.4. Multi-Channel-Strategien 
1.6.5. Gestaltung von Treueaktionen 
1.6.6. E-Loyalität 

1.7. CRM: Kommunikationskampagnen 

1.7.1. Kommunikationsmaßnahmen und -pläne 
1.7.2. Die Bedeutung des informierten Kunden 
1.7.3. Das Zuhören gegenüber dem Kunden 

1.8. CRM: Unzufriedenheit vermeiden  

1.8.1. Kundenstornierungen 
1.8.2. Frühzeitige Fehlererkennung 
1.8.3. Verbesserungsprozesse  
1.8.4. Rückgewinnung des unzufriedenen Kunden 

1.9. CRM: Besondere Kommunikationsmaßnahmen 

1.9.1. Zielsetzung und Planung einer Firmenveranstaltung 
1.9.2. Konzeption und Durchführung der Veranstaltung 
1.9.3. Maßnahmen der Abteilung 
1.9.4. Analyse der Ergebnisse 

1.10. Beziehungsmarketing 

1.10.1. Implementierung. Fehler 
1.10.2. Methodik, Segmentierung und Verfahren  
1.10.3. Leistung, je nach Abteilung 
1.10.4. CRM-Tools  

Modul 2. Datentypen und Datenlebenszyklus 

2.1. Die Statistik 

2.1.1. Statistik: Deskriptive Statistik, statistische Schlussfolgerungen 
2.1.2. Population, Stichprobe, Individuum 
2.1.3. Variablen: Definition und Mess-Skalen 

2.2. Arten von statistischen Daten 

2.2.1. Je nach Typ 

2.2.1.1. Quantitativ: kontinuierliche Daten und diskrete Daten 
2.2.1.2. Qualitativ: Binomialdaten, nominale Daten und ordinale Daten

2.2.2. Je nach Form  

2.2.2.1. Numerisch 
2.2.2.2. Text  
2.2.2.3. Logisch 

2.2.3. Je nach Quelle 

2.2.3.1. Primär 
2.2.3.2. Sekundär 

2.3. Lebenszyklus der Daten 

2.3.1. Etappen des Zyklus 
2.3.2. Meilensteine des Zyklus 
2.3.3. FAIR-Prinzipien 

2.4. Die ersten Phasen des Zyklus 

2.4.1. Definition von Zielen 
2.4.2. Ermittlung des Ressourcenbedarfs 
2.4.3. Gantt-Diagramm 
2.4.4. Struktur der Daten 

2.5. Datenerhebung 

2.5.1. Methodik der Erhebung 
2.5.2. Erhebungsinstrumente 
2.5.3. Kanäle für die Erhebung 

2.6. Datenbereinigung 

2.6.1. Phasen der Datenbereinigung 
2.6.2. Qualität der Daten 
2.6.3. Datenmanipulation (mit R) 

2.7. Datenanalyse, Interpretation und Bewertung der Ergebnisse 

2.7.1. Statistische Maßnahmen 
2.7.2. Beziehungsindizes 
2.7.3. Data Mining 

2.8. Datenlager (Datawarehouse) 

2.8.1. Elemente, aus denen sie bestehen 
2.8.2. Design 
2.8.3. Zu berücksichtigende Aspekte 

2.9. Verfügbarkeit von Daten 

2.9.1.     Zugang 
2.9.2. Nützlichkeit 
2.9.3. Sicherheit 

2.10. Regulatorische Aspekte 

2.10.1. Datenschutzgesetz 
2.10.2. Bewährte Verfahren 
2.10.3. Andere regulatorische Aspekte 

Modul 3. Nummer - Maschinelles Lernen  

3.1. Wissen in Datenbanken

3.1.1. Vorverarbeitung der Daten 
3.1.2. Analyse 
3.1.3. Interpretation und Bewertung der Ergebnisse

3.2. Machine Learning 

3.2.1. Überwachtes und unüberwachtes Lernen. 
3.2.2. Lernen durch Verstärkung
3.2.3. Teilüberwachtes Lernen. Andere Lernmodelle

3.3. Klassifizierung 

3.3.1. Entscheidungsbäume und regelbasiertes Lernen
3.3.2. Support Vector Machines (SVM) und K-Nearest-Neighbour-Algorithmen (KNN)
3.3.3. Metriken für Sortieralgorithmen

3.4. Regression 

3.4.1. Lineare Regression und logistische Regression
3.4.2. Nichtlineare Regressionsmodelle
3.4.3. Zeitreihenanalyse
3.4.4. Metriken für Regressionsalgorithmen

3.5. Clustering 

3.5.1. Hierarchisches Clustering
3.5.2. Partitionelles Clustering
3.5.3. Metriken für Clustering-Algorithmen

3.6. Assoziationsregeln 

3.6.1. Maßnahmen von Interesse 
3.6.2. Methoden der Regelextraktion
3.6.3. Metriken für Assoziationsregelalgorithmen

3.7. Multiklassifizierer 

3.7.1. Bootstrap Aggregation oder Bagging
3.7.2. Random-Forests-Algorithmus
3.7.3. Boosting-Algorithmus

3.8. Probabilistische Schlussfolgerungsmodelle

3.8.1. Probabilistisches Schlussfolgern
3.8.2. Bayes'sche Netze oder Glaubensnetze
3.8.3. Versteckte Markov-Modelle

3.9. Mehrschichtiges Perzeptron

3.9.1. Neuronales Netz
3.9.2. Maschinelles Lernen mit neuronalen Netzen
3.9.3. Gradientenabstieg, Backpropagation und Aktivierungsfunktionen
3.9.4. Implementierung eines künstlichen neuronalen Netzes

3.10. Tiefes Lernen

3.10.1. Tiefe neuronale Netze. Einleitung
3.10.2. Faltungsnetzwerke
3.10.3. Sequence Modeling
3.10.4. Tensorflow und Pytorch

Modul 4. Web-Analyse

4.1. Web-Analyse 

4.1.1. Einführung 
4.1.2. Entwicklung der Web-Analyse 
4.1.3. Analyse-Prozess 

4.2. Google Analytics 

4.2.1. Google Analytics 
4.2.2. Nutzung  
4.2.3. Ziele 

4.3. Hits. Interaktionen mit der Website 

4.3.1. Grundlegende Metriken 
4.3.2. KPI (Key Performance Indicators) 
4.3.3. Angemessene Konversionsraten 

4.4. Häufige Abmessungen 

4.4.1. Quelle 
4.4.2. Mittel 
4.4.3. Keyword 
4.4.4. Kampagne 
4.4.5. Personalisierte Kennzeichnung 

4.5. Google Analytics-Konfiguration 

4.5.1. Installation. Erstellung eines Kontos 
4.5.2. Versionen des Tools: UA/GA4 
4.5.3. Tracking-Tag 
4.5.4. Umstellungsziele 

4.6. Organisation von Google Analytics 

4.6.1. Konto 
4.6.2. Eigentum 
4.6.3. Ansicht 

4.7. Google Analytics-Berichte 

4.7.1. Echtzeit 
4.7.2. Publikum 
4.7.3. Akquisition 
4.7.4. Verhalten 
4.7.5. Umrechnungen 
4.7.6. Elektronischer Geschäftsverkehr 

4.8. Erweiterte Google Analytics-Berichte 

4.8.1. Maßgeschneiderte Berichte 
4.8.2. Panels 
4.8.3. APIs 

4.9. Filter und Segmente 

4.9.1. Filter 
4.9.2. Segment 
4.9.3. Arten von Segmenten: vordefiniert/kundenspezifisch 
4.9.4. Remarketing-Listen 

4.10. Digitaler Analyseplan 

4.10.1. Messung 
4.10.2. Umsetzung im technologischen Umfeld 
4.10.3. Schlussfolgerungen 

Modul 5. Vorschriften zur Datenverwaltung

5.1. Rechtlicher Rahmen

5.1.1. Rechtlicher Rahmen und Definitionen 
5.1.2. Verantwortliche, Mitverantwortliche und Datenverarbeiter
5.1.3. Zukünftiger Rechtsrahmen für künstliche Intelligenz

5.2. Grundsätze für die Verarbeitung personenbezogener Daten 

5.2.1. Rechtmäßigkeit, Fairness und Transparenz sowie Zweckbindung
5.2.2. Datenminimierung, Genauigkeit und Begrenzung der Speicherdauer
5.2.3. Integrität und Vertraulichkeit
5.2.4. Proaktive Rechenschaftspflicht

5.3. Legitimation und Berechtigung zur Bearbeitung

5.3.1. Grundlage der Legitimität
5.3.2. Berechtigungen für die Verarbeitung besonderer Datenkategorien
5.3.3. Kommunikation von Daten

5.4. Rechte des Einzelnen

5.4.1. Transparenz und Information
5.4.2. Zugang
5.4.3. Berichtigung und Löschung (Recht auf Vergessenwerden), Einschränkung und Übertragbarkeit
5.4.4. Widersprüche und automatisierte Einzelentscheidungen
5.4.5. Grenzen der Rechte 

5.5. Risikoanalyse und -management

5.5.1. Identifizierung von Risiken und Bedrohungen für die Rechte und Freiheiten natürlicher Personen 
5.5.2. Risikobewertung
5.5.3. Risikobehandlungsplan

5.6. Proaktive Haftungsmaßnahmen

5.6.1. Identifizierung von Techniken zur Gewährleistung und zum Nachweis der Einhaltung der Vorschriften
5.6.2. Organisatorische Maßnahmen
5.6.3. Technische Maßnahmen
5.6.4. Management von Sicherheitsverletzungen bei personenbezogenen Daten
5.6.5. Das Register der Verarbeitungstätigkeiten 

5.7. Die Folgenabschätzung zum Schutz personenbezogener Daten (DPIA)

5.7.1. Aktivitäten, die DPIA erfordern  
5.7.2. Methodik der Bewertung
5.7.3. Identifizierung von Risiken, Bedrohungen und Konsultation der Aufsichtsbehörde

5.8. Vertragliche Regelung: Verantwortliche, Beauftragte und andere Personen

5.8.1. Verträge zum Datenschutz 
5.8.2. Zuweisung von Verantwortlichkeiten
5.8.3. Verträge zwischen mitverantwortlichen Parteien

5.9. Internationale Datenübermittlung

5.9.1. Definition und zu treffende Schutzmaßnahmen 
5.9.2. Standardvertragsklauseln
5.9.3. Andere Instrumente zur Regelung von Überweisungen

5.10. Verstöße und Sanktionen

5.10.1. Verstöße und Sanktionen
5.10.2. Kriterien für die Graduierung von Sanktionen
5.10.3. Der Datenschutzbeauftragte
5.10.4. Aufgaben der Aufsichtsbehörden

Modul 6. Skalierbare und zuverlässige Massendaten-Nutzungssysteme  

6.1. Skalierbarkeit, Verlässlichkeit und Wartungsfreundlichkeit 

6.1.1. Skalierbarkeit 
6.1.2. Verlässlichkeit 
6.1.3. Instandhaltbarkeit 

6.2. Datenmodelle 

6.2.1. Entwicklung von Datenmodellen 
6.2.2. Vergleich zwischen dem relationalen Modell und dem dokumentenbasierten NoSQL-Modell 
6.2.3. Netzmodell 

6.3. Datenspeicher- und -abrufsysteme 

6.3.1. Strukturierte Speicherung von Logs 
6.3.2. Speicherung in Segmenttabellen 
6.3.3. B-Bäume 

6.4. Dienste, Nachrichtenübermittlung und Datenkodierungsformate 

6.4.1. Datenfluss in REST-Diensten 
6.4.2. Datenfluss bei der Nachrichtenübermittlung 
6.4.3. Formate für den Nachrichtenversand 

6.5. Replikation 

6.5.1. CAP-Theorem 
6.5.2. Konsistenzmodelle 
6.5.3. Replikationsmodelle auf der Grundlage von Leader- und Follower-Konzepten 

6.6. Verteilte Transaktionen 

6.6.1. Atomare Transaktionen 
6.6.2. Verteilte Transaktionen aus verschiedenen Ansätzen Calvin, Spanner 
6.6.3. Serialisierbarkeit 

6.7. Aufteilung 

6.7.1. Arten der Partitionierung
6.7.2. Indexe in Partitionen
6.7.3. Neugewichtung der Partition

6.8. Stapelverarbeitung 

6.8.1. Stapelverarbeitung 
6.8.2. MapReduce 
6.8.3. Post-MapReduce-Ansätze 

6.9. Verarbeitung von Datenströmen 

6.9.1. Nachrichten-Systeme 
6.9.2. Persistenz von Datenströmen 
6.9.3. Datenfluss Verwendungen und Operationen 

6.10. Anwendungsbeispiele. Twitter, Facebook, Uber 

6.10.1. Twitter: die Verwendung von Caches 
6.10.2. Facebook: nichtrelationale Modelle 
6.10.3. Uber: verschiedene Modelle für verschiedene Zwecke 

Modul 7. Systemverwaltung für verteilte Einsätze  

7.1. Klassische Verwaltung. Das monolithische Modell 

7.1.1. Klassische Anwendungen. Monolithisches Modell 
7.1.2. Systemanforderungen für monolithische Anwendungen 
7.1.3. Die Verwaltung von monolithischen Systemen 
7.1.4. Automatisierung 

7.2. Verteilte Anwendungen. Microservices 

7.2.1. Paradigma der verteilten Datenverarbeitung 
7.2.2. Microservice-basierte Modelle 
7.2.3. Systemanforderungen für verteilte Modelle 
7.2.4. Monolithische vs. verteilte Anwendungen 

7.3. Tools zur Ressourcenausbeutung 

7.3.1. Verwaltung von „Eisen” 
7.3.2. Virtualisierung 
7.3.3. Emulation 
7.3.4. Paravirtualisierung 

7.4. IaaS, PaaS und SaaS-Modelle 

7.4.1. IaaS-Modell 
7.4.2. PaaS-Modell 
7.4.3. SaaS-Modell 
7.4.4. Entwurfsmuster 

7.5. Containerisierung 

7.5.1. Virtualisierung mit cgroups 
7.5.2. Containers 
7.5.3. Von der Anwendung zum Container 
7.5.4. Container-Orchestrierung 

7.6. Clustering 

7.6.1. Hohe Leistung und hohe Verfügbarkeit 
7.6.2. Modelle für hohe Verfügbarkeit 
7.6.3. Cluster als SaaS-Plattform 
7.6.4. Cluster-Sicherung 

7.7. Cloud Computing 

7.7.1. Cluster vs. Clouds 
7.7.2. Arten von Clouds 
7.7.3. Cloud-Service-Modelle 
7.7.4. Überzeichnung 

7.8. Überwachung und Prüfung 

7.8.1. Arten der Überwachung 
7.8.2. Visualisierung 
7.8.3. Prüfung der Infrastruktur 
7.8.4. Chaos Engineering 

7.9. Fallstudie: Kubernetes 

7.9.1. Struktur 
7.9.2. Verwaltung 
7.9.3. Bereitstellung von Dienstleistungen 
7.9.4. Entwicklung von Diensten für K8S 

7.10. Fallstudie: OpenStack 

7.10.1. Struktur 
7.10.2. Verwaltung 
7.10.3. Einsätze 
7.10.4. Entwicklung von Diensten für OpenStack

Modul 8. Internet of Things

8.1. Internet of Things (IoT)   

8.1.1. Internet der Zukunft
8.1.2. Internet of Things und Industrial Internet of Things  
8.1.3. Industrielles Internet-Konsortium 

8.2. Referenzarchitektur   

8.2.1. Die Referenzarchitektur  
8.2.2. Schichten und Komponenten  

8.3. IoT-Geräte   

8.3.1. Klassifizierung  
8.3.2. Komponenten   
8.3.3. Sensoren und Aktuatoren  

8.4. Kommunikationsprotokolle   

8.4.1. Klassifizierung  
8.4.2. OSI-Modell  
8.4.3. Technologien  

8.5. IoT- und IIoT-Plattformen   

8.5.1. Die IoT-Plattform  
8.5.2. Allzweck-Cloud-Plattformen  
8.5.3. Industrielle Plattformen  
8.5.4. Open-Source-Plattformen  

8.6. Datenmanagement in IoT-Plattformen   

8.6.1. Verwaltungsmechanismen  
8.6.2. Offene Daten  
8.6.3. Datenaustausch  
8.6.4. Datenvisualisierung  

8.7. IoT-Sicherheit  

8.7.1. Sicherheitsanforderungen  
8.7.2. Sicherheitsbereiche  
8.7.3. Sicherheitsstrategien  
8.7.4. IIoT-Sicherheit  

8.8. Anwendungsbereiche von IoT-Systemen   

8.8.1. Intelligente Städte  
8.8.2. Gesundheit und Fitness  
8.8.3. Intelligentes Zuhause  
8.8.4. Andere Anwendungen  

8.9. Anwendung des IIoT in verschiedenen Industriesektoren   

8.9.1. Herstellung  
8.9.2. Transport  
8.9.3. Energie  
8.9.4. Landwirtschaft und Viehzucht  
8.9.5. Andere Sektoren  

8.10. Integration des IIoT in das Industrie 4.0-Modell   

8.10.1. IoRT (Internet of Robotics Things)  
8.10.2. 3D-Additive-Fertigung  
8.10.3. Big Data Analytics

Modul 9. Projektmanagement und Agile Methoden

9.1. Projektleitung und -management

9.1.1. Das Projekt 
9.1.2. Phasen eines Projekts 
9.1.3. Projektleitung und -management 

9.2. PMI-Projektmanagement-Methodik 

9.2.1. PMI (Project Management Institute) 
9.2.2. PMBOK 
9.2.3. Unterschied zwischen Projekt, Programm und Projektportfolio 
9.2.4. Entwicklung der Organisationen, die mit Projekten arbeiten
9.2.5. Prozesswerte in Organisationen 

9.3. PMI-Projektmanagement-Methodik: Prozess

9.3.1. Prozessgruppen 
9.3.2. Wissensgebiete 
9.3.3. Prozess-Matrix 

9.4. Agile Methoden für das Projektmanagement 

9.4.1. VUCA Kontext (Volatilität, Ungewissheit, Komplexität und Mehrdeutigkeit) 
9.4.2. Agile Werte 
9.4.3. Grundsätze des Agilen Manifests 

9.5. Framework Agile SCRUM für das Projektmanagement

9.5.1. SCRUM 
9.5.2. Die Säulen der SCRUM-Methodik 
9.5.3. Werte in SCRUM 

9.6. Framework Agile SCRUM für das Projektmanagement. Prozess 

9.6.1. Der SCRUM-Prozess 
9.6.2. Typisierte Rollen in einem SCRUM-Prozess 
9.6.3. Zeremonien in SCRUM 

9.7. Framework Agile SCRUM für das Projektmanagement. Artefakte

9.7.1. Artefakte in einem SCRUM-Prozess
9.7.2. Das SCRUM-Team 
9.7.3. Metriken zur Bewertung der Leistung von SCRUM-Teams 

9.8. Framework Agile KANBAN für das Projektmanagement. Kanban-Methode 

9.8.1. Kanban 
9.8.2. Vorteile von Kanban 
9.8.3. Kanban-Methode. Elemente

9.9. Framework Agile KANBAN für das Projektmanagement. Praktiken der Kanban-Methode 

9.9.1. Kanban-Werte 
9.9.2. Grundsätze der Kanban-Methode 
9.9.3. Allgemeine Praktiken der Kanban-Methode 
9.9.4. Metriken für die Kanban-Leistungsbewertung 

9.10. Vergleich: PMI, SCRUM und KANBAN

9.10.1. PMI – SCRUM 
9.10.2. PMI – KANBAN 
9.10.3. SCRUM - KANBAN 

Modul 10. Kommunikation, Führung und Teammanagement 

10.1. Organisatorische Entwicklung im Unternehmen 

10.1.1. Klima, Kultur und organisatorische Entwicklung im Unternehmen 
10.1.2. Management des Humankapitals 

10.2. Führungsmodelle. Entscheidungsfindung 

10.2.1. Paradigmenwechsel bei den Management-Modellen 
10.2.2. Managementprozess des Technologieunternehmens 
10.2.3. Entscheidungsfindung. Planungsinstrumente 

10.3. Führung. Delegation und Empowerment 

10.3.1. Führung 
10.3.2. Delegation und Empowerment 
10.3.3. Leistungsbeurteilung

10.4. Führung. Talent- und Engagement-Management 

10.4.1. Talentmanagement im Unternehmen 
10.4.2. Engagement-Management im Unternehmen 
10.4.3. Verbesserung der Kommunikation im Unternehmen 

10.5. Angewandtes Coaching im Unternehmen 

10.5.1. Management-Coaching 
10.5.2. Team-Coaching 

10.6. Angewandtes Mentoring im Unternehmen 

10.6.1. Profil des Mentors 
10.6.2. Die 4 Prozesse eines Mentoring-Programms 
10.6.3. Tools und Techniken in einem Mentoring-Prozess 
10.6.4. Vorteile von Mentoring im Unternehmensumfeld 

10.7. Teammanagement I. Zwischenmenschliche Beziehungen 

10.7.1. Zwischenmenschliche Beziehungen 
10.7.2. Beziehungsstile: Ansätze 
10.7.3. Effiziente Meetings und Vereinbarungen in schwierigen Situationen 

10.8. Teammanagement II. Die Konflikte 

10.8.1. Die Konflikte 
10.8.2. Konfliktvermeidung, -bewältigung und -beilegung 

10.8.2.1. Strategien zur Konfliktvermeidung 
10.8.2.2. Management von Konflikten. Grundlegende Prinzipien 

10.8.3. Strategien zur Konfliktlösung 
10.8.4. Stress und Arbeitsmotivation 

10.9. Teammanagement III. Die Verhandlung 

10.9.1. Verhandlung auf Managementebene in Technologieunternehmen 
10.9.2. Verhandlungsstile 
10.9.3. Phasen der Verhandlung 

10.9.3.1. Bei Verhandlungen zu überwindende Hindernisse 

10.10. Teammanagement IV. Verhandlungstechniken 

10.10.1. Verhandlungstechniken und -strategien 
10.10.1.1. Strategien und Hauptarten der Verhandlung 
10.10.1.2. Verhandlungstaktik und praktische Fragen 
10.10.2. Die Figur des Verhandlungsführers 

Modul 11. Führung, Ethik und soziale Verantwortung der Unternehmen 

11.1. Globalisierung und Governance 

11.1.1. Governance und Corporate Governance
11.1.2. Grundlagen der Corporate Governance in Unternehmen    
11.1.3. Die Rolle des Verwaltungsrats im Rahmen der Corporate Governance

11.2. Cross Cultural Management 

11.2.1. Konzept des Cross Cultural Management
11.2.2. Beiträge zum Wissen über Nationalkulturen
11.2.3. Diversitätsmanagement

11.3. Wirtschaftsethik

11.3.1. Ethik und Moral 
11.3.2. Wirtschaftsethik 
11.3.3. Führung und Ethik in Unternehmen

11.4. Nachhaltigkeit

11.4.1. Nachhaltigkeit und nachhaltige Entwicklung
11.4.2. Agenda 2030
11.4.3. Nachhaltige Unternehmen

11.5. Soziale Verantwortung des Unternehmens

11.5.1. Die internationale Dimension der sozialen Verantwortung der Unternehmen 
11.5.2. Umsetzung der sozialen Verantwortung der Unternehmen 
11.5.3. Auswirkungen und Messung der sozialen Verantwortung der Unternehmen

11.6. Verantwortungsvolle Management-Systeme und -Tools 

11.6.1. CSR: Soziale Verantwortung der Unternehmen    
11.6.2. Wesentliche Aspekte für die Umsetzung einer verantwortungsvollen Managementstrategie
11.6.3. Schritte zur Umsetzung eines Managementsystems für die soziale Verantwortung von Unternehmen    
11.6.4. CSR-Instrumente und -Standards

11.7. Multinationale Unternehmen und Menschenrechte 

11.7.1. Globalisierung, multinationale Unternehmen und Menschenrechte 
11.7.2. Multinationale Unternehmen und internationales Recht
11.7.3. Rechtsinstrumente für multinationale in der Menschenrechtsgesetzgebung

11.8. Rechtliches Umfeld und Corporate Governance 

11.8.1. Internationale Einfuhr- und Ausfuhrnormen
11.8.2. Geistiges und gewerbliches Eigentum 
11.8.3. Internationales Arbeitsrecht 

Modul 12. Personal- und Talentmanagement 

12.1. Strategisches Management von Menschen 

12.1.1. Strategisches Management und Humanressourcen
12.1.2. Strategisches Management von Menschen

12.2. Kompetenzbasiertes HR-Management 

12.2.1. Analyse des Potenzials
12.2.2. Vergütungspolitik
12.2.3. Karriere-/Nachfolge-Pläne 

12.3. Leistungsbewertung und Leistungsmanagement 

12.3.1. Leistungsmanagement
12.3.2. Leistungsmanagement: Ziel und Prozesse 

12.4. Innovation im Talent- und Personalmanagement 

12.4.1. Modelle für strategisches Talentmanagement
12.4.2. Identifizierung, Schulung und Entwicklung von Talenten 
12.4.3. Loyalität und Bindung
12.4.4. Proaktivität und Innovation

12.5. Motivation 

12.5.1. Die Natur der Motivation 
12.5.2. Erwartungstheorie 
12.5.3. Theorien der Bedürfnisse
12.5.4. Motivation und finanzieller Ausgleich 

12.6. Entwicklung von Hochleistungsteams 

12.6.1. Hochleistungsteams: selbstverwaltete Teams 
12.6.2. Methoden für das Management selbstverwalteter Hochleistungsteams 

12.7. Änderungsmanagement 

12.7.1. Änderungsmanagement
12.7.2. Art der Prozesse des Änderungsmanagements
12.7.3. Etappen oder Phasen im Änderungsmanagement

12.8. Verhandlungsführung und Konfliktmanagement 

12.8.1. Verhandlung 
12.8.2. Management von Konflikten 
12.8.3. Krisenmanagement

12.9. Kommunikation der Führungskräfte 

12.9.1. Interne und externe Kommunikation in der Geschäftswelt 
12.9.2. Abteilungen für Kommunikation 
12.9.3. Der Verantwortliche für die Kommunikation des Unternehmens. Das Profil des Dircom 

12.10. Produktivität, Anziehung, Bindung und Aktivierung von Talenten 

12.10.1. Produktivität 
12.10.2. Anziehung und Bindung von Talenten

Modul 13. Wirtschaftlich-finanzielle Verwaltung 

13.1. Wirtschaftliches Umfeld

13.1.1. Makroökonomisches Umfeld und das nationale Finanzsystem
13.1.2. Finanzinstitutionen 
13.1.3. Finanzmärkte
13.1.4. Finanzielle Vermögenswerte
13.1.5. Andere Einrichtungen des Finanzsektors

13.2. Buchhaltung

13.2.1. Grundlegende Konzepte  
13.2.2. Die Vermögenswerte des Unternehmens  
13.2.3. Die Verbindlichkeiten des Unternehmens     
13.2.4. Das Nettovermögen des Unternehmens 
13.2.5. Die Gewinn- und Verlustrechnung

13.3. Informationssysteme und Business Intelligence

13.3.1. Grundlagen und Klassifizierung
13.3.2. Phasen und Methoden der Kostenzuweisung
13.3.3. Wahl der Kostenstelle und Auswirkung

13.4. Haushalts- und Verwaltungskontrolle    

13.4.1. Das Haushaltsmodell 
13.4.2. Das Kapitalbudget
13.4.3. Das Betriebsbudget 
13.4.5. Cash-Budget 
13.4.6. Haushaltsüberwachung

13.5. Finanzmanagement

13.5.1. Die finanziellen Entscheidungen des Unternehmens 
13.5.2. Die Finanzabteilung 
13.5.3. Bargeldüberschüsse 
13.5.4. Mit der Finanzverwaltung verbundene Risiken 
13.5.5. Risikomanagement der Finanzverwaltung

13.6. Finanzielle Planung

13.6.1. Definition der Finanzplanung
13.6.2. Zu ergreifende Maßnahmen bei der Finanzplanung
13.6.3. Erstellung und Festlegung der Unternehmensstrategie 
13.6.4. Die Cash-Flow-Tabelle 
13.6.5. Die Tabelle des Betriebskapitals

13.7. Finanzielle Unternehmensstrategie

13.7.1. Unternehmensstrategie und Finanzierungsquellen 
13.7.2. Produkte zur Unternehmensfinanzierung 

13.8. Strategische Finanzierungen

13.8.1. Selbstfinanzierung  
13.8.2. Erhöhung der Eigenmittel  
13.8.3. Hybride Ressourcen 
13.8.4. Finanzierung durch Intermediäre 

13.9. Finanzanalyse und -planung

13.9.1. Analyse der Bilanz 
13.9.2. Analyse der Gewinn- und Verlustrechnung
13.9.3. Analyse der Rentabilität

13.10. Analyse und Lösung von Fällen/Problemen 

13.10.1. Finanzinformationen über Industria de Diseño y Textil, S.A. (INDITEX)

Modul 14. Kaufmännisches Management und strategisches Marketing 

14.1. Kaufmännisches Management

14.1.1. Konzeptioneller Rahmen des kaufmännischen Managements
14.1.2. Kaufmännische Strategie und Planung
14.1.3. Die Rolle der kaufmännischen Leiter

14.2. Marketing 

14.2.1. Marketingkonzept 
14.2.2. Grundlagen des Marketings
14.2.3. Marketingaktivitäten des Unternehmens

14.3. Strategisches Marketingmanagement

14.3.1. Konzept des strategischen Marketings
14.3.2. Konzept der strategischen Marketingplanung
14.3.3. Phasen des Prozesses der strategischen Marketingplanung

14.4. Digitales Marketing und elektronischer Handel

14.4.1. Ziele des digitalen Marketings und des elektronischen Handels 
14.4.2. Digitales Marketing und die dabei verwendeten Medien 
14.4.3. Elektronischer Handel. Allgemeiner Kontext 
14.4.4. Kategorien des elektronischen Handels 
14.4.5. Vor- und Nachteile des E-Commerce im Vergleich zum traditionellen Handel

14.5. Digitales Marketing zur Stärkung der Marke

14.5.1. Online-Strategien zur Verbesserung des Rufs Ihrer Marke
14.5.2. Branded Content & Storytelling

14.6. Digitales Marketing zur Anwerbung und Bindung von Kunden

14.6.1. Strategien für Loyalität und Engagement über das Internet 
14.6.2. Visitor Relationship Management 
14.6.3. Hypersegmentierung

14.7. Verwaltung digitaler Kampagnen

14.7.1. Was ist eine digitale Werbekampagne?    
14.7.2. Schritte zum Start einer Online-Marketing-Kampagne
14.7.3. Fehler bei digitalen Werbekampagnen

14.8. Verkaufsstrategie

14.8.1. Verkaufsstrategie 
14.8.2. Verkaufsmethoden

14.9. Unternehmenskommunikation 

14.9.1. Konzept
14.9.2. Bedeutung der Kommunikation in der Organisation
14.9.3. Art der Kommunikation in der Organisation
14.9.4. Funktionen der Kommunikation in der Organisation
14.9.5. Elemente der Kommunikation 
14.9.6. Kommunikationsprobleme 
14.9.7. Szenarien der Kommunikation

14.10. Kommunikation und digitaler Ruf

14.10.1. Online-Reputation  
14.10.2. Wie misst man die digitale Reputation? 
14.10.3. Online-Reputationstools 
14.10.4. Online-Reputationsbericht  
14.10.5. Online-Branding

Modul 15. Geschäftsleitung 

15.1. General Management

15.1.1. Konzept des General Management
15.1.2. Die Tätigkeit des Generaldirektors
15.1.3. Der Generaldirektor und seine Aufgaben
15.1.4. Transformation der Arbeit der Direktion

15.2. Der Manager und seine Aufgaben. Organisationskultur und Ansätze 

15.2.1. Der Manager und seine Aufgaben. Organisationskultur und Ansätze

15.3. Operations Management

15.3.1. Bedeutung des Managements
15.3.2. Die Wertschöpfungskette
15.3.3. Qualitätsmanagement

15.4. Rhetorik und Schulung von Pressesprechern 

15.4.1. Zwischenmenschliche Kommunikation 
15.4.2. Kommunikationsfähigkeit und Einflussnahme
15.4.3. Kommunikationsbarrieren

15.5. Persönliche und organisatorische Kommunikationsmittel

15.5.1. Zwischenmenschliche Kommunikation
15.5.2. Instrumente der zwischenmenschlichen Kommunikation
15.5.3. Kommunikation in der Organisation     
15.5.4. Werkzeuge in der Organisation    

15.6. Krisenkommunikation

15.6.1. Krise
15.6.2. Phasen der Krise
15.6.3. Nachrichten: Inhalt und Momente    

15.7. Einen Krisenplan vorbereiten

15.7.1. Analyse der potenziellen Probleme
15.7.2. Planung
15.7.3. Angemessenheit des Personals

15.8. Emotionale Intelligenz

15.8.1. Emotionale Intelligenz und Kommunikation
15.8.2. Durchsetzungsvermögen, Einfühlungsvermögen und aktives Zuhören
15.8.3. Selbstwertgefühl und emotionale Kommunikation

15.9. Personal Branding

15.9.1. Strategien für den Aufbau einer persönlichen Marke
15.9.2. Regeln des Personal Branding
15.9.3. Instrumente zum Aufbau einer persönlichen Marke

15.10. Führungsrolle und Teammanagement 

15.10.1. Leadership und Führungsstile 
15.10.2. Führungsqualitäten und Herausforderungen 
15.10.3. Management von Veränderungsprozessen 
15.10.4. Leitung multikultureller Teams

Ein einzigartiges, wichtiges und entscheidendes Programm, um Ihre berufliche Entwicklung voranzutreiben und den endgültigen Sprung zu schaffen"