Inhalt: In diesem Modul bringen Studierende theoretisches Wissen aus dem Social Media Marketing in die Praxis: Sie werden kreativ, drehen und schneiden eigene Videos, posten diese und erleben live, was ankommt und erfolgreich wird. Sie erarbeiten ein fundiertes Verständnis von Corporate Influencing und Personal Branding sowie deren Bedeutung für die Positionierung der THA und für den eigenen Auftritt auf Social Media. Dabei lernen sie, ihre Zielgruppe gezielt anzusprechen, Reaktionen einzuordnen und ihre Kommunikation auf Basis von Feedback weiterzuentwickeln. Parallel erwerben sie handwerkliche Fähigkeiten von der Konzept- und Drehbuchentwicklung bis zur Produktion zielgruppengerechter Beiträge für die beiden zentralen Social Media Kanäle der SOB: Instagram und LinkedIn.
Ziel: Entwicklung authentischer Videos und Beiträge für die beiden zentralen Social Media Kanäle der SOB: Instagram und LinkedIn. Sie machen die Kompetenzen der Studierenden sowie die Besonderheiten des Studiums an der School of Business sichtbar und sprechen so Studieninteressierte und Arbeitgeber:innen gleichermaßen an.
Teilnehmerzahl: Maximal 12 Teilnehmer:innen.
Anmeldung ab sofort über barbara.eschner@tha.de (Plätze werden in Reihenfolge der Anmeldungen vergeben.)
Studienvoraussetzungen: IM: Bewerbung ab 80 CP (wird als Projekt angerechnet) / BW & WP: Bewerbung ab dem 3. Semester (wird als FWP angerechnet)
Leistungsnachweis: Portfolioprüfung bestehend aus verschiedenen schriftlichen Dokumentationen (Konzepte, Storyboards), deren Präsentationen sowie die Konzeption und semesterbegleitende Erstellung von veröffentlichungsreifen Videos und Beiträgen.
Credits: 4 SWS / 5 CP
Dozenten: Prof. Dr. Barbara Eschner und Isabelle Schütz (Allianz), unterstützt von Johannes Christopher (DMZ)
Termine: Mittwoch, 17:30-19:00, sowie zwei Workshops Montag, 12.10.26 und 23.11.26, jeweils 14.00-18:00, Raum tbd
Semesterplan
- Dozent/in: Barbara Eschner
FWP Angewandte Datenanalyse (BW/IM/WiPsy/IWI; 2 SWS; 2 Credits)
Der Kurs wird ausschließlich über Zoom stattfinden! TeilnehmerInnen können via VPN auf SPSS zugreifen.
Dieser Kurs vermittelt grundlegende Fähigkeiten, um einen empirischen Datensatz zu analysieren. Es wird sowohl die korrekte statistische Interpretation der Daten geübt als auch die Ableitung inhaltlicher Handlungsempfehlungen. Es wird weitestgehend auf Formeln verzichtet. Die TeilnehmerInnen sind nach Abschluss des FWP in der Lage, die korrekte Methode auszuwählen, die notwendigen Schritte in SPSS auszuführen und den Output korrekt zu interpretieren.
Die Datenanalyse erfolgt mit Hilfe des Softwarepakets SPSS. Dieses ist sehr benutzerfreundlich, da menügesteuert. Programmierkenntnisse sind nicht erforderlich und werden auch nicht vermittelt.
Der Kurs wird ausschließlich über Zoom stattfinden. Die einzelnen Teile werden aufgezeichnet. Somit ist auch eine Kursteilnahme möglich, wenn jemand zu einzelnen Terminen nicht kann.
Der Kurs ist ideal für Studierende, die im Rahmen von Projekt- und/oder Abschlussarbeiten empirische Fragestellungen bearbeiten, aber natürlich genauso für alle anderen interessierten Studierenden.
Inhalte: 1. Datenmanagement mit SPSS, bspw. Einlesen von Daten, Sortieren, Labeling der Variablen, Transformation/Berechnung von Variablen.
2. Auswertungsmethoden - Ausführung in SPSS und Anwendung an empirischen Fragestellungen
Behandelte Methoden: Uni- und bivariate deskriptive Analyse, Mittelwerttests, lineare Regressionsanalyse.
Dozentin: Prof. Dr. Hariet Köstner
Leistungsnachweis: Analyse eines vorgegebenen Datensatzes mit Hilfe der erlernten Methoden am PC (60 Minuten, open book)
Termine der Veranstaltung: Der Kurs findet geblockt an folgenden Tagen statt, wobei sich einzelne Tage und Anfangszeiten noch ändern können. Terminüberschneidungen bitte im Vorfeld mit der Dozentin klären, es findet sich immer eine Lösung!
Donnerstag 24.09. 8:30 - 15:00 Uhr
Freitag 25.09. 8:30 - 15:00 Uhr
Montag 28.09. 8:30 - 15:00 Uhr
Dienstag 29.09. 8:30 - 15:00 Uhr
Die rechnergestützte Prüfung findet in Absprache mit den TeilnehmerInnen in KW 41 /42 statt.
Anmeldungen ab sofort an hariet.koestner@tha.de
Maximal 12 Teilnehmende, Plätze werden in Reihenfolge der Anmeldungen vergeben.
- Dozent/in: Hariet Köstner
FWP Entrepreneurial AI (IWI+BW+IM only, 4 SWS, 4 CP)
Inhalt: Was bedeutet es, eine unternehmerische Denk- und Geisteshaltung an den Tag zu legen? Welche Grundlagen i.S. Künstliche Intelligenz sollten Sie als zukünftige/r Absolvent/in beherrschen? Und was hat das alles mit Ethik und Führung zu tun? - Antworten darauf erfahren Sie in dieser Veranstaltung.
Procedere: Wer die Online-Module inklusive der Aufgaben absolviert hat, bekommt ein Zertifikat über die Teilnahme. Noten werden nicht vergeben. Sie werden - soweit Zertifikat nachweisbar - das FWP "mit Erfolg bestanden" haben. So jedenfalls stünde es dann in Ihrem Zeugnis geschrieben.
Hinweis: Übrigens, für alle BWler (m/w/d), die "Marketing & Entrepreneurship" als Studienrichtung wählen, ebenso wie für alle IWIs (m/w/d), die im WiSe 26/27 "Entrepreneurship & Technologie-Management" absolvieren, ist die Teilnahme an diesem FWP wirklich eine tolle Ergänzung.
Beginn: Einmalige Einführungsveranstaltung am 5. Oktober 2026 um 14:00 Uhr (online); ZOOM-Einwahldaten werden tags zuvor bekannt gegeben.Anmeldung: zentral (7.-13. September 2026)
- Dozent/in: Marcus Labbé
Topics: In this course, we will focus on various EU policy areas from the perspective of economics (theory and practice). We will discuss policy areas such as the EU Financial System, EU Environmental and Energy Policy, EU Competition Policy, EU Trade Policy, EU Regional Policy and Digitalization in the EU.
Date: 09:45 - 11:15 (on campus) and Fridays 09:45 - 11:15 (online via zoom)
Assessment and contribution to module mark: written exam (bonus point scheme will be offered)
Credits: 4 SWS / 5 CPs
Lecturer: Prof. Dr. Maria Lehner
Registration: via centralized registration procedure Sept 7th - Sept 13th - you will receive an email notification in order to register for FWPs, seminars and projects at the School of Business
- Dozent/in: Maria Lehner
FWP Fortgeschrittene Datenanalysemethoden (BW/IM/IWI/WP; 2 SWS; 3 Credits)
Inhalt: Dieser Kurs vermittelt ausgewählte multivariate Datenanalysemethoden, die in der empirischen Forschung gerne verwendet werden. Es werden sowohl die grundlegenden Analyseschritte als auch die Durchführung in SPSS sowie die Interpretation des Outputs vermittelt.
Besprochene Verfahren sind u.a. Faktorenanalyse, Varianzanalyse, logistische Regression, Moderatorenanalyse mit dem PROCESS Makro.
Notwendige Voraussetzung sind grundlegende Kenntnisse von SPSS. Hierfür bietet sich bspw. das FWP Angewandte Datenanalyse an, das in der Woche vor Semesterbeginn als Blockkurs angeboten wird.
Termin: Der Kurs wird in Absprache mit den Teilnehmenden am Dienstag ab 17:30 Uhr in Präsenz und/oder Montag vormittag via Zoom stattfinden.
Kick-off in Präsenz zur Klärung aller offenen Fragen: Dienstag, 06.10.26, 17:30
Dozentin: Prof. Dr. Hariet Köstner
Leistungsnachweis: Analyse eines vorgegebenen Datensatzes mit Hilfe der erlernten Methoden am PC (60 Minuten, open book)
Anmeldungen ab sofort an hariet.koestner@tha.de
Maximal 12 Teilnehmende, Plätze werden in Reihenfolge der Anmeldungen vergeben.
- Dozent/in: Hariet Köstner
Data Science and Marketing Management are two key success factors for companies to assert themselves in times of rapidly changing economic cycles and to differentiate themselves from competitors. The ability to automatically analyze structured and unstructured data and retrieve actionable insights can often be the crucial economic delta for enhancing corporate success.
The focus of this course is on the application of fundamental concepts and methods of machine learning to address challenges and problems in the analysis and prediction of customer behavior and interaction based on data from non-public corporate data and public social media data. Selected techniques and algorithms will be taught and applied to address specific problems.
Projects will be assigned to teams of 2-3 students. The results will be pitched in a team presentation at the end of the semester and complemented by a written exposition. Data analyses and algorithms can be carried out in the state-of-the-art language for machine learning Python. Depending on your existing know-how in Python I intend to crash-refresh resp. crash-introduce Python at the beginning of the semester.
Target audience: BW, IM, IWI, WiPsy, Erasmus + other exchange students
Credit points: 4 CPs (4 SWS)
Proof of performance: team presentation + written exposition
Number of participants: max. 12 students
Course time, language: Monday 9:45am - 1:15pm, English
- Dozent/in: Jianing Zhang