
Lernergebnisse/Qualifikationsziele
Kenntnisse
Die
Studierenden erlernen die Grundlagen des Marketing-Managements. Sie
verstehen die dreidimensionale Sichtweise des Fachgebiets,
philosophisch, instrumental und funktional. Dabei erlernen sie die
Methoden der Profilorientierung in alle drei Dimensionen einzubringen.
Sie können mit gängigen Modellen darstellen und interpretieren. Es
werden ihnen dabei die unterschiedlichen Sichtweisen klar.
Fertigkeiten
Die
Studierenden wenden den erlernten Profilorientierten
Marketing-Management-Prozess an und sind dabei in der Lage, Markt,
Marktumfeld und unternehmensbezogene Individualitäten wahrzunehmen und
in Entscheidungen zu transformieren. Sie können mit Philosophie und
Instrumentarium umgehen.
Kompetenzen
Sie sind in der
Lage, umfassende unternehmensspezifische
Geschäftsentwicklungskonzeptionen zu erstellen und dabei den Kern einer
jeden Entwicklung, das Profil, fallbezogen systematisch herzuleiten.
Weiterhin sind sie in der Lage, auf der Basis von analysierter und
prognostizierter Wirklichkeit, profilorientierte, konkrete Konzeptionen
zu erstellen. Die Implementierung anhand eines Netzplans zur Integration
sämtlicher Unternehmensfunktionen können sie planerisch vornehmen.
Termin: mittwochs, 14:00 - 17:00 Uhr Raum W1.09 Start ist am 09.10.2024.
Falls die Kurse nicht in Präsenz stattfinden können:
Zugang zum Zoom-Meeting:
https://hs-augsburg.zoom-x.de/j/67352259952?pwd=bkt5rpM48mxbzg6c7Uv5w4IsTaaUUD.1
Meeting-ID: 673 5225 9952
Kenncode: 735882
- Dozent/in: Klaus Kellner
Im Fokus dieser Vorlesung stehen die grundlegenden Konzepte, Algorithmen und Anwendungen aus dem Machine Learning, die dem (Hype-)Sammelbegriff
Artificial Intelligence zugrunde liegen und mit
Inhalt strukturieren. Die Vermittlung der mathematischen Konzepte in Data Sciencen wird begleitet
und illustriert durch die praktische Umsetzung via Scientific Computing anhand von praxisbezogenen Anwendungen. Programmierung in Python wird gelehrt und gefordert, (Eigen-)Initiative wird gefördert mit folgenden Zielbildern:
- Sie erlernen Programmierung und Tools und sind imstande, Ihre eigenen Datenprojekte umzusetzen
- Sie erwerben die notwendigen hard skills für die Beurteilung und Steuerung von Projekten und Geschäftsmodellen in digitalen Ökosystemen
- Sie erlernen LLM-supported coding
- Dozent/in: Jianing Zhang

In diesem Kurs beschäftigen wir uns mit den Grundlagen und Technologien des Digital Business und untersuchen, inwieweit und wo Digital Business Anforderungen an ein digitale(re)s Marketing Management stellt.
In diesem Kurs beschäftigen wir uns mit den Grundlagen und Technologien des Digital Business und untersuchen, inwieweit und wo Digital Business Anforderungen an ein digitale(re)s Marketing Management stellt.
- Dozent/in: Frank Danzinger
- Dozent/in: Benedikt Markus

In der Veranstaltung Markt- und Wettbewerbsanalyse werden sowohl Recherchetechniken als auch Auswertungsverfahren besprochen. Im ersten Teil gibt es einen Einblick in nützliche Datenquellen. Im zweiten werden multivariate Analyseverfahren vorgestellt und mit Hilfe der Software SPSS berechnet. Die Studierenden sind nach dem Semester in der Lage, komplexere Datensätze adäquat auszuwerten und Fragestellungen, die bspw. Stärken/Schwäche, die Positionierung oder bedeutende Einflussfaktoren betreffen, zu beantworten.
Termin: Donnerstag, 8:30 - 13:00 Uhr, Start ist am 10.10.!
- Dozent/in: Hariet Köstner

Sie bekommen in dieser Veranstaltung einen theoretischen und praktischen Überblick über die Gewerblichen Schutzrechte. Einen deutlichen Fokus werden wir auf das Markenrecht legen. Sie sind nach dem Ende dieses Semesters in der Lage, die Schutzfähigkeit von Zeichen zu bewerten und selbständig Marken anzumelden. Zudem sind Sie in der Lage, das Markenrecht von anderen gewerblichen Schutzrechten abzugrenzen. Eine Abgrenzung vom Urheberrecht rundet die Veranstaltung ab.
Die Veranstaltung findet immer mittwochs, 10.00 Uhr bis 13.00 Uhr statt und wird - soweit wir nicht explizit anderes besprechen - in Präsenz stattfinden. Beginn ist Mittwoch, der 9. Oktober 2023.
- Dozent/in: Felicitas Maunz