Das Ziel dieses Kurses ist es, Management-Studierende auf die besonderen Herausforderungen und Chancen der digitalen Transformation in Organisationen vorzubereiten. Der Kurs bereitet Studierende in ihrer Position als zukünftige Manager:innen darauf vor, Brücken zu bauen zwischen (1) den technischen Elementen, die sich auf die digitale Transformation beziehen, und (2) den Prozessen, die den Kern der organisatorischen Wertschöpfung ausmachen. Mit anderen Worten: Die Studierenden lernen, die betriebswirtschaftlichen Kompromisse für wertschöpfende Prozesse als Ergebnis neuer technologischer Möglichkeiten, aber auch als Ergebnis neuer technologischer Bedenken zu entflechten.

Der Inhalt dieses Kurses ist um eine Reihe von Themen strukturiert, die derzeit die Debatte über die digitale Transformation dominieren. Zu diesen Themen gehören künstliche Intelligenz, Big Data, Internet der Dinge, Datenschutz und -sicherheit, Technologien für hybrides Arbeiten, Automatisierung und Robotisierung, Open Access/Open Data/Open Knowledge, Kundendatenplattformen, etc. Dabei werden die Studierenden in erster Linie über aktuelle Entwicklungen im Bereich der digitalen Transformation auf dem Laufenden gehalten. Diese Themen werden jedoch auch als Fallbeispiele und Anwendungsbereiche diskutiert, um die grundlegenderen und zeitlosen Kompromisse zu erörtern, mit denen Unternehmen bei der Integration neuer Technologien in ihre täglichen Abläufe konfrontiert sind. Konkret werden wir diese Anwendungsbereiche nutzen, um die grundlegende Managementdynamik zu verstehen, die der Einführung neuer Technologien in Organisationen innewohnt. Auf diese Weise lernen die Studierenden die tatsächlichen Managementherausforderungen kennen, die in Organisationen auch dann noch bestehen, wenn sich die technologischen Schlagworte in ein paar Jahren/Jahrzehnten geändert haben. Die Studierenden erhalten somit einen tieferen Einblick in Managementfunktionen, die sich auf das Management von Geschäftsprozessen, das Projektmanagement, den Umgang mit ethischen Dilemmata, organisatorische Querschnittsfunktionen usw. beziehen.

• Kenntnisse über Management und digitale Transformation, die durch die Reflexion sozialer Prozesse im Kurs erworben werden;

• Anwendung dieses Wissens auf praktische Fälle;

• Erledigung von Arbeitsaufträgen unter Einhaltung von Fristen;

• sich an der Lösung von Fallstudien in Kleingruppen beteiligen;

• den wesentlichen Kern eines Konzepts sowie einer Fallstudie zu erkennen und ihn einer größeren Gruppe mit geeigneten Mitteln zu präsentieren;

• direkte Anwendung des erworbenen Wissens durch Forschung und die Durchführung kleinerer Forschungsprojekte.

Bei prüfungsimmanenten Lehrveranstaltungen (PI-LV) handelt es sich um Lehrveranstaltungen mit einem hohen interaktiven Anteil. Die aktive Teilnahme ist daher eine Voraussetzung und für den Lernprozess der Studierenden sehr wertvoll. Das Fernbleiben vom Unterricht ist nur aus schwerwiegenden Gründen (Krankheit, Unfall oder Tod eines nahen Angehörigen) zulässig, und es muss eine formelle Bestätigung der Abwesenheit (z. B. ein ärztliches Attest) vorgelegt werden. Außerdem ist für einen positiven Abschluss des Kurses eine Anwesenheit von mindestens 80% erforderlich. Bei Abwesenheit aus wichtigem Grund können maximal 20% der gesamten Kursdauer versäumt werden. Bei einer kumulierten Abwesenheit von mehr als 20% muss der Kurs wiederholt werden.

Das Lehr-/Lernkonzept konzentriert sich auf das Erlernen theoretischer Konzepte und Modelle und die Fähigkeit, diese Konzepte und Modelle zu nutzen, um fundierte Managemententscheidungen zu treffen. Um dies zu erreichen, werden die folgenden Lehr-/Lernmethoden eingesetzt:

• Vorbereitung: Die Studierenden bereiten sich auf die jeweiligen Kurseinheiten vor, z.B. durch das Lesen von Fällen oder Beispielen.

• Selbststudium: Die Studierenden lesen und studieren Lesematerialien (zur Verfügung gestellt auf Canvas), die die notwendigen Grundlagen für den Inhalt des Kurses liefern.

• Interaktives Lernen: In den Kurseinheiten beschäftigen wir uns mit Geschäftsfällen, Beispielen und Lernspielen und diskutieren - unter Anleitung des Kursleiters - theoretische Erkenntnisse zu diesen praktischen Fällen.

• Selbstreflexion: Die Studierenden müssen über die wichtigsten Erkenntnisse aus dem Kursmaterial sowie aus den interaktiven Elementen in den Kurseinheiten reflektieren.

Die Beurteilung dieses Kurses besteht aus drei Hauptteilen:

EXAMEN (individuelle Aufgabe; 50% der Gesamtbewertung): Die Studierenden dieses Kurses werden eine standardisierte Prüfung ablegen (basierend auf einer Auswahl von Inhalten des Kurses: Folien und Inhalte der Vorlesungen, Kursnotizen der Studierenden, Lesematerialien, Praxisfälle).

Fall 1 und 2:

Fall 1 (Gruppenarbeit; 25% der Gesamtbewertung): Gruppen von bis zu fünf Studierenden laden ihre Lösung für den ersten Fall hoch. Einzelheiten zu dem Fall werden in den Kurseinheiten gegeben.

Fall 2 (Gruppenarbeit; 25 % der Gesamtbewertung): Gruppen von bis zu fünf Studierenden laden ihre Lösung für den zweiten Fall hoch. Einzelheiten zu diesem Fall werden in den Kurssitzungen erläutert.

Es gibt keine Mindestpunktzahl, die in jeder Bewertungskomponente erreicht werden muss.

Für die Gruppenarbeiten (Fälle 1 und 2) muss in Ihrem Manuskript/Dokument auf der ersten Seite angegeben werden, ob Sie künstliche Intelligenz (z. B. ChatGPT) für Ihre Arbeit verwendet haben oder nicht. Falls Sie keine künstliche Intelligenz verwendet haben, formulieren Sie dies explizit ("Ich/wir haben keine Form von künstlicher Intelligenz für diese Arbeit verwendet"); falls Sie künstliche Intelligenz verwendet haben, geben Sie klar an, für welche Aspekte Ihrer Arbeit Sie welche Art von künstlicher Intelligenz verwendet haben (z. B. als Suchmaschine, zur Grammatikprüfung usw.). Korrekte und konsistente Verweise auf alle Ressourcen sind erforderlich.

Notenschlüssel in %:

100-90 Sehr gut

89,5-70 Gut

69,5-60 Befriedigend

59,5-50 Genügend

Please log in with your WU account to use all functionalities of read!t. For off-campus access to our licensed electronic resources, remember to activate your VPN connection connection. In case you encounter any technical problems or have questions regarding read!t, please feel free to contact the library at readinglists@wu.ac.at.