Study overview

Artificial intelligence is undisputedly one of the most important future technologies on which the global competitiveness of the German economy will decisively depend. This is where the Master's programme "Applied Artificial Intelligence and Digital Transformation" (KDT) comes in: The aim is to train experts for operational applications of artificial intelligence that can be used directly in companies and mainly support successful implementation and digital transformation. The focus will be on the constructive development of innovative, intelligent and at the same time economically feasible solutions, especially in the areas of production, marketing and human resources.

Therefore, interdisciplinary trained experts* are necessary, who, in addition to the urgently needed mathematical-technical expertise, e.g. on symbolic (rule and decision tree induction) and sub-symbolic (neural networks, deep learning) methods of machine learning, also possess competences for the organisational implementation of the requirements under consideration of the economic, legal and ethical framework ("Business Understanding"). Their task will be to develop solutions together with the respective experts (mathematicians, IT representatives, engineers, management representatives) and to lead or accompany the implementation within the framework of change projects. The focus is therefore on a broad education that guarantees the learning of fundamental aspects and especially the technical language of the relevant areas.

Short formKDT
Type of studyFull time
Standard period of study3 semester
ClosingMaster of Arts (M.A.)
Start of studiesWinter semester
Admission restrictions specific
Lecture locationAnsbach
Language of instructionGerman
Course management Prof. Dr. Sigurd Schacht
Student advisory serviceProf. Dr. Sigurd Schacht
Student servicesstudierendenservice.kdt(at)hs-ansbach.de

Admission requirements and application for studies

You can start the KDT Master's programme in the winter semester. As for all degree programs, you must apply for this program in good time via the online applicant portal. Please note that the regular deadlines are cut-off deadlines. Your application must therefore be received by us at the latest by the end of the last day of the respective deadline (May 2 - July 15).

You can find all information on how to applyHERE.

In addition, a successfully completed university degree in a relevant field of study or an equivalent domestic or foreign degree with an overall examination grade of at least 2.5, the scope of which usually comprises 210 ECTS points, but at least 180 ECTS points, is required. Courses of study are considered relevant if they are based on fundamentals from the fields of media, economics or technology.

Applicants to Bavarian universities of applied sciences are subject to the Bayerische Hochschulgesetz (BayHSchG).

The Master's programme "Applied Artificial Intelligence and Digital Transformation" comprises 90 ECTS, which can be completed in three semesters. If you start with a degree of less than 210 ECTS, you may have to plan additional time to catch up on modules/ECTS.

The programme is strongly practice-oriented and offers in the first semester, in addition to a basic technological education, early specialisationpossibilities within the modules in the areas of digital business models and processes as well as leadership and change management. In order to optimally prepare students for their future professional life, the teaching content from the various lectures is applied directly in practice-oriented group exercises starting in the first semester. In the 2nd semester, the teaching content is put into practice in an independent applied project, usually with an external partner. Accompanying this, operational application possibilities of the AI are offered in three different areas. In addition, these modules prepare the graduates for their future professional life by providing in-depth practical examples. After the project work, the 3rd semester offers the possibility to deepen the knowledge (e.g. project work) on the basis of a master thesis.

You will complete your studies in three semesters. Upon successful completion you will be awarded the internationally recognized academic degree Master of Arts (M.A.).

The combination of basic knowledge about applied AI, knowledge about the digitalization of products and processes, the profound knowledge in the field of digital leadership and transformation enables students to have a diverse and above all industry-independent professional future perspective. Whether in the free economy, in non-commercial organisations or public authorities - the later spectrum of activities is broad.

On the one hand, the interdisciplinary know-how imparted enables the graduates to independently recognize cross-project potentials for AI solutions and to implement these in turn through structured and goal-oriented action. On the other hand, in the field of applied AI and digital transformation, they are qualified to take on management responsibility and to initiate and implement AI projects and to subsequently subject them to extensive evaluation with regard to quality assurance.

Within this framework, the graduates are not only interesting for global corporations or large authorities, but also for small and medium-sized enterprises (SME) due to the comprehensive range of applications.

Staff

Prof. Dr. Sigurd Schacht – Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT) / Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Prof. Dr. Sigurd Schacht

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT) / Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

0162 2304401 Retti 063 (Rettistraße 65, 91522 Ansbach) nach Vereinbarung vCard

Prof. Dr. Sigurd Schacht

Prof. Dr. Sigurd Schacht – Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT) / Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT) / Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Funktionen:

  • Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Professor Innovation und Entrepreneurship (IUE)
  • Professor Smart Energy Systems (SES)
  • Koordinator der Fakultät Wirtschaft Zentrum für angewandte KI und Transfer (AN_KIT)

Lehrgebiete:

  • Angewandte Künstliche Intelligenz
  • Digitale Geschäftsprozesse
  • Digitale Transformation und Change Management

Vita:

Sigurd Schachts Lehre und Forschung ist fokussiert auf die Anwendung der Verfahren der künstlichen Intelligenz in Unternehmen und Gesellschaft. Vor seiner Tätigkeit an der HS Ansbach, war er Professor an der HS Heilbronn und langjährig bei zwei der BIG-4-Prüfungsgesellschaften tätig.

Publikationen:

  • Schacht, S., & Lanquillon, C. (2019). Blockchain und maschinelles Lernen. Springer Vieweg.
  • Schacht S. (2019): Blockchain eine Einführung. Wirtschaftsmagazin w.news der IHK Heilbronn.
  • Schacht S. et. al (2018): Predictive IT-Service Operation. In Loose T. (Hrsg.): Tagungsband Workshop 2018 ASIM/GI-Fachgruppe, Heilbronn 2018
  • Huettner O., Lanquillon C., Schacht S. (2018): Towards State of the Art in open-set Face Identification. In Loose T. (Hrsg.): Tagungsband Workshop 2018 ASIM/GI-Fachgruppe, Heilbronn 2018
  • Lanquillon, C; Schacht, S. (2016): A Big Data Change Detection System, in: Hertweck, D./ Decker, C. (Hrsg.): Digital Enterprise Computing 2016, Lecture Notes in Informatics (LNI), Gesellschaft für Informatik, Bonn 2016
  • Schacht, S., Lanquillon, C., Schmieder K., Effenberger J. (2016): Business element management as necessary part of the digital transformation in enterprises. 09/2016, DOI: 10.13140/RG.2.2.22864.00004
  • Schacht, S.; Küller, P. (2015): Enterprise Architecture Management und Big Data, in Dorschel, J. (Hrsg.): Praxishandbuch Big Data: Wirtschaft – Recht – Technik, Springer Gabler, 2015
  • Schacht, S. (2015): Von Big Data zum Wertbeitrag für das Unternehmen. Deloitte & Touche Unternehmergespräche Mai 2015, Nürnberg.
  • Schacht, S. (2008): Die Genossenschaften im Wettstreit der Unternehmensformen in ausgewählten EU-Staaten. Forschungsinstitut für Genossenschaftswesen an der Universität Erlangen-Nürnberg, 2008.

Samina Kroemer

Samina Kroemer – Fakultätsassistentin Wirtschaft

Fakultätsassistentin Wirtschaft

Funktionen:

  • Fakultätsassistentin Wirtschaft

Betreute Studiengänge:

  • Angewandte Wirtschafts- und Medienpsychologie (AWM)
  • Angewandt e Künstliche Intelligenz und Digitale Transformation (KDT)
  • Innovation und Entrepreneurship (IUE)
Ralph-Peter Kappestein – Leiter Studierendenservice der School of Business and Technology (SBT)

Ralph-Peter Kappestein

Leiter Studierendenservice der School of Business and Technology (SBT)

0981 203633-16 BHS 3.02 (Brauhausstraße 15, 91522 Ansbach) nach Vereinbarung vCard

Ralph-Peter Kappestein

Ralph-Peter Kappestein – Leiter Studierendenservice der School of Business and Technology (SBT)

Leiter Studierendenservice der School of Business and Technology (SBT)

Funktionen:

  • Leiter Studierendenservice der School of Business and Technology (SBT)
  • Mitglied Senat und Hochschulrat

Betreute Studiengänge:

  • Interkulturelles Management in Voll- und Teilzeit (B.A.)
  • Angewandte Kunststofftechnik (B.Eng., berufsbegleitend)
  • Strategisches Management (B.A., berufsbegleitend)
  • Wertschöpfungsmanagement (B.A., berufsbegleitend)
  • Angewandte Künstliche Intelligenz und Digitale Transformation (M.A.)
  • Applied Biotechnology (M.Sc.)
  • Applied Research in Engineering Sciences (M.Sc.)
  • Digital Learning (M.A.)
  • Digital Marketing (M.A.)
  • Energiemanagement und Energietechnik (M.Eng.)
  • Innovation und Entrepreneurship (M.A.)
  • Internationales Produkt- und Servicemanagement (M.A.)
  • Medizintechnik (M.Eng.)
  • Multimediale Information und Kommunikation (M.A.)
  • Public Relations und Unternehmenskommunikation (M.A.)
  • Smart Energy Systems (M.Eng.)
  • Kreatives Management (MBA, berufsbegleitend)
  • Leadership (MBA, berufsbegleitend)
  • Zertifikatslehrgang Leadership im Gesundheitswesen
Prof. Dr. Wolf Knüpffer – Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Prof. Dr. Wolf Knüpffer

Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

0981 4877-366 92.1.5 Mittwoch 16.00-17.00 Uhr vCard

Prof. Dr. Wolf Knüpffer

Prof. Dr. Wolf Knüpffer – Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Funktionen:

  • Studiengangsleiter Wirtschaftsinformatik (WIF)
  • Studiengangsleiter Datenschutz und IT-Sicherheit (DIS)
  • Studienfachberatung Wirtschaftsinformatik (WIF)
  • Studienfachberatung Datenschutz und IT-Sicherheit (DIS)
  • Professor Künstliche Intelligenz und Kognitive Systeme (KIK)
  • Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Professor Digital Marketing (DIM)
  • Mitglied Senat und Hochschulrat
  • Mitglied Fakultätsrat Wirtschaft

Lehrgebiete:

  • Internet- und Web-Technologie
  • Mobiles Equipment
  • Geschäftsprozessmanagement
Prof. Dr.-Ing. Michael Müller – Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Prof. Dr.-Ing. Michael Müller

Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

0981 4877-501 50.3.7 nach Vereinbarung vCard

Prof. Dr.-Ing. Michael Müller

Prof. Dr.-Ing. Michael Müller – Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Funktionen:

  • Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Professor Betriebswirtschaft (BW)
  • Mit-Initiator und Dozent Leadership im Gesundheitswesen (LSG) und Leadership (LEA)
  • Ehemaliger wissenschaftlicher Leiter des Instituts für Mittelstand und Unternehmensentwicklung der Hochschule Ansbach (IMEA)
  • Initiator und Dozent im ESF-Drittmittelprojekt KM2U 2017-2019 (Wissensmanagement im regionalen Mittelstand)
  • Mitglied im Arbeitskreis Qualitätsmanagement (bis 2020)
  • Vorsitzender, Mitglied und externer Gutachter in Berufungskommissionen

Lehrgebiete:

  • Organisation
  • Unternehmensführung
  • Geschäftsprozessmanagement
  • Organizational Behaviour und Change Management
  • Wissensmanagement
  • Digital Leadership und agiles KI-Projektmanagement

Vita:

  • Seit 2020: Initiator und Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • 2018-2020: Studiengangsleiter Betriebswirtschaft (BW)
  • Seit 2012: Angewandte Forschung auf dem Gebiet „Sicherung von Erfahrungswissens“
  • Seit 2012: Professur Betriebswirtschaft (BW) an der Hochschule Ansbach
  • 2005-2012: Berater und Trainer bei sciNOVIS für das Thema „Sicherung von Erfahrungswissen“
  • 2001-2005: Mit-Gründer und Geschäftsführer bei der COGNEON GmbH
  • 1997-2001: Stellv. Leiter der Forschungsgruppe Wissenserwerb des FORWISS Erlangen
  • 1994-1998: Promotion zum Thema „Interessantheit bei der Entdeckung von Wissen in Datenbanken“
  • 1993-1997: Wiss. Mitarbeiter in der Forschungsgruppe Wissenserwerb des FORWISS Erlangen
  • 1987-1993: Studium der Informatik mit Schwerpunkt KI an der FAU Erlangen-Nürnberg

Publikationen:

Müller, Michael: Wissensmanagement. Reihe „WiWi klipp & klar“. Springer Gabler, Wiesbaden, erscheint 2022.

Förtsch, Ferdinand; Müller, Michael: Wissensmanagement – Karriere in der Verwaltung. Kommunal- und Schul-Verlag, Wiesbaden, 2015.

Ittner, Friedrich-Alexander; Ambrosius, Ute; Müller, Michael: Wissensorientierte Strategieentwicklung für den Mittelstand (KMU). Schriftenreihe Campus Edition, Fachhochschule Ansbach, 2015.

Kaiser, Robert; Müller, Michael: Erfahrungsschätze bewahren. In Vitako aktuell, Zeitschrift der Bundes-Arbeitsgemeinschaft der Kommunalen IT-Dienstleister e.V., 2010.

Punzel, Joachim; Schwarze, Jochen; Graubner, Christian; Müller, Michael: Fallstudie: Von der Mindmap zum Wiki - Wissensbewahrung im eGovernment-Center der Stadt Erlangen. In „Enterprise 2.0 - Planung, Einführung und erfolgreicher Einsatz von Social Software in Unternehmen“, Forschungsgruppe Kooperationssysteme der Universität der Bundeswehr München, 2009.

Graubner, Christian; Müller, Michael: Wissensmanagement für Innovationsmanagement - Systematische Unterstützung des Innovationsmanagements durch Methoden und Prozesse des Wissensmanagements. In Tagungsband WM 2007 (4. Konferenz Professionelles Wissensmanagement), 2007.

Müller, Michael; Kaiser, Robert: Wissensbewahrung bei der Stadt Erlangen - Dokumentation und Kommunikation der Erfahrungen ausscheidender Wissensträger. In Tagungsband KnowTech 2006, S. 425-432, 2006.

Stoyan, Herbert; Müller, Michael; Bimazubute, Raymond; Grille, Barbara; Hausdorf, Carsten; Hormeß, Markus; Kraetzschmar, Gerhard K.; Schneeberger, Josef; Turk, Andreas: Wissenserwerb und Wissensmanagement. In Hammwöhner, R.; Rittberger, M.; Semar, W. (Hrsg.): Wissen in Aktion - Der Primat der Pragmatik als Motto der Konstanzer Informationswissenschaft, Festschrift für Rainer Kuhlen, Schriften zur Informationswissenschaft 41, Hochschulverband für Informationswissenschaft, S. 253-270, 2004.

Grille, Barbara; Stoyan, Herbert; Gaede, Bernd; Müller, Michael: Wissensmanagementprozesse - Mit Experteninterviews zum aufgabenbezogenen hypertextbasierten Informations- und Tutorsystem. In Buhl, H.-U.; Huther, A.; Reitwiesner, B. (Hrsg.): 5. Internationale Tagung Wirtschaftsinformatik 2001, S. 323-338, Physica-Verlag, 2001.

Hausdorf, Carsten; Stoyan, Herbert; Müller, Michael: Kaskadierter Wissenserwerb beim Wissensmanagement. In Gronau, N. (Hrsg.): Wissensmanagement: Systeme - Anwendungen - Technologien, Aachen, 2001.

Hogl, Oliver; Müller, Michael; Stoyan, Herbert; Stühlinger, Wolf: On Supporting Medical Quality with Intelligent Data Mining. In Sprague, R. (Hrsg.): Proceedings of the Thirty-Fourth Annual Hawaii International Conference on System Sciences (HICSS-01), IEEE Press, Maui, Hawaii, January 3-6 2001.

Hogl, Oliver; Stoyan, Herbert; Müller, Michael: The Knowledge Discovery Assistant: Making Data Mining Available for Business Users. In Gunopulos, D.; Rastogi, R. (Hrsg.): Proceedings of the 2000 ACM SIGMOD Workshop on Research Issues in Data Mining and Knowledge Discovery (DMKD-2000), S. 96-105, Dallas, Texas, May 2000.

Müller, Michael: Interessantheit bei der Entdeckung von Wissen in Datenbanken. In Künstliche Intelligenz, Nr. 3, S. 40-42, September 1999.

Müller, Michael: Interessantheit bei der Entdeckung von Wissen in Datenbanken. Dissertation, Friedrich-Alexander-Universität Erlangen-Nürnberg, 1998.

Müller, Michael; Hausdorf, Carsten; Schneeberger, Josef: Zur Interessantheit bei der Entdeckung von Wissen in Datenbanken. In Nakhaeizadeh, Gholamreza (Hrsg.): Data Mining: Theoretische Aspekte und Anwendungen, Beiträge zur Wirtschaftsinformatik, S. 248-264, Physica-Verlag, Heidelberg, 1998.

Büchter, Oliver; Müller, Michael; Schneeberger, Josef: Improving Forward Selection with Background Knowledge: Finding Interesting Multiple Regression Models for Sales Prediction. In Lu, Hongjun; Motoda, Hiroshi; Liu, Huan (Hrsg.): Proceedings of the First Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD’97), KDD: Techniques and Applications, S. 344-357, World Scientific, Singapore, 1997.

Prof. Dr. Bernhard Volz – Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Prof. Dr. Bernhard Volz

Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

0981 4877-363 92.1.6 nach Vereinbarung vCard

Prof. Dr. Bernhard Volz

Prof. Dr. Bernhard Volz – Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Funktionen:

  • Studiengangsleiter Wirtschaftsinformatik (WIF)
  • Professor Datenschutz und IT-Sicherheit (DIS)
  • Professor Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Prodekan Fakultät Wirtschaft

Lehrgebiete:

  • Software Engineering und Anwendungsentwicklung
  • Datenbanksysteme
  • Big Data Analytics
  • Künstliche Intelligenz

Vita:

1999 - 2001: Ausbildung zum Staatlich geprüften Industrietechnologen (Fachrichtung Datentechnik, Spezialisierung Automatisierungstechnik) an der Siemens Technik Akademie in Erlangen

2001: Softwareentwickler bei der Siemens AG in Nürnberg-Moorenbrunn

2001 - 2006: Studium Computational Engineering an der Friedrich-Alexander Universität Erlangen-Nürnberg, Abschlüsse: Bachelor of Science und Master of Science

2006 - 2011: Promotion in Angewandter Informatik zum Thema "Werkzeugunterstützung für methodenneutrale Metamodellierung" am Lehrstuhl für Datenbanksysteme (Prof. Dr.-Ing S. Jablonski) der Universität Bayreuth zum Dr. rer. nat.

2011 - 2015: Akademischer Rat a.Z. am Lehrstuhl für Datenbanksysteme der Universität Bayreuth

2016 - 2019: Leitung des Datenmanagements an der Frauenklinik des Universitätsklinikums Erlangen (Prof. Dr. med. M. W. Beckmann) in der translationalen Forschung (Prof. Dr. med. P. A. Fasching)

2019: Berufung zum Professor für Wirtschaftsinformatik, insbesondere Software Engineering und Datenbanksysteme an der Hochschule für Angewandte Wissenschaften in Ansbach

Seit 2020: Leitung des Studiengangs Wirtschaftsinformatik (zusammen mit Prof. Dr. W. Knüpffer)

Seit 2021: Prodekan der Fakultät Wirtschaft

Publikationen:

Peter A. Fasching; Siddhartha Yadav; Chunling Hu; Marius Wunderle; Lothar Häberle; Steven N. Hart; Matthias Rübner; Eric C. Polley Kun Y. Lee; Rohan D. Gnanaolivu; Peyman Hadji; Hanna Hübner; Hans Tesch; Johannes Ettl; Friedrich Overkamp; Michael P. Lux; Arif B. Ekici; Bernhard Volz; Sabrina Uhrig; Diana Lüftner; Markus Wallwiener; Volkmar Müller; Erik Belleville; Michael Untch; Hans-Christian Kolberg; Matthias W. Beckmann; André Reis; Arndt Hartmann; Wolfgang Janni; Pauline Wimberger; Florin-Andrei Taran; Tanja N. Fehm; Diethelm Wallwiener; Sara Y. Brucker; Andreas Schneeweiss; Andreas D. Hartkopf; and Fergus J. Couch (2021) Mutations in BRCA1/2 and Other Panel Genes in Patients With Metastic Breast Cancer – Association With Patient and Disease Characteristics and Effects on Prognosis. Online verfügbar unter https://doi.org/10.1200/JCO.20.01200

Huebner, Hanna; Kurbacher, Christian M.; Kuesters, Geoffrey; Hartkopf, Andreas D.; Lux, Michael P.; Huober, Jens; Volz, Bernhard; Taran, Florin-Andrei; Overkamp, Friedrich; Tesch, Hans; Häberle, Lothar; Lüftner, Diana; Wallwiener, Markus; Müller, Volkmar; Beckmann, Matthias W.; Belleville, Erik; Ruebner, Matthias; Untch, Michael; Fasching, Peter A.; Janni, Wolfgang; Fehm, Tanja N.; Kolberg, Hans-Christian; Wallwiener, Diethelm; Brucker, Sara Y.; Schneeweiss, Andreas; Ettl, Johannes (2020): Heregulin (HRG) assessment for clinical trial eligibility testing in a molecular registry (PRAEGNANT) in Germany. In: BMC Cancer 20 (1091). Online verfügbar unter bmccancer.biomedcentral.com/articles/10.1186/s12885-020-07546-1.

Volz, Bernhard (2020): Michel, Laura L.; Hartkopf, Andreas D.; Fasching, Peter A.; Kolberg, Hans-Christian; Hadji, Peyman; Tesch, Hans; Häberle, Lothar; Ettl, Johannes; Lüftner, Diana; Wallwiener, Markus; Müller, Volkmar; Beckmann, Matthias W.; Belleville, Erik; Volz, Bernhard; Huebner, Hanna; Wimberger, Pauline; Hielscher, Carsten; Mundhenke, Christoph; Kurbacher, Christian; Wuerstlein, Rachel; Untch, Michael; Overkamp, Friedrich; Huober, Jens; Janni, Wolfgang; Taran, Florin-Andrei; Lux, Michael P.; Wallwiener, Diethelm; Brucker, Sara Y.; Schneeweiss, Andreas; Fehm, Tanja N. (2020): Progression-Free Survival and Overall Survival in Patients with Advanced HER2-Positive Breast Cancer Treated with Trastuzumab Emtansine (T-DM1) after Previous Treatment with Pertuzumab. In: Cancers 12 (10), 3021. Online verfügbar unter doi.org/10.3390/cancers12103021.