Durch die digitale Transformation unserer Welt entsteht ein stetig wachsender Schatz an sehr großen Mengen häufig unstrukturierter Daten. Unstrukturiert heißt hier, dass die Daten nur schwer maschinell zu verarbeiten sind, weil sie nicht geordnet vorliegen. Das Fach Data Science beschäftigt sich mit der Entwicklung und Anwendung von Methoden, um aus solchen Daten Erkenntnisse zu gewinnen. Zum Beispiel sind medizinische Befunde und Röntgenbilder für Ärztinnen und Ärzte leicht zu interpretieren und sie können die Informationen aus beiden Datenquellen zu einem Gesamtbild verknüpfen. Für intelligente Systeme, die Ärzt*innen bei ihrer Arbeit unterstützen könnten, ist das hingegen sehr schwer. Ein weiteres Beispiel für ein Data-Science-Problem ist, aus Luftbildern zu beurteilen, wie gesund ein Feld ist, um mit möglichst minimalen Eingriffen effektiv gegen Schädlinge und Krankheiten vorzugehen.

Data Science ist an der Schnittstelle der Mathematik, der Informatik, der Statistik und dem Maschinellen Lernen angesiedelt. Im Bachelorstudiengang »Angewandte Data Science« werden daher sowohl die Grundlagen der Informatik und Mathematik als auch vertiefende Kenntnisse der Datenanalyse vermittelt. Hierzu gehören maschinelles Lernen, Statistik, Daten-Kompetenz, Datenschutz und Privatheit, Daten-Infrastrukturen und Hochleistungsrechnen.

Den göttinger Studiengang zeichnet insbesondere sein fächerübergreifendes Profil aus – nicht nur in den Grundlagen. Da gute Data Scientists nicht nur Methoden- sondern auch Fachkenntnis über die zu verarbeitenden Daten benötigen, wählen die Studierenden ein Anwendungsfach, in dem sie die Methoden der Data Science praktisch anwenden lernen. Als Grundlage hierfür besuchen Sie fachspezifische Lehrveranstaltungen aus den jeweiligen Bereichen. Zur Wahl stehen derzeit die Anwendungsfächer Wirtschaft, Biologie, digitale Geisteswissenschaften, medizinische Informatik, Züchtungsinformatik, Physik und Computational Sustainability.
Studierende werden durch ein wachsendes englischsprachiges Lehrangebot zudem ideal auf den häufig internationalen Arbeitsalltag vorbereitet. Mit „Machine Learning“ wird auch eines der fortgeschrittenen Pflichtmodule englischsprachig unterrichtet. Selbstverständlich besteht im Rahmen des Studiums die Möglichkeit, bei Bedarf einen Englisch-Kurs zu besuchen.

Im Rahmen des Bachelorstudiengangs »Angewandte Data Science« müssen insgesamt 180 Kreditpunkte erworben werden. Der Studiengang gliedert sich in die drei Bereiche Fachstudium, Professionalisierungsbereich und Bachelorarbeit.

• Grundlagen der Informatik: Was sind die Grundlagen, um mit Computern automatisch Daten zu verarbeiten (Grundlagen der Informatik, Programmierung, Datenbanken)?
• Mathematische Grundlagen der Data Science: Welche Mathematik brauche ich, um Daten intelligent zu analysieren und Computer lernen zu lassen (Analysis, lineare Algebra, Wahrscheinlichkeitstheorie)?
• Grundlagen der Data Science: Wie gewinne ich aus Daten Erkenntnisse (Statistik, Daten-Kompetenz, Maschinelles Lernen)?

• Wahlbereich »Data Science«: Vertiefung im Bereich »Infrastruktur und Prozesse« oder im Bereich »Datenanalyse«.
• Anwendungsfach: Vertiefung in einem der sieben Anwendungsfächer. Es besteht die Möglichkeit, Einblicke in mehrere Anwendungsfächer zu gewinnen.
• Fach- und Projektpraktika: Praktische Arbeit im Team und Mitarbeit in einer Forschungsgruppe.
• Schlüsselkompetenzen: u.a. Programmieren in Python und Beschäftigung mit den ethischen Aspekten der Data Science. Außerdem besteht die Möglichkeit, Sprachkurse zu besuchen oder Soft-Skills, z.B. in Rhetorik oder interkultureller Kompetenz, zu erwerben.

• Die Bachelorarbeit kann sowohl in einem der Anwendungsfächer als auch in den Methoden der Data Science angefertigt werden.

Detaillierte Informationen zum Aufbau des Studiums, zu den Anwendungsfächern und zu einzelnen Modulen gibt es im Modulverzeichnis unter dem Link "Ordnungen" in der rechten Spalte. Beispielstudienpläne befinden sich in der Prüfungs- und Studienordnung.

Einen Einblick in den Studienalltag bietet unsere virtuelle Studienorientierung.

Im Studiengang Angewandte Data Science müssen alle ein Haupt-Anwendungsfach wählen; es besteht aber zusätzlich die Möglichkeit, auch in andere Anwendungsfächer "hineinzuschnuppern" und Credits zu sammeln.

Details zu den Anwendungsfächern gibt es hier. Aktuell besteht die Wahl zwischen den Anwendungsfächern Wirtschaft, Biologie, digitale Geisteswissenschaften, medizinische Informatik, Züchtungsinformatik, Physik und Computational Sustainability.

Data Scientists werden derzeit in nahezu allen Fachdisziplinen gesucht, sowohl in der Forschung als auch in der Wirtschaft. Mögliche Arbeitgeber finden sich insbesondere im Marketing, in Banken, Versicherungen und Rückversicherungen, im IT-Bereich, in Unternehmensberatungen, in öffentlichen Forschungsinstituten oder Entwicklungs- und Forschungsabteilungen in Unternehmen, im Pharmabereich (Klinische Studien) sowie im öffentlichen Gesundheitswesen, in Hochschulen und Universitäten. Durch die Nähe der Ausbildung zu den Anwendungsbereichen direkt an der Universität sind insbesondere Forschungsabteilungen, die sich mit datengetriebener Forschung in den betrachteten Domänen beschäftigen, mögliche Arbeitsgebiete. In allen diesen Domänen mangelt es derzeit in Deutschland an Spezialist*innen.

Studium mit und ohne Abitur - Möglichkeiten des Hochschulzugangs an der Universität Göttingen

Da ein Großteil der wissenschaftlichen Literatur englischsprachig ist, werden fortgeschrittene Englischkenntnisse empfohlen. Darüber hinaus wird eines der fortgeschrittenen Pflichtmodule im Fachstudium (Machine Learning, empfohlen für das 4. Fachsemester) englischsprachig unterrichtet. Die Studierenden werden so an die häufig stark international geprägte Berufswelt im Bereich Data Science herangeführt. Selbstverständlich besteht bei Bedarf die Möglichkeit, die eigenen Englischkenntnisse vorab durch einen – im Studium anrechenbaren – Sprachkurs aufzufrischen.

Sprachanforderungen für internationale Studierende/ Bewerberinnen und Bewerber

Spezielle Fachkenntnisse - z.B. in der Programmierung - werden nicht vorausgesetzt, sondern im Studium erworben.

Wer Angewandte Data Science studieren möchte, sollte Freude an Mathematik und Naturwissenschaften sowie einer analytischen Arbeitsweise haben und gerne mit Computern arbeiten. Für den interdisziplinären und häufig internationalen Arbeitsalltag ist zudem die Fähigkeit zur Teamarbeit von großem Vorteil.

Probieren Sie sich in unserer virtuellen Studienorientierung doch einmal an exemplarischen Aufgabenstellungen aus dem Bereich Data Science!

zulassungsbeschränkt (Bewerbung bei der Universität)
Bewerbungsportal

zulassungsbeschränkt (Bewerbung bei der Universität)
Bewerbungsportal

zulassungsbeschränkt (Bewerbung bei Studium International)

Das Informatik-Propädeutikum (Vorkurs) richtet sich an Studienanfänger*innen der Bachelorstudiengänge Angewandte Informatik, Angewandte Data Science und 2-Fächer-Bachelor mit Fach Informatik. Wir empfehlen die Teilnahme insbesondere für Studienanfänger*innen, die das Fach Informatik nicht in der Schule hatten oder keine Programmiererfahrung haben. Der Vorkurs behandelt Themen aus dem Informatikunterricht in der Schule und gibt eine Einführung in den grundlegenden Umgang mit den Computern in unseren Rechnerräumen. Das Propädeutikum ist außerdem ein idealer Vernetzungspunkt, um erste Kontakte mit Kommiliton*innen zu knüpfen und einen Einblick in den Studierendenalltag zu bekommen. Das Informatik-Propädeutikum findet vor Vorlesungsbeginn statt.

Informationen zu Inhalt, Teilnahme und Termin gibt es hier.

Allen Studienanfänger*innen in unseren Bachelorstudiengängen empfehlen wir neben einer Teilnahme am Informatik-Propädeutikum auch eine Teilnahme am Mathematischen Propädeutikum. Es erleichtert den Übergang von der Schule zum Studium und bietet eine gute Gelegenheit, schon mal Kommiliton*innen kennenzulernen. Das Mathematische Propädeutikum findet ebenfalls vor Vorlesungsbeginn statt, es überschneidet sich zeitlich nicht mit dem Informatik-Propädeutikum.

Weitere Informationen zum Mathematischen Propädeutikum gibt es hier.