03.-04.09.2026
2 Tage
Deutsch
Berlin
Teilnahmebescheinigung
in Präsenz
LEHRENDE*R
Prof. Dr. Timm Teubner
1.190 €
Anerkannt als Bildungszeit
DATA INSIGHTS PRAXIS-TRAINING: WEB-SCRAPING, STATISTIK & KI
In der heutigen Geschäftswelt ist Datenkompetenz weit mehr als eine technische Fertigkeit – sie ist die Grundlage für strategische Wettbewerbsvorteile. Dieser zweitägige Workshop führt Sie durch den gesamten Prozess der modernen Datenanalyse, von der automatisierten Gewinnung von Marktinformationen bis hin zur präzisen Prognose von Geschäftsentwicklungen.
Am ersten Tag lernen Sie, wie Sie durch Web-Scraping externe Wettbewerbsdaten erschließen und mittels professioneller Experimentdesigns (z. B. A/B-Tests) belastbare Kausalzusammenhänge statt bloßer Korrelationen nachweisen. Durch die Arbeit mit der Analysesoftware R verlassen Sie die Grenzen klassischer Tabellenkalkulationen und nutzen fortgeschrittene Regressionsmodelle, um komplexe Erfolgstreiber und deren Wechselwirkungen (Interaktionseffekte) exakt zu identifizieren.
Der zweite Tag erweitert Ihr Analyse-Repertoire um innovative Ansätze der Netzwerkanalyse und des Machine Learning. Sie erfahren, wie Sie versteckte Strukturen in Kunden- oder Lieferantendaten aufdecken und prädiktive Modelle nutzen, um zukünftige Trends frühzeitig zu erkennen. Den Abschluss bildet die Datenvisualisierung, in der Sie lernen, komplexe Analyseergebnisse in klare, entscheidungsorientierte Grafiken zu übersetzen. Ziel des Kurses ist es, Ihnen das methodische Handwerkszeug zu vermitteln, um Daten nicht nur zu verwalten, sondern sie in konkrete Handlungsempfehlungen für Ihr Unternehmen zu transformieren.
Lernziele
Sie entwickeln die Kompetenz, Marktdaten mittels Web-Scraping automatisiert zu erschließen und diese unter Berücksichtigung rechtlicher Rahmenbedingungen als valide Informationsbasis für strategische Analysen zu nutzen.Sie erlernen die methodische Planung von Experimenten und A/B-Tests, um ursächliche Erfolgstreiber präzise von zufälligen Korrelationen abzugrenzen und unternehmerische Maßnahmen evidenzbasiert abzusichern.
Sie beherrschen fortgeschrittene Regressionsanalysen in R, um komplexe Wechselwirkungen zwischen Einflussfaktoren zu isolieren und belastbare Prognosemodelle für Geschäftskennzahlen zu erstellen.
Sie verstehen die Funktionsweise von Netzwerkanalysen und Machine-Learning-Verfahren, um verborgene Strukturen in Daten zu identifizieren und die Einsatzmöglichkeiten moderner KI-Systeme objektiv zu bewerten.
Sie erlangen die Fähigkeit, Analyseergebnisse durch professionelles Information Design in aussagekräftige Visualisierungen zu übersetzen, die den Transfer von Daten zu fundierten Management Entscheidungen unterstützen.
Inhalt
TAG 1- Datengewinnung & Kausale Analyse09:00 - 09:30 Uhr: Einführung
09:30 - 11:00 Uhr: Web-Scraping
- Einleitung & Funktionsweise
- Rechtliche & Ethische Rahmenbedingungen
- Werkzeuge & Methoden
- Praktischer Workflow
11:15 – 13:00 Uhr: Experimentdesign und -durchführung
- Kausalität
- Labor-, Online- und Feldexperimente
- Paradigmen der experimentellen Wirtschaftsforschung
- Treatment Design
- Praktischer Workflow
13:45-15:00 Uhr: Datenverarbeitung in R
- Datenformate und -transformationen
- R vs. Excel
- Daten plotten und verstehen
- Standardfehler und Konfidenzintervalle
15:15 – 16:45 Uhr: Regressionsanalyse und Interaktionseffekte
- Lineare Regression
- Gütemaße
- Interaktionseffekte
- Spline-Regressions
- Praktische Umsetzung in R
TAG 2 - Strukturanalysen & Predictive Modeling
09:00 – 11:00 Uhr: Netzwerkanalyse
- Einleitung und formale Grundlagen
- Zentralitätsmaße
- Clustering, Homophily
- Small World Networks
- Link Prediction
- Praktische Umsetzung in R
11:15 – 13:00 Uhr: Machine Learning 101
- Paradigmenwechsel: ML vs. Statistik
- Bias & Variance
- Neuronale Netze
- Generative KI und Agenten
- Causal Inference Machine Learning
13:45-15:00 Uhr: Datenvisualisierung
- Beispiele (Dos and Don’ts)
- Charttypen und Anwendungen
- Visuelle Eigenschaften
- Farbe und Typografie
- Praktische Umsetzung in R
Zielgruppe
Dieser Kurs richtet sich an analytisch arbeitende Fach- und Führungskräfte, die an der Schnittstelle zwischen operativer Umsetzung und strategischer Entscheidung sitzen.Dieser Kurs ist gemäß § 10 (5) Berliner Bildungszeitgesetz (BiZeitG) anerkannt.
Teilnahmevoraussetzungen
- Sicherheit im Umgang mit Zahlen.
- Praktische Erfahrung in der Aufbereitung und Analyse von Daten (beispielsweise durch die intensive Nutzung von Excel).
Termine
Der Kurs findet vom 03.-04.09.2026 in Berlin statt.LEHRENDE*R

Prof. Dr. Timm Teubner beforscht das Thema "Wie entsteht online Vertrauen?" als Professor am Einstein Center Digital Future (ECDF) und der Technischen Universität Berlin aus ökonomischer, technischer und soziologischer Sicht. Seine Forschungsinteressen gelten Online-Plattformen und mehrseitigen Märkten, Reputationssystems, Internet-Auktionen, Nutzerverhalten, Sharing- und Crowd-X-Ansätzen sowie Cybersecurity.
Prof. Dr. Teubner studierte Wirtschaftsingenieurwesen am Karlsruher Institut für Technologie, wo er auch promovierte und anschließend eine Postdoc-Stelle übernahm. Während seines Studiums verbrachte er ein Jahr an der University of Massachusetts (UMass) in den USA. Seine Forschung ist interdisziplinär und findet Anwendung in einer Vielzahl digitaler Plattformen – von A wie Amazon/Airbnb, B wie BlaBlaCar/Booking, C wie Clickworker/Craigslist, D wie Drivy/99designs, …, … bis Z wie Zimride/Zalando.
Inspiration für seine Forschung findet er am Klavier und bei (Ultra-) Marathons. Seine Forschung wurde in zahlreichen renommierten internationalen Fachzeitschriften und Konferenzbänden veröffentlicht.

