Weitere Module10 ECTS
Geometrie von Mannigfaltigkeiten
Differentialgeometrie und Mannigfaltigkeiten mit Anwendungen in Data Science.
Friedrich-Alexander-Universität Erlangen-Nürnberg · Bachelor
Data Science Bachelor of Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg
Der Bachelor Data Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg verbindet mathematische Tiefe mit informatischer Praxis – zulassungsfrei und in Vollzeit direkt in Erlangen studierbar.B.Sc.
Bachelor of Science
180
ECTS-Punkte
6 Sem.
Regelstudienzeit
Erlangen
Studienort
Über den Studiengang
Data Science an der FAU ist kein reiner Programmierkurs, sondern ein Studiengang, der Studierende bewusst mit einem soliden mathematischen Fundament ausstattet, bevor es an die Anwendung geht. Wer sich für den B.Sc. entscheidet, trifft auf eine Universität mit starker Tradition in Mathematik und Naturwissenschaften, die diesen Anspruch auch in den Data-Science-Studiengang trägt.
Der Standort Erlangen bringt dabei die Nähe zu einer forschungsstarken naturwissenschaftlich-technischen Fakultät mit sich, was sich in der Ausrichtung des Studiums widerspiegelt: Statistik, Algorithmik und Datenverarbeitung werden nicht isoliert gelehrt, sondern eingebettet in ein größeres mathematisch-strukturelles Verständnis.
Da der Studiengang zulassungsfrei ist, steht der Zugang grundsätzlich allen mit entsprechender Hochschulzugangsberechtigung offen – die eigentliche Hürde liegt im Studium selbst, das von Beginn an ein hohes Abstraktionsvermögen fordert.
Curriculum & Module
82 Module · 120 ECTS gesamt – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
Weitere Module10 ECTS
Lie-Algebren
Theorie der Lie-Algebren mit Struktur und Darstellungen.
Weitere Module10 ECTS
Lie-Gruppen
Theorie der Lie-Gruppen und ihre Anwendungen in der Mathematik.
Weitere Module10 ECTS
Projekt Datenbanken Wissensrepräsentation
Praktisches Projekt zur Anwendung von Datenbanken und Wissensrepräsentation.
Weitere Module10 ECTS
Projekt Machine Learning/Artificial Intelligence
Praktisches Projekt zur Anwendung von Machine Learning und KI-Methoden.
Weitere Module5 ECTS
Modellierung, Optimierung und Simulation von Energiesystemen
Anwendung von Modellierung, Optimierung und Simulation auf Energiesysteme.
Weitere Module5 ECTS
Dienstgüte von Kommunikationssystemen
Analyse und Optimierung der Dienstgüte in Kommunikationssystemen.
Weitere Module10 ECTS
Projekt Simulation und Numerik
Praktisches Projekt zu Simulationen und numerischen Methoden.
Weitere Module5 ECTS
Partial Differential Equations Based Image Processing
Bildverarbeitung basierend auf partiellen Differentialgleichungen.
Weitere Module5 ECTS
Inverse Problems and their Regularization
Theorie und Methoden zur Lösung inverser Probleme mit Regularisierung.
Weitere Module5 ECTS
Practical Course: Modeling, Simulation, Optimization
Praktischer Kurs zu angewandter Modellierung, Simulation und Optimierung.
Weitere Module5 ECTS
PDEs in Data Science
Anwendung von partiellen Differentialgleichungen in Data Science Problemen.
Weitere Module5 ECTS
Advanced Discretization Techniques
Fortgeschrittene Diskretisierungsmethoden für numerische Probleme.
Weitere Module5 ECTS
Advanced Solution Techniques
Fortgeschrittene Lösungstechniken für numerische Gleichungen.
Weitere Module5 ECTS
Stochastische Analysis
Theorie und Anwendungen der stochastischen Analysis.
Weitere Module5 ECTS
Wahrscheinlichkeitstheorie
Grundlagen und fortgeschrittene Konzepte der Wahrscheinlichkeitstheorie.
Weitere Module5 ECTS
Fortgeschrittene Risikoanalyse 1
Methoden zur Analyse und Quantifizierung von Risiken.
Weitere Module5 ECTS
Mathematics of Simulations in Statistics and Artificial Intelligence
Mathematische Theorie von Simulationen in Statistik und KI.
Weitere Module10 ECTS
Advanced Mathematics of Simulations in Statistics and Artificial Intelligence
Vertiefung mathematischer Methoden für Simulationen in Statistik und KI.
Weitere Module5 ECTS
Machine learning in signal processing
Anwendung von Machine Learning Methoden auf Signalverarbeitung.
Weitere Module5 ECTS
Lab Course Machine Learning in Signal Processing
Praktischer Laborkurs zu Machine Learning in der Signalverarbeitung.
Weitere Module5 ECTS
Mathematical methods for machine learning and signal processing
Mathematische Grundlagen für Machine Learning und Signalverarbeitung.
Weitere Module5 ECTS
Quantum Computing
Grundlagen des Quantencomputings mit Anwendungen.
Weitere Module5 ECTS
Experimentalphysik 1 für Mathematikstudierende
Einführung in Experimentalphysik für Mathematiker.
Weitere Module10 ECTS
Experimentalphysik 1+2: Mechanik, Wärmelehre und Elektrodynamik
Grundlagen der Experimentalphysik: Mechanik, Thermodynamik und Elektrodynamik.
Weitere Module5 ECTS
Computerphysik und numerische Methoden
Computergestützte Physik mit numerischen Lösungsmethoden.
Weitere Module5 ECTS
Rechnerkommunikation
Grundlagen von Rechnernetzen und Kommunikationssystemen.
Weitere Module5 ECTS
Computergraphik
Grundlagen und Anwendungen der Computergraphik.
Weitere Module5 ECTS
Software-Entwicklung in Großprojekten
Methoden und Werkzeuge für Softwareentwicklung in großen Projekten.
Weitere Module5 ECTS
Nailing your Thesis
Anleitung zur Verfassung wissenschaftlicher Arbeiten und Abschlussarbeiten.
Weitere Module5 ECTS
Einführung in die IT-Sicherheit
Grundlagen der IT-Sicherheit und Kryptographie.
Weitere Module5 ECTS
Grundlagen der Rechnerarchitektur und -organisation
Aufbau und Funktionsweise von Rechnerarchitekturen.
Weitere Module5 ECTS
Rechnerarchitektur
Vertiefung in Rechnerarchitektur und deren Optimierung.
Weitere Module5 ECTS
Approximate Computing
Methoden und Anwendungen von Approximate Computing für effiziente Berechnung.
Weitere Module5 ECTS
SWAT-Intensivübungen
Intensive Übungen zu Software und Algorithmen.
Weitere Module5 ECTS
Implementierung von Datenbanksystemen
Praktische Implementierung von Datenbanksystemen und deren Komponenten.
Weitere Module5 ECTS
Englisch Level 2: Focus on Academic Writing
Englischkurs für akademisches Schreiben auf fortgeschrittenem Niveau.
Weitere Module5 ECTS
Englisch Level 2: Focus on Grammar and Vocabulary
Englischkurs zu Grammatik und Vokabeln auf fortgeschrittenem Niveau.
Weitere Module5 ECTS
Englisch Level 2: Key Discussions in the Natural Sciences
Englischkurs zu Diskussionen in Naturwissenschaften auf fortgeschrittenem Niveau.
Weitere Module5 ECTS
Englisch Level 2: Holding Scientific Presentations
Englischkurs zu wissenschaftlichen Präsentationen auf fortgeschrittenem Niveau.
Weitere Module5 ECTS
Tutoren
Erfahrung als Tutor und Vermittlung von Lehrinhalten.
Weitere Module5 ECTS
Betriebspraktikum
Praktikum in Betrieben zur Anwendung theoretischer Kenntnisse.
Weitere Module5 ECTS
Akademische Selbstverwaltung
Teilnahme an akademischer Selbstverwaltung und Gremienarbeit.
Weitere Module5 ECTS
Graph Routing and Applications
Routing-Algorithmen auf Graphen mit praktischen Anwendungen.
Weitere Module5 ECTS
Kryptographie I – Teil 1
Grundlagen der Kryptographie und asymmetrischen Verschlüsselung.
Weitere Module5 ECTS
Kryptographie II – Teil 1
Vertiefung in Kryptographie mit fortgeschrittenen Methoden.
Weitere Module5 ECTS
Lineare Komplementaritätsprobleme
Theorie und Lösungsmethoden für lineare Komplementaritätsprobleme.
Weitere Module5 ECTS
Projektseminar Optimierung
Seminarprojekt zu angewandten Optimierungsproblemen.
1. Semester5 ECTS
Mathematical Data Science
Vermittlung mathematischer Grundlagen der Datenwissenschaft mit theoretischen und praktischen Aspekten.
1. Semester5 ECTS
Discrete Optimization I
Grundlagen der diskreten Optimierung mit Algorithmen und Anwendungen.
1. Semester5 ECTS
Optimization in Industry and Economy
Praktische Anwendungen von Optimierungsmethoden in Industrie und Wirtschaft.
1. Semester5 ECTS
Advanced Algorithms for Nonlinear Optimization
Fortgeschrittene Algorithmen für nichtlineare Optimierungsprobleme.
1. Semester10 ECTS
Funktionalanalysis I
Grundlagen der Funktionalanalysis mit Anwendungen auf Analysis und Data Science.
1. Semester10 ECTS
Partielle Differentialgleichungen I
Theorie und Lösungsmethoden für partielle Differentialgleichungen.
1. Semester5 ECTS
Datenstromsysteme
Systeme zur Verarbeitung von kontinuierlichen Datenströmen.
1. Semester5 ECTS
Multimedia-Datenbanken und Objektorientierte Datenbanken
Verwaltung multimedialer Daten und objektorientierte Datenbankkonzepte.
1. Semester5 ECTS
eBusiness Technologies und Evolutionäre Informationssysteme
Technologien für E-Business und adaptive Informationssysteme.
1. Semester7.5 ECTS
Artificial Intelligence I
Grundlagen der Künstlichen Intelligenz mit klassischen Methoden.
1. Semester5 ECTS
Pattern Recognition
Mustererkennung und Klassifikationsmethoden mit Anwendungen.
1. Semester5 ECTS
Simulation and Modeling 1
Grundlagen von Simulation und mathematischer Modellierung.
1. Semester5 ECTS
Simulation and Scientific Computing 1
Grundlagen wissenschaftlichen Rechnens für Simulationen.
2. Semester5 ECTS
Deep Learning
Behandlung von Deep Learning Methoden und deren Anwendungen in der Datenwissenschaft.
2. Semester10 ECTS
Discrete Optimization II
Vertiefung diskreter Optimierungsmethoden mit fortgeschrittenen Techniken.
2. Semester5 ECTS
Optimization with Partial Differential Equations
Optimierung mit partiellen Differentialgleichungen als Nebenbedingungen.
2. Semester10 ECTS
Introduction to Material and Shape Optimization
Einführung in Material- und Formoptimierung mit Anwendungen.
2. Semester5 ECTS
Robuste Optimierung 2
Fortgeschrittene Methoden der robusten Optimierung unter Unsicherheit.
2. Semester5 ECTS
Numerical Aspects of Linear and Integer Programming
Numerische Aspekte von linearer und ganzzahliger Programmierung.
2. Semester5 ECTS
Mathematische Grundlagen zu Data Analytics, Neuronale Netze und Künstliche Intelligenz
Mathematische Grundlagen für Data Analytics, neuronale Netze und KI-Methoden.
2. Semester10 ECTS
Partielle Differentialgleichungen II
Vertiefung in partielle Differentialgleichungen mit fortgeschrittenen Techniken.
2. Semester10 ECTS
Einführung in die Darstellungstheorie
Einführung in die Darstellungstheorie von Gruppen und Algebren.
2. Semester5 ECTS
Datenbanken in Rechnernetzen und Transaktionssysteme
Verteilte Datenbanken, Netzwerk-Systeme und Transaktionsverwaltung.
2. Semester7.5 ECTS
Artificial Intelligence II
Vertiefung in Künstliche Intelligenz mit fortgeschrittenen Techniken.
2. Semester5 ECTS
Pattern Analysis
Analyse von Mustern in Daten mit statistischen und mathematischen Methoden.
2. Semester10 ECTS
Simulation and Modeling 2
Vertiefung in Simulationstechniken und komplexe Modellierungsmethoden.
2. Semester10 ECTS
Simulation and Scientific Computing 2
Vertiefung in numerische Methoden für wissenschaftliche Simulationen.
3. Semester5 ECTS
Mathematics of Learning
Mathematische Theorie des maschinellen Lernens mit Fokus auf theoretische Grundlagen.
3. Semester10 ECTS
Advanced Nonlinear Optimization
Vertiefung in nichtlineare Optimierung mit theoretischen und praktischen Aspekten.
3. Semester5 ECTS
Statistische Mechanik
Grundlagen der statistischen Mechanik mit probabilistischen Methoden.
3. Semester5 ECTS
Machine Learning for Time Series
Machine Learning Methoden für Zeitreihenanalyse und Prognosen.
3. Semester10 ECTS
Software-Anwendungen mit KI
Praktische Implementierung von KI-Anwendungen mit modernen Softwaretools.
3. Semester5 ECTS
Masterseminar
Seminar zu aktuellen Themen in Data Science mit Seminarleistung.
4. Semester30 ECTS
Masterarbeit
Eigenständige wissenschaftliche Arbeit mit schriftlicher Ausarbeitung und mündlicher Verteidigung.
Keine Module gefunden. Suche anpassen oder Filter zurücksetzen.
Moduldaten aus dem offiziellen Modulhandbuch der Hochschule München. Umfang und Angebot können sich je Studien- und Prüfungsordnung ändern.
Studiengang im Detail
Über den Studiengang
Der Data-Science-Bachelor an der FAU positioniert sich an der Schnittstelle von Mathematik, Statistik und Informatik. Anders als reine Wirtschaftsinformatik- oder angewandte Informatikstudiengänge legt die FAU spürbar Wert auf strukturelles mathematisches Verständnis als Grundlage jeder Datenanalyse.
Diese Ausrichtung macht den Studiengang anspruchsvoll, aber auch besonders tragfähig für alle, die später komplexe Modelle nicht nur anwenden, sondern auch verstehen und weiterentwickeln möchten.
Studieninhalte
Neben klassischen Data-Science-Bausteinen wie Statistik, maschinellem Lernen und Datenbanken enthält das Curriculum an der FAU auch vertiefte mathematische Module wie Geometrie von Mannigfaltigkeiten, Lie-Algebren und Lie-Gruppen. Diese Themen sind im deutschen Data-Science-Studienlandschaftsvergleich ungewöhnlich tief angelegt und zeigen den universitär-mathematischen Anspruch des Programms.
Wer diese Module durchläuft, erwirbt ein Verständnis für abstrakte Strukturen, das über reines Tool-Wissen hinausgeht und sich später etwa in der Modellierung komplexer, hochdimensionaler Daten auszahlen kann.
Für wen passt das?
Besonders geeignet ist der Studiengang für Personen mit echtem Interesse an Mathematik, nicht nur an ihrer Anwendung. Wer Formeln und Beweise als notwendiges Übel empfindet, wird an der FAU eher an Grenzen stoßen als an Hochschulen mit stärker anwendungsorientiertem Zuschnitt.
Gleichzeitig profitieren Studierende, die später in forschungsnahen oder hochspezialisierten Bereichen der Datenanalyse arbeiten möchten, von genau diesem theoretischen Tiefgang.
Karriere & Arbeitsmarkt
Absolvent:innen des Data-Science-Bachelors der FAU finden Anknüpfungspunkte in Berufsfeldern der Informatik, die von klassischer Softwareentwicklung bis zu spezialisierten Analyse- und Modellierungsrollen reichen. Die mathematische Tiefe des Studiums öffnet dabei auch Türen zu forschungsnahen Tätigkeiten oder einem konsekutiven Masterstudium.
Der Arbeitsmarkt für Data-Science-Kompetenzen bleibt branchenübergreifend gefragt, wobei Absolvent:innen mit stärkerem mathematischem Hintergrund oft in Bereichen punkten, die algorithmische Eigenentwicklung statt reiner Tool-Anwendung verlangen.
Hochschule & Format
Die FAU ist eine forschungsstarke Universität mit ausgeprägter mathematisch-naturwissenschaftlicher Fakultät, in die der Studiengang organisatorisch eingebettet ist. Das Vollzeitformat in Erlangen folgt dem klassischen universitären Modell aus Vorlesungen, Übungen und Seminaren.
Die zulassungsfreie Struktur erleichtert den Einstieg, verlagert die eigentliche Auswahl aber in den Studienverlauf selbst, in dem sich die mathematische Stringenz des Curriculums früh bemerkbar macht.
Zulassung & Zugangswege
ZulassungsfreiData Science ist an der FAU in der Regel zulassungsfrei – der Einstieg ist ohne Numerus Clausus möglich.
ZugangswegeIn der Regel Abitur oder Fachhochschulreife – auch beruflich Qualifizierte können zugelassen werden; ein einschlägiges Vorpraktikum ist teils empfohlen.
Deine Zulassungschancen
Ehrliche Einordnung auf Basis der gebundenen Daten, plus dein persönlicher Match.
Gute Nachrichten: zulassungsfrei
Dieser Studiengang hat keinen Numerus Clausus. Deine Abiturnote ist für die Zulassung nicht entscheidend, oft ist sogar ein Einstieg ohne Abitur möglich.
Kosten & Finanzierung
An staatlichen Hochschulen fallen in der Regel keine Studiengebühren an – du zahlst nur den Semesterbeitrag.
| Position | Betrag |
|---|---|
| Studiengebühren | 0 € |
| Semesterbeitrag | ca. 250 bis 350 € / Semester |
| Enthalten | u. a. Semesterticket & Studierendenwerk |
Richtwerte – den genauen Semesterbeitrag nennt die Hochschule.
Deine Jobgarantie mit StudySmarter
Wenn du deinen Studiengang über StudySmarter und das StudyKit findest und dich darüber einschreibst, ist die Jobgarantie automatisch dabei.
Jobgarantie
6 Monate
Findest du innerhalb von 6 Monaten nach deinem Abschluss keinen Job, übernehmen wir dein professionelles Jobcoaching – so lange, bis du einen hast.
Gilt ab dem Tag deines Studienabschlusses.
So sicherst du sie dir
- Finde & wähle deinen Studiengang über StudySmarter und das StudyKit
- Schreib dich darüber an deiner Uni ein und schließe erfolgreich ab
- Bewirb dich über die StudySmarter Jobbörse und CareerKit für deinen ersten Job nach dem Studium
Ohne Zusatzkosten
Automatisch dabei.
Mit deiner Einschreibung über StudySmarter ist die Jobgarantie inklusive – du musst nichts extra buchen.
Infomaterial anfordern
Es gelten die Teilnahmebedingungen. Details und Bedingungen erhältst du mit dem Infomaterial.
Karriere & Gehalt
Der Weg von Berufseinstieg bis Führungsrolle zeigt, wie sich Data-Science-Kompetenzen mit wachsender Erfahrung entwickeln können.
- Junior Data Analyst / Data ScientistEinstieg mit Fokus auf Datenaufbereitung, explorative Analysen und erste Modellierungsaufgaben unter Anleitung · 0 bis 2 Jahre
- Data ScientistEigenständige Entwicklung und Validierung von Modellen, engere Zusammenarbeit mit Fachabteilungen · 2 bis 5 Jahre
- Senior Data ScientistVerantwortung für komplexe Projekte, methodische Grundsatzentscheidungen und fachliche Anleitung jüngerer Kolleg:innen · 5 bis 8 Jahre
- Lead Data Scientist / Head of DataStrategische Steuerung von Data-Teams, Verantwortung für Roadmap und Schnittstelle zur Unternehmensleitung · ab 8 Jahren
Gehaltsspanne nach Karrierephase
Branchenweite Marktorientierung für Berufe in der Informatik (o.S.) (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.
Arbeitsmarkt & Zukunft
Automatisierung verändert auch datengetriebene Berufe spürbar, ohne den menschlichen Beitrag überflüssig zu machen.
46–86 Tage
Vakanzzeit – so lange bleibt eine gemeldete Stelle im Schnitt offen.
BA EngpassanalyseEngpassberuf
Offizielle Einstufung für Berufe in der Informatik (o.S.).
Fachkräftemangel66.000 €
Orientierungswert Bruttojahresgehalt (Median).
GehaltWie KI den Beruf verändert
Ein Blick darauf, welche Aufgaben in datengetriebenen Berufen zunehmend automatisiert werden und welche menschliche Urteilskraft brauchen.
KI nimmt dir ab
- Automatisierte Datenbereinigung und -aufbereitung durch spezialisierte Pipelines
- Standardisierte Modelltrainings und Hyperparameter-Optimierung per AutoML-Werkzeugen
- Routinemäßige Reporting- und Visualisierungsaufgaben
- Erste Anomalieerkennung in großen Datensätzen
Menschlich gefragter denn je
- Formulierung der eigentlichen Fragestellung und Auswahl relevanter Daten
- Kritische Bewertung von Modellannahmen und mathematischer Struktur
- Kommunikation von Ergebnissen an Fachabteilungen und Entscheidungsträger:innen
- Verantwortungsvoller Umgang mit ethischen und rechtlichen Fragen der Datennutzung
Die im Studium erworbene Fähigkeit, abstrakte Strukturen zu erfassen, lässt sich unmittelbar auf Module wie Geometrie von Mannigfaltigkeiten und Lie-Gruppen zurückführen, die weit über Standard-Data-Science-Curricula hinausgehen.
Arbeiten neben dem Studium
Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Erlangen, ideal neben dem Präsenzstudium am Campus.
bis 20 Std.pro Woche im Semester – das erlaubt das Werkstudentenprivileg
ab 13,90 €pro Stunde gesetzlicher Mindestlohn; technische Werkstudierende oft darüber
SV-freiWerkstudentenjobs sind weitgehend sozialversicherungsfrei – mehr netto bleibt
Werkstudentenjobsin ErlangenLive Praktikain ErlangenLive Werkstudent Maschinenbaubundesweit & remoteLive
Stellen live aus der StudySmarter Jobbörse · laufend aktualisiert.
Tools & Rechner
Kostenlose StudySmarter-Tools für Finanzierung, Karriere und Bewerbung – direkt einsatzbereit.
GehaltsrechnerWas verdienst du mit diesem Abschluss? Gehälter nach Beruf und Region.BAföG-RechnerBerechne in zwei Minuten deinen möglichen BAföG-Anspruch.Karriere-QuizFinde heraus, welche Berufe und Studiengänge zu dir passen.CV-CheckLass deinen Lebenslauf prüfen und erhalte konkrete Verbesserungen.Skills-AnalyseWelche Skills brauchst du im Beruf – und wo hast du noch Lücken?KarrierepfadSieh typische Karrierewege und Gehaltsstufen für deinen Beruf.
Die Hochschule im Profil
Kurzprofil der Friedrich-Alexander-Universität Erlangen-Nürnberg – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
FA
Friedrich-Alexander-Universität Erlangen-Nürnberg
Staatliche HochschulePräsenzstudiumErlangen
StudySmarter-Score
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Was Studierende sagen
Das wird gelobt
- Ungewöhnlich starke mathematische Fundierung im Vergleich zu vielen anderen Data-Science-Studiengängen
- Einbettung in eine forschungsstarke, naturwissenschaftlich geprägte Universität
- Zulassungsfreier Zugang erleichtert den Studienstart
Worauf du achten solltest
Wer vor allem schnell praktische Tool-Kompetenz für die Industrie sucht, sollte bedenken, dass der hohe mathematische Anspruch der FAU – etwa durch Module zu Lie-Algebren und Mannigfaltigkeiten – Zeit und Durchhaltevermögen erfordert, die sich nicht sofort in unmittelbar anwendbaren Fähigkeiten niederschlagen.
Passt Data Science zu dir?
Das solltest du mitbringen
- Du interessierst dich für Mathematik nicht nur als Werkzeug, sondern als eigenständiges Denksystem.
- Du bringst Ausdauer für abstrakte, theorielastige Module wie Geometrie von Mannigfaltigkeiten mit.
- Du möchtest später in forschungsnahen oder methodisch anspruchsvollen Data-Science-Rollen arbeiten.
- Du schätzt ein universitäres Umfeld mit starker naturwissenschaftlicher Tradition.
Weitere & ähnliche Studiengänge
Ähnliche Studiengänge an der FAU
Advanced Health Care
Studiengang ansehen
Advanced Healthcare – Interprofessionelle Gesundheitsversorgung
Studiengang ansehen
Advanced Materials and Processes
Studiengang ansehen
Advanced Optical Technologies
Studiengang ansehen
Antike Sprachen und Kulturen
Studiengang ansehen
Applied Sustainable Engineering
Studiengang ansehen
Data Science an anderen Hochschulen
Häufige Fragen
Ist der Data-Science-Bachelor an der FAU zulassungsbeschränkt?
Nein, der Studiengang ist zulassungsfrei, das heißt, es gibt keinen Numerus clausus als formale Zugangshürde. Die inhaltliche Herausforderung liegt im mathematisch anspruchsvollen Studienverlauf selbst.
Wie mathematisch ist der Studiengang wirklich?
Sehr mathematisch: Module wie Geometrie von Mannigfaltigkeiten, Lie-Algebren und Lie-Gruppen zeigen, dass die FAU einen deutlich theorielastigeren Ansatz verfolgt als viele anwendungsorientierte Data-Science-Programme anderer Hochschulen.
Welche Berufsfelder stehen nach dem Abschluss offen?
Absolvent:innen finden Anschluss an Berufe der Informatik, von klassischer Softwareentwicklung bis zu spezialisierten Analyse- und Modellierungsrollen, sowie an konsekutive Masterstudiengänge mit Vertiefung in Data Science oder Mathematik.
Wird der Studiengang in Vollzeit angeboten?
Ja, der B.Sc. Data Science an der FAU wird in Erlangen als Vollzeitstudium angeboten, das dem klassischen universitären Format aus Vorlesungen, Übungen und Seminaren folgt.
Kostenlos & unverbindlich
Infomaterial zu Data Science bekommen
Studienführer, Termine, Zulassung & Finanzierung – kostenlos direkt in dein Postfach.
StudyKit · kostenlos
Noch unsicher bei der Studienwahl?
Mit StudyKit gehst du Studienwahl, Bewerbung und Finanzierung an einem Ort an, begleitet von einem persönlichen KI-Assistenten. Finde heraus, was wirklich zu dir passt, und starte deine Bewerbung Schritt für Schritt.
Karriere-QuizBewerbungs-WalkthroughGehalts- & CV-Check