5 ECTS
Mathematical Data Science
Modul kombiniert Vorlesung und praktische Übungen zu mathematischen Grundlagen der Datenwissenschaft mit mündlicher Prüfung (15 Min.).
Friedrich-Alexander-Universität Erlangen-Nürnberg · Master
Data Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg
Der Masterstudiengang Data Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) verbindet mathematische Tiefe mit datengetriebener Praxis und führt in Erlangen zu einem M.Sc.-Abschluss.
M.Sc.
Master of Science
120
ECTS-Punkte
4 Sem.
Regelstudienzeit 2 Jahre
Erlangen
Studienort
Über den Studiengang
Data Science an der FAU Erlangen-Nürnberg richtet sich an Studierende, die nach einem ersten berufsqualifizierenden Abschluss ihre analytischen und mathematischen Fähigkeiten vertiefen möchten. Der Masterstudiengang ist zulassungsfrei und wird in Vollzeit am Standort Erlangen angeboten, einem Universitätsstandort mit ausgeprägter Tradition in Mathematik, Informatik und Ingenieurwissenschaften.
Anders als viele reine Anwendungsstudiengänge legt das Programm einen spürbaren Schwerpunkt auf theoretische Grundlagen: Module zu Geometrie von Mannigfaltigkeiten, Lie-Algebren und Lie-Gruppen zeigen, dass hier nicht nur Werkzeuge angewendet, sondern deren mathematisches Fundament durchdrungen werden soll. Das passt zum Ruf der FAU als forschungsstarke Universität mit enger Verzahnung von Mathematik und Naturwissenschaften.
Studierende erwerben so eine Kombination aus algorithmischem Denken, statistischer Modellierung und einem tiefen Verständnis geometrischer und algebraischer Strukturen, die in modernen Data-Science-Methoden wie Deep Learning oder Manifold Learning zunehmend relevant werden.
Studiengang im Detail
Studieninhalte
Neben klassischen Data-Science-Themen wie maschinellem Lernen und statistischer Analyse fällt auf, dass Module wie Geometrie von Mannigfaltigkeiten, Lie-Algebren und Lie-Gruppen fest im Curriculum verankert sind. Diese Inhalte vermitteln ein tieferes Verständnis für die mathematischen Strukturen hinter modernen Algorithmen, etwa bei nichtlinearer Dimensionsreduktion oder geometrischem Deep Learning.
Damit unterscheidet sich der Studiengang von vielen anwendungsorientierten Data-Science-Programmen, die stärker auf Tools und Softwarepraxis setzen, und positioniert sich klar im Schnittfeld von Mathematik und Informatik.
Für wen passt das?
Besonders geeignet ist der Studiengang für Personen mit einem mathematisch-technischen Erststudium, etwa aus Mathematik, Physik oder Informatik, die Freude an abstrakten Strukturen und formaler Herleitung haben. Wer lieber pragmatisch mit fertigen Tools arbeitet, sollte die mathematische Ausrichtung realistisch einschätzen.
Auch Studieninteressierte, die später in Forschung, Entwicklung neuer Algorithmen oder hochspezialisierten Analyseteams arbeiten möchten, finden hier ein passendes Fundament.
Karriere & Arbeitsmarkt
Absolventinnen und Absolventen richten sich beruflich häufig in Richtung Berufe in der Informatik aus, etwa als Data Scientist, Machine-Learning-Entwickler oder in Forschungspositionen mit Fokus auf mathematische Modellierung.
Die Kombination aus solider Programmierpraxis und vertiefter mathematischer Theorie kann besonders in forschungsnahen Unternehmen oder wissenschaftsnahen Abteilungen ein Alleinstellungsmerkmal sein.
Hochschule & Format
Die FAU Erlangen-Nürnberg ist eine große Universität mit breitem Fächerspektrum und starker MINT-Ausrichtung. Das Vollzeitstudium in Erlangen ermöglicht eine enge Einbindung in Forschungsprojekte und den direkten Kontakt zu Lehrstühlen mit mathematischem Schwerpunkt.
Das Format eignet sich für Studierende, die sich voll auf ein anspruchsvolles, theorielastiges Curriculum konzentrieren möchten.
Curriculum & Module
73 Module · 220 ECTS im Modulhandbuch – aus dem Modulhandbuch dieses Studiengangs. Durchsuche alle Module oder filtere nach Semester.
5 ECTS
Deep Learning
Kernmodul zu Deep Learning Methoden und Techniken gemäß FPOINF §43a.
5 ECTS
Mathematics of Learning
Modul behandelt mathematische Grundlagen des Machine Learning mit Vorlesung und Übungen sowie mündlicher Prüfung (30 Min.).
5 ECTS
Discrete Optimization I
Einführung in diskrete Optimierungsmethoden und Algorithmen für die Datenorientierte Optimierung.
10 ECTS
Discrete Optimization II
Vertiefung der diskreten Optimierungsmethoden und fortgeschrittene Techniken in der Datenorientierten Optimierung.
5 ECTS
Optimization in Industry and Economy
Anwendungen von Optimierungsmethoden in industriellen und wirtschaftlichen Kontexten.
5 ECTS
Advanced Algorithms for Nonlinear Optimization
Fortgeschrittene Algorithmen für nichtlineare Optimierungsprobleme.
10 ECTS
Advanced Nonlinear Optimization
Vertiefung in fortgeschrittene Techniken der nichtlinearen Optimierung.
5 ECTS
Optimization with Partial Differential Equations
Optimierungsmethoden unter Berücksichtigung partieller Differentialgleichungen.
10 ECTS
Introduction to Material and Shape Optimization
Einführung in Material- und Formoptimierungsprobleme mit praktischen Anwendungen.
5 ECTS
Robuste Optimierung 2
Fortgeschrittene Methoden der robusten Optimierung für unsichere Daten und Parameter.
5 ECTS
Numerical Aspects of Linear and Integer Programming
Numerische Aspekte linearer und ganzzahliger Programmierungsprobleme.
5 ECTS
Mathematische Grundlagen zu Data Analytics, Neuronale Netze und Künstliche Intelligenz
Mathematische Fundierung von Data Analytics, neuronalen Netzen und KI-Methoden.
10 ECTS
Funktionalanalysis I
Einführung in die Funktionalanalysis als mathematische Grundlage der Data Science.
10 ECTS
Partielle Differentialgleichungen I
Grundlagen partieller Differentialgleichungen und deren Anwendungen in der Data Science.
10 ECTS
Partielle Differentialgleichungen II
Vertiefung in partielle Differentialgleichungen und fortgeschrittene Techniken.
10 ECTS
Geometrie von Mannigfaltigkeiten
Mathematische Theorie von Mannigfaltigkeiten mit Anwendungen in der Data Science.
5 ECTS
Statistische Mechanik
Grundlagen der statistischen Mechanik mit Relevanz für probabilistische Methoden.
10 ECTS
Einführung in die Darstellungstheorie
Einführung in Darstellungstheorie als mathematische Grundlage der Data Science.
10 ECTS
Lie-Algebren
Theorie der Lie-Algebren mit Anwendungen in der Mathematik und Data Science.
10 ECTS
Lie-Gruppen
Theorie der Lie-Gruppen und deren Rolle in mathematischen Strukturen.
5 ECTS
Datenstromsysteme
Systeme zur Verarbeitung und Analyse von Datenströmen in Echtzeit.
5 ECTS
Multimedia-Datenbanken und Objektorientierte Datenbanken
Datenbanksysteme für multimediale Daten und objektorientierte Ansätze.
5 ECTS
Datenbanken in Rechnernetzen und Transaktionssysteme
Verteilte Datenbanksysteme in Rechnernetzen und Transaktionsverwaltung.
5 ECTS
eBusiness Technologies und Evolutionäre Informationssysteme
Technologien für E-Business und evolutionäre Konzepte von Informationssystemen.
Artificial Intelligence I
Grundlagen der künstlichen Intelligenz und ihrer Methoden.
Artificial Intelligence II
Vertiefung in fortgeschrittene KI-Techniken und Anwendungen.
5 ECTS
Machine Learning for Time Series
Machine Learning Methoden spezialisiert auf Zeitreihendaten.
5 ECTS
Pattern Recognition
Techniken zur Mustererkennung in Daten mittels Machine Learning.
5 ECTS
Pattern Analysis
Analyse und Interpretation von Mustern in großen Datenmengen.
10 ECTS
Software-Anwendungen mit KI
Praktische Anwendungen von KI in Softwareentwicklung und Systemen.
Simulation and Modeling 1
Grundlagen von Simulation und mathematischer Modellierung.
Simulation and Modeling 2
Vertiefung in fortgeschrittene Simulationstechniken und Modellierung.
Simulation and Scientific Computing 1
Simulationsmethoden im Kontext wissenschaftlichen Rechnens.
Simulation and Scientific Computing 2
Fortgeschrittene Techniken des wissenschaftlichen Rechnens und Simulation.
Modellierung, Optimierung und Simulation von Energiesystemen
Anwendung von Modellierung, Optimierung und Simulation auf Energiesysteme.
Dienstgüte von Kommunikationssystemen
Analyse und Optimierung der Dienstgüte in Kommunikationssystemen.
Partial Differential Equations Based Image Processing
Bildverarbeitung basierend auf partiellen Differentialgleichungen.
Inverse Problems and their Regularization
Theorie und Lösungsmethoden für inverse Probleme mit Regularisierungstechniken.
Practical Course: Modeling, Simulation, Optimization
Praktisches Seminar zur Anwendung von Modellierung, Simulation und Optimierung.
PDEs in Data Science
Anwendung partieller Differentialgleichungen in Data Science Methoden.
Advanced Discretization Techniques
Fortgeschrittene Diskretisierungsmethoden für numerische Lösungen.
Advanced Solution Techniques
Fortgeschrittene Lösungstechniken für numerische und mathematische Probleme.
Stochastische Analysis
Mathematische Grundlagen stochastischer Prozesse und Analysis.
Wahrscheinlichkeitstheorie
Fundamentale Konzepte und Methoden der Wahrscheinlichkeitstheorie.
Fortgeschrittene Risikoanalyse 1
Fortgeschrittene Methoden der Risikoanalyse und Quantifizierung.
Mathematics of Simulations in Statistics and Artificial Intelligence
Mathematische Grundlagen von Simulationen in Statistik und KI.
Advanced Mathematics of Simulations in Statistics and Artificial Intelligence
Fortgeschrittene mathematische Techniken für Simulationen in Statistik und KI.
Machine learning in signal processing
Anwendung von Machine Learning Methoden in der Signalverarbeitung.
Lab Course Machine Learning in Signal Processing
Praktisches Laborpraktikum für Machine Learning in der Signalverarbeitung.
Mathematical methods for machine learning and signal processing
Mathematische Methoden für Machine Learning und Signalverarbeitung.
Quantum Computing
Grundlagen und Anwendungen von Quantencomputing.
Experimentalphysik 1 für Mathematikstudierende
Experimentelle Physik Kurs spezialisiert für Mathematikstudenten.
Experimentalphysik 1+2: Mechanik, Wärmelehre und Elektrodynamik
Experimentelle Physik behandelt Mechanik, Wärmelehre und Elektrodynamik.
Computerphysik und numerische Methoden
Computergestützte Physik und numerische Verfahren.
Rechnerkommunikation
Grundlagen der Datenübertragung und Kommunikation in Rechnernetzen.
Computergraphik
Techniken und Algorithmen der Computergraphik.
Software-Entwicklung in Großprojekten
Methoden und Praktiken der Softwareentwicklung in größeren Projekten.
Nailing your Thesis
Schulung und Unterstützung zum Verfassen wissenschaftlicher Arbeiten.
Einführung in die IT-Sicherheit
Grundlagen von IT-Sicherheit und Cybersecurity.
Grundlagen der Rechnerarchitektur und -organisation
Fundamentale Konzepte der Rechnerarchitektur und -organisation.
Rechnerarchitektur
Tiefergehende Behandlung der Rechnerarchitektur und deren Komponenten.
Approximate Computing
Techniken des approximativen Rechnens für effiziente Berechnung.
SWAT-Intensivübungen
Intensive Übungen zu Software- und Algorithmen-Techniken.
Implementierung von Datenbanksystemen
Praktische Implementierung und Realisierung von Datenbanksystemen.
Graph Routing and Applications
Graphenbasierte Routing-Algorithmen und deren Anwendungen.
Kryptographie I - Teil 1
Einführung in Kryptographie und kryptographische Verfahren.
Kryptographie II - Teil 1
Fortgeschrittene Themen in Kryptographie und IT-Sicherheit.
Lineare Komplementaritätsprobleme
Mathematische Theorie und Lösungsverfahren für lineare Komplementaritätsprobleme.
Projektseminar Optimierung
Projektseminar mit Fokus auf praktische Optimierungsanwendungen.
10 ECTS
Projekt Datenbanken Wissensrepräsentation
Projektmodul zu Datenbanken und Wissensrepräsentation.
10 ECTS
Projekt Machine Learning/Artificial Intelligence
Projektmodul zu Machine Learning und künstlicher Intelligenz.
Projekt Simulation und Numerik
Projektmodul zu Simulation und numerischen Methoden.
Keine Module gefunden. Suche anpassen oder Filter zurücksetzen.
Moduldaten aus dem offiziellen Modulhandbuch der Friedrich-Alexander-Universität Erlangen-Nürnberg. Umfang und Angebot können sich je Studien- und Prüfungsordnung ändern.
Zulassung & Zugangswege
ZulassungsfreiData Science ist an der FAU zulassungsfrei. Wer die Hochschulzugangsberechtigung mitbringt und sich fristgerecht einschreibt, bekommt einen Platz – es gibt keinen Numerus Clausus.
Bewerbungsfrist31.05. Sommersemester: 30.11.
UnterrichtsspracheDeutsch
StudienbeginnSommersemester, Wintersemester
Was du zum Bewerben brauchst
- →Bewerbung innerhalb der oben genannten Frist einreichen
- →Hochschulzugangsberechtigung (Abitur, Fachhochschulreife oder gleichwertig)
Zulassungsfrei – kein NCWer die Hochschulzugangsberechtigung und die formalen Voraussetzungen erfüllt, bekommt den Platz. Entscheidend ist die fristgerechte Bewerbung.
Wie die Plätze vergeben werden
Das Auswahlverfahren
Qualifikationsfeststellungsverfahren. Bewerber mit einem zulässigen Abschluss und einem Notendurchschnitt zwischen 2,6 und 2,8 werden zu einem kurzen Online-Interview eingeladen, in dem ihre Kenntnisse in Kalkül, linearer Algebra, Algorithmen und Datenstrukturen bewertet werden.
Was du mitbringen musst
Ein abgeschlossenes Bachelorstudium der Mathematik, Wirtschaftsmathematik, Informatik, Data Science oder Physik an der FAU oder ein anderer gleichwertiger in- oder ausländischer Abschluss, der sich in Bezug auf das im jeweiligen Studium vermittelte Kompetenzprofil nicht wesentlich unterscheidet, sowie ein Notendurchschnitt (Grade Point Average, GPA) von 2,5 oder besser in Bezug auf das deutsche Notensystem.
Das Eignungsverfahren im Detail
Kurzes Online-Interview für Bewerber mit GPA zwischen 2,6 und 2,8, in dem Kenntnisse in Kalkül, linearer Algebra, Algorithmen und Datenstrukturen bewertet werden.
Dein Schnitt im Vergleich
Match starten →Studiengang-Match und NC-Check
Gib deine Abiturnote ein und sieh mit echten NC-Daten, wie gut dieser und ähnliche Studiengänge zu dir passen.
Bewerbungsguide
So bewirbst du dich auf Data Science
Frist und Unterlagen zuerst – alles Weitere folgt Schritt für Schritt.
Deine Fristen
StudienbeginnSommersemester, Wintersemester
Bewerbungsfrist Wintersemester: 31.05. Sommersemester: 30.11.
Termine der FAU für Wintersemester 2026/27, Sommersemester 2026.
Das brauchst du
- Hochschulzugangsberechtigung (Zeugnis)
- Tabellarischer Lebenslauf
- Was die Hochschule zusätzlich verlangt
Sprachnachweis anerkannt: Englischkenntnisse auf dem Niveau B2 des CEFR oder sechs Jahre Englischunterricht an einem deutschen Gymnasium
Die Details stehen unter Zulassung auf dieser Seite.
Zulassungsfrei
Der Studiengang ist zulassungsfrei: Wer die Voraussetzungen erfüllt und fristgerecht einreicht, bekommt den Platz.
Semesterbeitrag bei der Einschreibung: 82,00 €
Schritt für Schritt
- 1Studiengang und Frist fixieren
Abschluss, Studienform und die Frist oben festhalten.
- 2Unterlagen sammeln
Die vollständige Liste der Hochschule steht rechts, jedes Stück einzeln abhaken, bevor du einreichst.
- 3Bewerbung einreichen
Über campo.fau.de, vor der Frist.
- 4Bescheid abwarten
Bei zulassungsfreien Studiengängen folgt die Zusage nach Formalprüfung; bei NC-Verfahren nach dem Vergabelauf.
- 5Einschreiben und Beitrag zahlen
Mit der Einschreibung wird der Semesterbeitrag 82,00 € fällig; danach kommt der Studierendenausweis.
Kosten & Finanzierung
Was ein Jahr kostetDetails bei FAU →
Hochschule · 2 × Semesterbeitrag · 164 €Leben · Bund-Ansatz · 11.904 €
Studiengebührenkeine für das Erststudium
Semesterbeitrag82,00 € pro Semester
Lebenshaltungrund 992 € im Monat
Die Hochschule ist der kleinere Posten. Miete, Essen und Mobilität entscheiden über dein Budget; die 11.904 € im Jahr sind der Ansatz des Bundes für ein Studienjahr.
Die vier Säulen
Günstigstes zuerst ↓So kannst du dein Studium finanzieren
Vier Quellen, eine Reihenfolge: erst Geld, das du nicht zurückzahlst, dann selbst verdientes, der Kredit zuletzt.
BAföG zuerst
Zur Hälfte Zuschuss, zur Hälfte zinsloses Darlehen – günstiger wird Studienfinanzierung nicht. Anspruch hängt vom Einkommen der Familie ab.
BAföG berechnen →Stipendien suchen
Deutschlandstipendium, Begabtenförderungswerke und Stiftungen – Geld, das du nicht zurückzahlst, und oft weniger Konkurrenz als gedacht.
→Werkstudentenjob
Ein Werkstudentenjob im Feld bringt Geld und Praxis – in Erlangen und bundesweit. Die Stellen aus der StudySmarter Jobbörse stehen weiter unten auf dieser Seite.
Stellen ansehen →Studienkredit nur für die Lücke
Wenn Förderung, Stipendium und Job nicht reichen: Zinssatz, Auszahlungsplan und Rückzahlungsbeginn vergleichen, bevor du unterschreibst.
Lohnt sich das Studium gegenüber einer Ausbildung?
So liest du die Kurve: In den ersten Berufsjahren liegt die Ausbildung vorn, denn sie zahlt ab dem ersten Tag ein volles Gehalt, während das Studium zunächst Zeit und Geld kostet (roter Bereich). Sobald das höhere akademische Einkommen diesen Vorsprung aufgeholt hat, kippt die Gesamtbilanz ins Plus (grüner Bereich), und der Abstand wächst danach mit jedem weiteren Berufsjahr.
Zahlt sich langfristig aus: nach rund 10 Jahren im Plus
Mit StudiumMit AusbildungStudium im RückstandStudium im Plus
Die wichtigsten Zahlen
- 80.000 € zu 62.000 € Median-Jahresgehalt mit Studium gegen Ausbildung im selben Berufsfeld, rund 18.000 € mehr pro Jahr nach dem Abschluss.
- −149k € größter Rückstand direkt nach dem Abschluss, aus Studienkosten und dem zunächst fehlenden Gehalt.
- rund 10 Jahre bis zum Break-even; ab dann liegt das Studium in der kumulierten Bilanz vorn.
- +541k € Gesamtvorsprung des Studiums bis Jahr 40, danach wächst der Abstand weiter.
Kumulierte Netto-Bilanz: akademischer Master-Median (80.000 €/Jahr) gegen den Fachkraft-Median (62.000 €/Jahr) im selben Berufsfeld, abzüglich Semesterbeitrag und rund 992 € Lebenshaltung im Monat während der 2 Studienjahre. Reale Gehälter hängen von Betrieb, Region und Verlauf ab.
Studiengang-Details
Zeitmodelle, Studienorte und Praxisbezug, wie die Hochschule sie angibt.
Studienorte2
ErlangenNürnberg
Flexibilität & Praxis
- Teilzeitstudium möglich.
Deine StudySmarter Jobgarantie
StudySmarter garantiert dir einen Job innerhalb von 6 Monaten nach dem Abschluss oder zahlt dein Coaching, wenn du dich über StudySmarter einschreibst.
StudySmarter 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 StudySmarter Jobgarantie inklusive.
Infomaterial anfordern
Es gelten die Teilnahmebedingungen. Details und Bedingungen erhältst du mit dem Infomaterial.
Karriere & Gehalt
Der Weg vom Berufseinstieg bis zur Führungsposition zeigt, wie sich mathematisch fundierte Data-Science-Kompetenz im Berufsleben entfalten kann.
- Junior Data Scientist / Data AnalystEinstieg in Analyseteams, Aufbau praktischer Erfahrung mit Modellen und Datenpipelines · 0 bis 2 Jahre
- Data ScientistEigenständige Entwicklung und Anwendung von Modellen, auch mit komplexeren mathematischen Verfahren · 2 bis 5 Jahre
- Senior Data Scientist / Research ScientistVerantwortung für anspruchsvolle Modellierungsprojekte, oft mit Forschungsbezug · 5 bis 8 Jahre
- Lead Data Scientist / Head of Data ScienceFachliche und strategische Leitung von Data-Science-Teams · 8 bis 12 Jahre
80.424 €Median im BerufsfeldBruttojahresgehalt, bundesweit
64.956 € · Berufseinstieg95.628 € · obere Spanne
Was dir dieser Abschluss bringt
Median-Bruttojahresgehalt im Berufsfeld über die Karriere, nach Qualifikation.
Median brutto/Jahr, BA Entgeltatlas nach Anforderungsniveau und Alter; gemessene Werte, keine Prognose. die Ohne-Ausbildung-Linie ist eine bundesweite Orientierung.
Bayern: 94.296 € · dein StudienortSpitze: Bayern 94.296 €Verlauf: 79.524 → 91.656 €
Wie gefragt ist das Berufsfeld?
Die Bundesagentur für Arbeit stuft das Berufsfeld als Engpassberuf ein. Stellen bleiben im Schnitt 46 Tage unbesetzt, auf Fachkraftniveau 86 Tage.
46 Tagedieses Berufsfeld
Fachkraftniveau: 86 Tage
unter 100 Tage100 bis 175 Tagemehr als 175 Tage
37 offene Stellen auf der Vaia Jobbörse, täglich aktualisiert4,0 % Arbeitslosenquote in Bayern
Was bleibt dir netto? Rechne dein realistisches Netto mit Steuer, Sozialabgaben und Stadtvergleich.
Gehalts-Check öffnenCV-Check startenNach dem Abschluss
Dein Gehaltspfad, der Arbeitsmarkt und Berufsrichtungen für Data Science.
So entwickelt sich das Gehalt
+12.132 € bis zur Karrieremitte+18.156 € Median-Abstand zur Fachkraft mit Ausbildung, pro Jahrunter Beobachtung: BA-Einstufung des Berufsfelds
Beschäftigte nach Altersgruppe im Berufsfeld, Median brutto/Jahr, bundesweit. Gemessene Werte, keine Prognose.
Berufsrichtungen nach dem Abschluss
Forschung & Lehre
Promotion, wissenschaftliche Mitarbeit und Lehre an Universitäten und Instituten.
Typische Rollen: Doktorand:in, wiss. Mitarbeiter:in, Lehrbeauftragte:r
Öffentlicher Dienst & Planung
Ministerien, Behörden, Planung, Statistik und Verwaltung.
Typische Rollen: Referent:in, Fachplaner:in, Sachverständige:r
Wirtschaft & Unternehmen
Unternehmen, Beratung und datengetriebene Analyse in der Privatwirtschaft.
Typische Rollen: Berater:in, Projektmanager:in, Fachexpert:in
Absolvent:innen starten u. a. bei Siemens, Siemens Healthineers und Siemens Energy.Alle Stellen in der Jobbörse ansehen →
Arbeitsmarkt & Zukunft
Wie sich der Berufsalltag von Data Scientists durch KI verändert, lässt sich anhand konkreter Aufgabenbereiche greifbar machen.
KI nimmt dir ab
Routinearbeit, die Software heute schon übernimmt
- Automatisierte Datenbereinigung und Feature-Engineering durch spezialisierte Tools
- Vortrainierte Modelle für Standardaufgaben wie Klassifikation oder Clustering
- Automatisiertes Hyperparameter-Tuning und Modellvergleich
- Generierung von Standardvisualisierungen und Reports
Menschlich gefragter denn je
Wofür der Abschluss dich ausbildet
- Mathematisch fundierte Modellentwicklung für nicht-standardisierte Probleme
- Interpretation komplexer geometrischer und algebraischer Modellstrukturen
- Kritische Bewertung von Modellannahmen und Grenzen der Automatisierung
- Kommunikation von Ergebnissen an fachfremde Stakeholder
Kompetenzen aus Modulen wie Geometrie von Mannigfaltigkeiten und Lie-Gruppen bilden die Grundlage für ein tiefes Verständnis moderner, geometrisch motivierter Machine-Learning-Verfahren.
Sehen, was der Markt konkret sucht: aktuelle Jobs und Werkstudentenstellen im Berufsfeld.
Passende Jobs ansehenArbeiten neben dem Studium
Vom Werkstudentenjob bis zur ersten Stelle: diese Ausschreibungen passen zu deinem Fach.
SAData Science Manager (f/m/d): SAP Foundation Model for structured data›PGWerkstudent Data Analytics (m/w/d)›KAPraktikum Data Science / Data Analytics & BI (w/m/d)›RGData Science Manager (f/m/d): SAP Foundation Model for structured data›MAWerkstudent Data Science / Digital Maintenance Solutions (all genders)›DBPraktikum Data-Science/Statistik im Bereich Indikatoren der preislichen Wettbewerbsfähigkeit, Devisenkurse›
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
Friedrich-Alexander-Universität Erlangen-Nürnberg
Die Friedrich-Alexander-Universität Erlangen-Nürnberg wurde 1743 gegründet. Mit rund 39.000 Studierenden gehört sie zu den großen Hochschulen des Landes – der Frauenanteil liegt bei 50 %, 22 % kommen aus dem Ausland. 81 % der Abschlussprüfungen wurden zuletzt bestanden.
Studium
258Studiengänge
5 von 258davon mit NC
81 %bestandene Prüfungen
Menschen
38.960Studierende
50 %Frauenanteil
22 %Internationale
Chancen
5.820Erstsemester pro Jahr
400Erasmus-Partner
Studentenleben & Studierende
Insgesamt 38.960 Studierende an der Hochschule.
Stell dir 100 Studierende vor
Wer sitzt neben dir?
50 von 100
sind Frauen
Frauenanteil an der Friedrich-Alexander-Universität Erlangen-Nürnberg
Was Studierende sagen
Das wird gelobt
- Starke mathematische Fundierung mit Bezug zu aktuellen KI-Methoden
- Forschungsnahe Ausbildung an einer etablierten Universität
- Zulassungsfreier Zugang erleichtert den Einstieg in ein anspruchsvolles Programm
Worauf du achten solltest
Wer eine rein anwendungsorientierte, tool-fokussierte Ausbildung sucht, sollte bedenken, dass der hohe Anteil an abstrakter Mathematik – etwa zu Lie-Algebren und Mannigfaltigkeiten – ein solides Fundament in formaler Mathematik voraussetzt und nicht jedem liegt.
Passt Data Science zu dir?
Das solltest du mitbringen
- Du hast Freude an abstrakter Mathematik und willst diese mit Data Science verbinden.
- Du bringst ein mathematisch-technisches Erststudium mit, etwa aus Mathematik, Physik oder Informatik.
- Du interessierst dich für geometrische und algebraische Grundlagen moderner KI-Methoden.
- Du strebst eine Laufbahn in forschungsnahen oder hochspezialisierten Data-Science-Rollen an.
Wer eine rein anwendungsorientierte, tool-fokussierte Ausbildung sucht, sollte bedenken, dass der hohe Anteil an abstrakter Mathematik – etwa zu Lie-Algebren und Mannigfaltigkeiten – ein solides Fundament in formaler Mathematik voraussetzt und nicht jedem liegt.
Der Vergleich
Wie schneidet dieser Studiengang im Vergleich ab?
Derselbe Studiengang an anderen Hochschulen – und was er dort kostet.
Diese SeiteGleicher Studiengang anderswoBesser platziert = oben ↑
Hochschulranking ↑
#13#38#621,31,82,3
NC-Median der Hochschule lockerer →
FAU (diese Seite)
1,6NC-Median der Hochschule
#18Ranking
–Regelstudienzeit
82 €Beitrag/Semester
NC-Median und Ranking gelten für die Hochschule insgesamt, nicht für diesen einzelnen Studiengang.
Weitere & ähnliche Studiengänge
Data Science an anderen Hochschulen
For international students
Studying Data Science at FAU from abroad
What the university publishes decides your application. Residence and financing rules come from the federal portal, in English.
Admission
GermanLanguage of instruction
Cost
0 €Tuition, published by the university
11.904 €Blocked-account proof of funds (2026), if you need a visa
Work & stay
140 / 280Full / half working days per year alongside study
18 monthsResidence permit to find a job after graduating
Every figure is published data for this program, this university, or a federal value that applies nationwide.
Five steps in the right order
- 1Check the programCompare degree, language of instruction, deadlines and entry requirements, all published on this page.
- 2Clarify admissionCheck that your school-leaving certificate is recognised and which language or subject certificates the university asks for.
- 3Submit your applicationApplications run through campo.fau.de. Keep the deadline for your intake in view early.
- 4Prepare your financingKeep study costs and living costs separate. If you need a visa, a blocked account is usually part of the proof.
- 5Plan entry and arrivalVisa, health insurance, housing and enrollment, organised well before the semester starts.
Federal values: Make it in Germany (federal government portal), as of 2026. Whether you need a visa and which proofs apply depends on your nationality and situation. After graduation you can stay for 18 months to look for a qualified job.
Your first-year budget
Semester fee82,00 € per semester
Tuitionnone for a first degree
Proof of funds11.904 € for the first yearrequired for the visa – roughly 992 € per month
The proof of funds is not a price. It shows you can cover your living costs – the money pays for your life in Germany, not the university.
Language of instructionGermanAccepted: Englischkenntnisse auf dem Niveau B2 des CEFR oder sechs Jahre Englischunterricht an einem deutschen Gymnasium
Working while studying140 daysfull days per year, or 280 half days
Staying after graduation18 monthsresidence permit to look for a job in Germany
International campus22 %international students at this university
Plan your first yearRent, semester fee and everyday costs for your city – turn 992 € a month into a real plan.
Budget planner →Bewerbung & Fristen
Fristen und Zulassung direkt von den offiziellen Seiten der Hochschule.
Bewerbungsfristen
| Bewerbungsfrist Wintersemester | 31.05. Sommersemester: 30.11. |
Quelle: offizielle Seiten der Hochschule.
Weiter stöbern
Vergleiche Data Science an anderen Hochschulen, Orten und ohne NC.
Häufige Fragen
Ist der Master Data Science an der FAU Erlangen-Nürnberg zulassungsbeschränkt?
Nein, der Studiengang ist laut den vorliegenden Angaben zulassungsfrei, was jedoch nichts über den fachlichen Anspruch des Programms aussagt.
Wie mathematisch ist der Studiengang wirklich?
Sehr mathematisch: Module wie Geometrie von Mannigfaltigkeiten, Lie-Algebren und Lie-Gruppen zeigen, dass ein tiefes Verständnis abstrakter mathematischer Strukturen erwartet wird, über klassische Data-Science-Inhalte hinaus.
Welche beruflichen Perspektiven ergeben sich nach dem Abschluss?
Absolventinnen und Absolventen orientieren sich häufig in Richtung Berufe in der Informatik, etwa als Data Scientist oder in forschungsnahen Positionen mit Fokus auf mathematische Modellierung.
Für wen eignet sich der Standort Erlangen besonders?
Erlangen eignet sich besonders für Studierende, die Wert auf eine enge Anbindung an mathematisch-naturwissenschaftliche Forschung an einer großen Universität legen und ein Vollzeitstudium anstreben.
Kostenlos & unverbindlich
Infomaterial zu Data Science bekommen
Studienführer, Termine, Zulassung & Finanzierung – kostenlos direkt in dein Postfach.
Redaktionell moderiert
Noch eine Frage zu Data Science?
Schick sie an die Redaktion. Jede Frage wird geprüft und niemals automatisch veröffentlicht.
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