Weitere Module5 ECTS
Nichttechnisches Nebenfach
Wahlmodul aus dem Angebot nichttechnischer Fachrichtungen.
Technische Universität Ilmenau · Master
Data Science Master of Science an der Technische Universität Ilmenau
Der Masterstudiengang Data Science an der TU Ilmenau verbindet fundierte informatische Methodik mit einem frei wählbaren Anwendungsfach – für alle, die Daten nicht nur analysieren, sondern in einem konkreten Fachkontext einordnen wollen.M.Sc.
Master of Science
120
ECTS-Punkte
4 Sem.
Regelstudienzeit
Ilmenau
Studienort
Über den Studiengang
Der M.Sc. Data Science an der TU Ilmenau richtet sich an Absolvent:innen mit erster informatischer oder mathematisch-statistischer Vorbildung, die ihr Wissen um Methoden der Datenanalyse, des maschinellen Lernens und der Datenverarbeitung in großem Maßstab vertiefen möchten. Charakteristisch für Ilmenau ist die enge Verzahnung von technischer Tiefe und einem nichttechnischen Nebenfach, das den Studiengang bewusst über die reine Informatik hinaus öffnet.
Als technisch geprägte Universität mit überschaubarer Campusgröße bietet die TU Ilmenau ein Studienumfeld, in dem Studierende direkten Kontakt zu Lehrenden und Forschungsgruppen haben. Das Vollzeitstudium ist konsequent auf den Übergang in Beruf oder Promotion ausgerichtet und schließt mit dem Master of Science ab.
Ein Fachpraktikum verankert das Studium zusätzlich in der beruflichen Praxis und schafft frühzeitig Kontakte zu Unternehmen oder Forschungseinrichtungen, in denen Data-Science-Methoden angewendet werden.
Curriculum & Module
67 Module · 120 ECTS gesamt – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
Weitere Module30 ECTS
Fachpraktikum
20 Wochen industrielles oder außeruniversitäres Praktikum in der Informatik.
Weitere Module10 ECTS
Nebenfach / Anwendungsfach
Wahlmodul aus einem Anwendungsfach oder verwandten Gebiet.
1. Semester5 ECTS
Effiziente Algorithmen
Fortgeschrittene Algorithmen und Entwurfstechniken, einschließlich Flussprobleme, Matchingalgorithmen, amortisierte Analyse und Textsuche-Verfahren.
1. Semester5 ECTS
Netzalgorithmen
Routingverfahren, Multi-Commodity-Flow-Probleme, Netzwerkentwurf und Optimierungsmethoden für Kommunikationsnetze.
1. Semester5 ECTS
Transaktionale Informationssysteme
Transaktionale Eigenschaften von Informationssystemen, ACID-Eigenschaften, Serialisierbarkeitsbegriffe und Verfahren zur Fehlersicherheit in verteilten Systemen.
1. Semester5 ECTS
Automatische Strukturen
Methoden und Grenzen der algorithmischen Analysierbarkeit unendlicher Strukturen durch endliche Automaten, einschließlich automatischer Strukturen und ihrer Abschlusseigenschaften.
1. Semester5 ECTS
Game Development
Struktur und Komponenten von Computerspielen, einschließlich Gamedesign, Grafik, Physik, Netzwerkarchitektur und künstlicher Intelligenz mit praktischer Spieleentwicklung.
1. Semester5 ECTS
Knowledge Engineering
Fortgeschrittene Methoden der Wissensverarbeitung, einschließlich KI-Inferenzmethoden, Datamining, Entscheidungsbäumen und maschinellem Lernen.
1. Semester5 ECTS
Medical Visualization
Visualisierungstechniken für medizinische Volumendaten, einschließlich Surface- und Volume-Rendering, Virtual Endoscopy und multimodale Visualisierung.
1. Semester5 ECTS
Softcomputing
Fuzzy-Logik, genetische Algorithmen und evolutionäre Strategien zur Lösung von Klassifikations-, Regelungs- und Optimierungsproblemen.
1. Semester5 ECTS
Softwarearchitekturen
Architekturmuster und Designprinzipien für Softwareentwicklung.
1. Semester5 ECTS
Software Safety
Sicherheitsaspekte bei der Softwareentwicklung und -betrieb.
1. Semester5 ECTS
Verifikation
Verifikationstechniken und Methoden zur Überprüfung von Systemeigenschaften.
1. Semester5 ECTS
Security in Embedded Systems
Sicherheitsaspekte in eingebetteten Systemen und IoT-Geräten.
2. Semester5 ECTS
Hauptseminar
Arbeit mit wissenschaftlicher Literatur, Verfassen einer Seminararbeit und Präsentation von Ergebnissen zu einer fortgeschrittenen Fragestellung.
2. Semester5 ECTS
Komplexe Informationstechnische Systeme
Aufbau und Funktionsweise komplexer IT-Systeme, einschließlich Echtzeit-, Kommunikations- und softwaretechnischer Aspekte sowie Hardware-Software-Codesign.
2. Semester5 ECTS
Advanced Mobile Communication Networks
Fortgeschrittene Themen in mobilen Kommunikationsnetzwerken.
2. Semester5 ECTS
Advanced Networking Technologies
Fortgeschrittene Netzwerktechnologien und deren Anwendungen.
2. Semester5 ECTS
Algorithmen und Komplexität 1
Grundlagen der Algorithmenanalyse und Komplexitätstheorie.
2. Semester10 ECTS
Algorithmen und Komplexität 1+2
Erweiterte Algorithmen und Komplexitätsanalyse über zwei Semester.
2. Semester5 ECTS
Angewandte Neuroinformatik
Praktische Anwendungen von neuronalen Netzen und Neuroinformatik.
2. Semester5 ECTS
Data Science: Methoden und Techniken
Methoden und Techniken für Data Science und Datenanalyse.
2. Semester5 ECTS
Distributed Data Management
Verwaltung und Verarbeitung verteilter Daten in Datenbanksystemen.
2. Semester5 ECTS
Distributed Systems
Prinzipien und Techniken für verteilte Computersysteme.
2. Semester5 ECTS
Grundlagen der 3D-Bildverarbeitung
Techniken zur Verarbeitung und Analyse dreidimensionaler Bilddaten.
2. Semester5 ECTS
IT-Sicherheitsmanagement
Management und Strategien für IT-Sicherheit in Organisationen.
2. Semester5 ECTS
Leistungsbewertung technischer Systeme
Methoden zur Bewertung und Analyse der Leistung technischer Systeme.
2. Semester5 ECTS
Lernen in kognitiven Systemen
Lernmechanismen in kognitiven und künstlichen Systemen.
2. Semester5 ECTS
Logik in der Informatik
Anwendung logischer Methoden in der Informatik und deren algorithmische Umsetzung.
2. Semester5 ECTS
Parallel Computing
Konzepte und Techniken für paralleles Programmieren und Datenverarbeitung.
2. Semester5 ECTS
Schutz von Kommunikationsinfrastrukturen
Schutzmechanismen und Sicherheitsaspekte in Kommunikationsnetzen.
2. Semester5 ECTS
Security Engineering
Ingenieursmäßige Ansätze zur Entwicklung sicherer Systeme.
2. Semester5 ECTS
Virtual and Augmented Reality (VR/AR)
Techniken und Anwendungen von virtueller und erweiterter Realität.
2. Semester5 ECTS
Forschungsprojekt
Eigenständiges Forschungsprojekt zu einem aktuellen Thema der Informatik.
3. Semester5 ECTS
Advanced Computer Architectures
Fortgeschrittene Konzepte in Rechnerarchitektur und Systemdesign.
3. Semester5 ECTS
Advanced Distributed Systems
Fortgeschrittene Themen in verteilten Systemen und deren Koordination.
3. Semester5 ECTS
Beweiskomplexität
Komplexitätstheorie mathematischer Beweise und ihre algorithmischen Aspekte.
3. Semester5 ECTS
Cellular Communication Systems
Mobilfunksysteme und zelluläre Netzwerkarchitekturen.
3. Semester5 ECTS
Constraint Satisfaction
Constraint-Satisfaction-Probleme und Lösungsalgorithmen.
3. Semester5 ECTS
Deep Learning
Tiefe neuronale Netze und deren Anwendungen im maschinellen Lernen.
3. Semester5 ECTS
Mensch-Maschine-Interaktion
Gestaltung und Evaluierung von Benutzeroberflächen und Interaktionssystemen.
3. Semester5 ECTS
Modellgetriebene Softwareentwicklung
Model-Driven Engineering für systematische Softwareentwicklung.
3. Semester5 ECTS
Robotvision
Bildverarbeitung und Sehsysteme für Robotik und Automatisierung.
3. Semester5 ECTS
Spezielle Aspekte Integrierter Hard- und Softwaresysteme
Spezielle Themen beim Design und der Integration von Hardware- und Softwarekomponenten.
3. Semester5 ECTS
Systemtechnik und Systemtheorie der Bildverarbeitung
Systemische Ansätze und mathematische Grundlagen der Bildverarbeitung.
3. Semester5 ECTS
Algebra
Algebraische Strukturen und ihre Anwendungen in der Informatik.
3. Semester5 ECTS
Codierungstheorie
Theorie und Anwendungen von Codes zur Fehlerkorrektur und Datenübertragung.
3. Semester5 ECTS
Graphen & Algorithmen
Graphentheorie und Algorithmen für Graphprobleme.
3. Semester5 ECTS
Graphentheorie 1
Grundlagen der Graphentheorie und deren Anwendungen.
3. Semester5 ECTS
Graphentheorie 2
Fortgeschrittene Themen der Graphentheorie.
3. Semester5 ECTS
Kombinatorik 1
Grundlagen der Kombinatorik und Abzählverfahren.
3. Semester5 ECTS
Kombinatorik 2
Fortgeschrittene kombinatorische Techniken und Methoden.
3. Semester5 ECTS
Kombinatorische Optimierung 1
Grundlagen der kombinatorischen Optimierung und Algorithmen.
3. Semester5 ECTS
Kombinatorische Optimierung 2
Fortgeschrittene Themen in kombinatorischer Optimierung.
3. Semester5 ECTS
Large Networks & Random Graphs
Analyse großer Netzwerke und zufälliger Graphen.
3. Semester5 ECTS
Mathematik der Data Science
Mathematische Grundlagen und Methoden für Data Science.
3. Semester5 ECTS
Zeitreihenanalyse
Analyse und Vorhersage von Zeitreihen mit statistischen Methoden.
3. Semester10 ECTS
Algebraische Kombinatorik
Verbindung von algebraischen Strukturen und kombinatorischen Methoden.
3. Semester5 ECTS
Angewandte Optimierung
Praktische Anwendungen von Optimierungsmethoden in der Industrie.
3. Semester5 ECTS
Geometrie
Geometrische Konzepte und deren Anwendungen.
3. Semester10 ECTS
Multivariate Statistik
Statistische Methoden für mehrdimensionale Daten und Datenanalyse.
3. Semester5 ECTS
Numerik
Numerische Methoden zur Lösung mathematischer Probleme.
3. Semester10 ECTS
Numerik 1
Umfassende Einführung in numerische Verfahren und deren Implementierung.
3. Semester5 ECTS
Ordnungs- und Verbandstheorie
Mathematische Theorie von Ordnungsstrukturen und Verbänden.
3. Semester5 ECTS
Spieltheorie
Spieltheoretische Konzepte und deren Anwendungen in der Informatik und Ökonomie.
4. Semester30 ECTS
Masterarbeit mit Kolloquium
Eigenständige wissenschaftliche Arbeit und Präsentation der Ergebnisse in einem Kolloquium.
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
Data Science an der TU Ilmenau ist als forschungsnaher Masterstudiengang konzipiert, der klassische Informatikkompetenzen mit Statistik, maschinellem Lernen und Datenmanagement verbindet. Die technische Ausrichtung der Hochschule prägt den Studiengang spürbar: Methoden werden nicht nur theoretisch behandelt, sondern in Projekten und im Praktikum angewendet.
Durch die Wahl eines Nebenfachs bzw. Anwendungsfachs lässt sich das Studium individuell auf einen fachlichen Schwerpunkt zuschneiden, wodurch Absolvent:innen später in unterschiedlichsten Branchen andocken können.
Studieninhalte
Neben den datenwissenschaftlichen Kernmethoden bildet das nichttechnische Nebenfach einen zentralen Baustein: Es ermöglicht, Data-Science-Kompetenzen mit einem inhaltlichen Anwendungsgebiet zu verknüpfen, etwa aus den Wirtschafts-, Sozial- oder Geisteswissenschaften, je nach Angebot der Hochschule.
Das Fachpraktikum ergänzt die theoretische Ausbildung um praktische Projekterfahrung, während das gewählte Anwendungsfach zusätzliche Vertiefung in einem konkreten Einsatzgebiet der Datenanalyse schafft.
Für wen passt das?
Der Studiengang eignet sich für Studierende mit einem ersten Abschluss in Informatik, Mathematik, Ingenieurwissenschaften oder verwandten quantitativen Fächern, die eine methodisch fundierte Vertiefung suchen und zugleich Interesse an einem fachfremden Anwendungsgebiet mitbringen.
Wer gerne selbstständig programmiert, mit Daten experimentiert und komplexe Zusammenhänge modelliert, findet in Ilmenau ein passendes Umfeld – besonders, wenn die überschaubare Hochschulgröße und der enge Austausch mit Lehrenden geschätzt werden.
Karriere & Arbeitsmarkt
Absolvent:innen des Studiengangs finden Anschluss an Tätigkeitsfelder, die der Berufsgruppe der Berufe in der Informatik zugeordnet werden, etwa in der Datenanalyse, im Machine-Learning-Engineering oder in datengetriebenen Fachabteilungen von Unternehmen unterschiedlichster Branchen.
Das gewählte Anwendungsfach kann dabei den Berufseinstieg zusätzlich lenken, etwa in Richtung Wirtschaft, Technik oder öffentliche Verwaltung, je nach individueller Schwerpunktsetzung im Studium.
Hochschule & Format
Die TU Ilmenau ist eine technisch ausgerichtete Universität mit Fokus auf Ingenieur- und Naturwissenschaften sowie Informatik. Das Vollzeitformat des Studiengangs erlaubt eine zügige, konzentrierte Bearbeitung der Inhalte ohne parallele Berufstätigkeit.
Der Studienort Ilmenau bietet ein kompaktes, überschaubares Campusleben, das kurze Wege zwischen Lehrveranstaltungen, Forschungsgruppen und Praktikumspartnern ermöglicht.
Zulassung & Zugangswege
Zulassung nach KapazitätBitte die aktuellen Zulassungsbedingungen direkt bei der TU Ilmenau prüfen.
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.
NC-Status nicht hinterlegt
Für diesen Studiengang liegt uns keine NC-Grenze vor. Im Studiengang-Match siehst du anhand deiner Note, wie gut du passt, alternativ direkt beim Anbieter prüfen.
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 vom Berufseinstieg bis in Führungsverantwortung folgt in der Datenanalyse einem typischen Muster wachsender Verantwortung und methodischer Tiefe.
- Junior Data Analyst / Data ScientistEinstieg in Datenaufbereitung, explorative Analysen und erste Modellierungsaufgaben unter Anleitung · 0 bis 2 Jahre
- Data ScientistEigenständige Entwicklung von Modellen und Analysen, Zusammenarbeit mit Fachabteilungen · 2 bis 5 Jahre
- Senior Data ScientistVerantwortung für komplexe Projekte, methodische Weiterentwicklung und Mentoring jüngerer Kolleg:innen · 5 bis 8 Jahre
- Lead Data Scientist / TeamleitungFachliche und disziplinarische Führung eines Data-Science-Teams, strategische Ausrichtung der Datenstrategie · 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
Wie sich der Beruf rund um Data Science durch KI-Werkzeuge verändert, lässt sich grob in automatisierbare und weiterhin menschliche Aufgabenbereiche unterteilen.
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
Automatisierung verändert die tägliche Arbeit von Data Scientists spürbar, ersetzt aber nicht alle Kompetenzen, die im Studium erworben werden.
KI nimmt dir ab
- Automatisiertes Feature-Engineering und Modellauswahl durch AutoML-Werkzeuge
- Standardisierte Datenbereinigung und -aufbereitung mittels vorgefertigter Pipelines
- Erstellung einfacher Reports und Dashboards durch generative Tools
- Erste Code-Entwürfe und Boilerplate-Skripte durch KI-Assistenten
Menschlich gefragter denn je
- Formulierung der richtigen Fragestellung und Auswahl relevanter Daten
- Kritische Bewertung von Modellqualität, Bias und Grenzen der Aussagekraft
- Kommunikation von Ergebnissen an Fachabteilungen ohne Data-Science-Hintergrund
- Verantwortungsvoller Umgang mit ethischen und rechtlichen Fragen der Datennutzung
Kompetenzen aus dem Fachpraktikum und dem gewählten Anwendungsfach bilden die Brücke zwischen methodischem Wissen und dessen praktischer Anwendung im späteren Berufsalltag.
Arbeiten neben dem Studium
Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Ilmenau, 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 IlmenauLive Praktikain IlmenauLive 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 Technische Universität Ilmenau – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
TI
Technische Universität Ilmenau
Staatliche HochschulePräsenzstudiumIlmenau
StudySmarter-Score
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Was Studierende sagen
Das wird gelobt
- Enge Verzahnung von Data-Science-Methoden mit einem frei wählbaren Anwendungsfach
- Praxisnähe durch verpflichtendes Fachpraktikum
- Überschaubares, forschungsnahes Studienumfeld an einer technischen Universität
Worauf du achten solltest
Da der Studiengang zulassungsbeschränkt sein kann und ein solides quantitatives Vorwissen voraussetzt, solltest du deine mathematisch-informatische Vorbildung realistisch einschätzen und dich frühzeitig über die genauen Zulassungsvoraussetzungen sowie das Modulangebot im Nebenfach informieren.
Passt Data Science zu dir?
Das solltest du mitbringen
- Du hast bereits einen ersten Abschluss mit starkem Bezug zu Informatik, Mathematik oder Statistik.
- Du möchtest Data-Science-Methoden mit einem konkreten fachlichen Anwendungsgebiet verbinden.
- Du schätzt praktische Erfahrung durch ein Fachpraktikum neben der theoretischen Ausbildung.
- Du fühlst dich in einem kompakten, technisch geprägten Universitätsumfeld wohl.
Weitere & ähnliche Studiengänge
Ähnliche Studiengänge an der TU Ilmenau
Angewandte Medien- und Kommunikationswissenschaft
Studiengang ansehen
Angewandte Therapiewissenschaften (B.Sc.)
Studiengang ansehen
Bachelor in Business Studies
Studiengang ansehen
Betriebswirtschaftslehre mit technischer Orientierung
Studiengang ansehen
Betriebswirtschaftslehre mit technischer Orientierung
Studiengang ansehen
Biomedical Engineering by Research
Studiengang ansehen
Data Science an anderen Hochschulen
Häufige Fragen
Welche Vorkenntnisse sollte ich für den M.Sc. Data Science an der TU Ilmenau mitbringen?
Sinnvoll sind ein erster Abschluss mit informatischem, mathematischem oder statistischem Schwerpunkt sowie Programmiererfahrung, da der Studiengang methodisch anspruchsvoll aufbaut.
Was hat es mit dem nichttechnischen Nebenfach auf sich?
Das Nebenfach bzw. Anwendungsfach ermöglicht es, Data-Science-Methoden gezielt mit einem inhaltlichen Fachgebiet außerhalb der Informatik zu verbinden und so eigene Schwerpunkte zu setzen.
Wie praxisnah ist das Studium gestaltet?
Durch das verpflichtende Fachpraktikum sammeln Studierende bereits während des Studiums praktische Erfahrung in Unternehmen oder Forschungseinrichtungen, die Data-Science-Methoden anwenden.
Welche beruflichen Perspektiven eröffnet der Abschluss?
Absolvent:innen finden Anschluss an Tätigkeiten im Bereich der Berufe in der Informatik, etwa in Datenanalyse, maschinellem Lernen oder datengetriebenen Fachabteilungen unterschiedlichster Branchen.
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