
Die nächste Generation von KI Experten
Der Lehrstuhl für KI im Management befasst sich mit der Entwicklung, Implementierung und Evaluierung von KI zur Optimierung des Managements. Genau das versuchen wir den Student:innen durch unseren Unterricht zu vermitteln. Unser Schwerpunkt liegt auf KI-Algorithmen und Programmierung.
Zum Inhalt springen
Kurse
Kurse im Sommer Semester

© pixabay
Alle Kurse und Prüfungen sind in englischer Sprache!
Master
- AI for Good (Seminar)
- Managerial AI (Seminar)
- Methods for AI (Seminar)
- Business Analytics in Practice (Projektkurs)
Bachelor
- AI Tools for Management and Social Science (Hauptseminar)
Kurs Design
Im Einklang mit unserem digitalen Fokus wenden wir einen digitalen Lehransatz und innovatives Kursdesign an. Alle Materialien und Interaktionen werden über Moodle koordiniert. Die Kurse und Prüfungen sind in englischer Sprache. Die Lehrveranstaltungen werden im jährlichen Wechsel angeboten, mit Ausnahme des Hauptseminars, das jedes Semester stattfindet.
Kurs Reihenfolge
Für unsere Master Kurse empfehlen wir folgende Reihenfolge: (1) AI for Managers [MMT & MBR], Digital Technologies, Business Analytics and Management [M.Sc. BWL], (2) Advanced AI in Businesses and Organizations, (3) Research in AI and Management.
Kurse im Winter Semester

© pixabay
Alle Kurse und Prüfungen sind in englischer Sprache!
Master
- AI for Managers (Vorlesung)
- Advanced AI in Businesses and Organiztions (Seminar)
- Digital Technologies, Business Analytics and Management (Fachspezifische Grundlagen, FSG)
Bachelor
- Introduction to AI (Vorlesung)
- AI Tools for Management and Social Science (Hauptseminar)
Kurs Design
Im Einklang mit unserem digitalen Fokus wenden wir einen digitalen Lehransatz und innovatives Kursdesign an. Alle Materialien und Interaktionen werden über Moodle koordiniert. Die Kurse und Prüfungen sind in englischer Sprache. Die Lehrveranstaltungen werden im jährlichen Wechsel angeboten, mit Ausnahme des Hauptseminars, das jedes Semester stattfindet.
Kurs Reihenfolge
Für unsere Master Kurse empfehlen wir die folgende Reihenfolge: (1) AI for Managers [MMT & MBR], Digital Technologies, Business Analytics and Management [M.Sc. BWL], (2) Advanced AI in Businesses and Organizations, (3) Research in AI and Management.
LSF und Moodle
Alle unsere Kurse sind in LSF gelistet. Wir erwarten die Einschreibung der Teilnehmer:innen über Moodle. Die Selbsteinschreibungsschlüssel sind in LSF verfügbar. Alle wichtigen Informationen sind auf unseren Kursseiten in Moodle zu finden. Wir empfehlen die Informationen dort sorgfältig durchzulesen. Die Unterrichtssprache ist Englisch.
Abschlussarbeiten
M.Sc. Arbeit
Wir bieten innovative und interessante Themen (z.B. AI for Good, AI for Medicine, Causal Machine Learning, etc.), die wir gemeinsam entsprechend den Interessen und Schwerpunkten der Studierenden auswählen. Aufgrund der doppelten Zugehörigkeit zur Fakultät für Mathematik, Informatik und Statistik sind auch Studierende dieser Bereiche willkommen, sich für eine Masterarbeit an unserem Lehrstuhl zu bewerben.
Voraussetzungen
- Für BWL Studierende:
- Vorherige Teilnahme an den Kursen: (1) AI for Managers [MMT] or Digital Technologies, Business Analytics and Management (FSG) [M.Sc. BWL], und (2) Advanced AI in Businesses and Organizations
- Erfolgreiche Teilnahme an den Prüfungen
- Fortgeschrittene Programmierkenntnisse
- Für Studierende der Mathematik, Informatik oder Statistik: Keine Voraussetzung
Spezifikationen
- Englische Sprache
- LaTeX Format
- Themen werden vom Lehrstuhl vorgegeben
- Abschlussarbeiten in Kooperation mit Unternehmen sind möglich, müssen aber von den Studierenden selbst organisiert werden
Bewerbung
- Bewerbung per E-Mail ai@som.lmu.de
- Folgende Unterlagen und Informationen sind einzureichen: (1) Curriculum Vitae, (2) Transcripts (Master & Bachelor), und (3) bevorzugtes Start Datum
- Gerne dürfen Themenpräferenzen angegeben werden; siehe dazu Reiter "Themen"
Kolloquium
- Um den forschungsnahen Charakter der Abschluss zu gewähren, wird erwartet, dass Studierende auch an unseren regelmäßigen Keynotes zu "AI in Management" teilnehmen
Tutorium
Download unseres Thesis Tutoriums (PDF, 179 KB)
B.Sc. Arbeit
Wir bieten innovative und interessante Themen (z.B. AI for Good, AI for Medicine, Causal Machine Learning, etc.), die wir gemeinsam entsprechend den Interessen und Schwerpunkten der Studierenden auswählen. Aufgrund der doppelten Zugehörigkeit zur Fakultät für Mathematik, Informatik und Statistik sind auch Studierende dieser Bereiche willkommen, sich für eine Bachelorarbeit an unserem Lehrstuhl zu bewerben.
Voraussetzungen
- Für BWL Studierende:
- Vorherige Teilnahme am Kurs Introduction to AI
- Erfolgreiche Teilnahme an der Prüfung
- Grundlagen Programmierkenntnisse
- Für Studierende der Mathematik, Informatik oder Statistik: Keine Voraussetzung
Spezifikationen
- Englische Sprache
- LaTeX Format
- Themen werden vom Lehrstuhl vorgegeben
- Abschlussarbeiten in Kooperation mit Unternehmen sind möglich, müssen aber von den Studierenden selbst organisiert werden
Bewerbung
- Bewerbung per E-Mail ai@som.lmu.de
- Folgende Unterlagen und Informationen sind einzureichen (1) Curriculum Vitae, (2) Transcript, (3) Bevorzugtes Start Datum
Kolloquium
- Um den forschungsnahen Charakter der Abschluss zu gewähren, wird erwartet, dass Studierende auch an unseren regelmäßigen Keynotes zu "AI in Management" teilnehmen
Tutorium
Download unseres Thesis Tutoriums (PDF, 179 KB)
Themenvorschläge und Beispiele

© Lukas via pexels
Dies ist eine Auflistung der aktuellen Themen und weiteren Forschungsschwerpunkten an denen wir interessiert sind. Sie gelten für Bachelor- und Masterarbeiten gleichermaßen. [Wir erwarten Abschlussarbeiten in englischer Sprache und listen die Themen daher in Englisch auf.]
Social Media Analytics
- Monitoring political ads on social media (data preparation)
- Understanding the role of social media ads in election outcomes (regression analysis)
- Identifying and mitigating toxic content (e.g., fake news, hate, speech, propaganda) on social media with machine learning (regression analysis / machine learning)
Human-AI Collaboration
- Understanding the perception of users towards generative AI (survey/field experiment)
Business Analytics
- Understanding the innovation potential of generative AI (survey/field experiment)
- Optimal budgeting for marketing campaigns (advanced machine learning)
AI for Good
- Understanding the success of power plants in Africa (regression analysis)
- Monitoring aid development for healthcare (statistical analysis)
- Applied causal machine learning for treatment effect estimation in intensive care units
Causal Machine Learning
[Faculty of Mathematics, Informatics and Statistics only]
- Causal representation learning for treatment effects in medicine
- Causal sensitivity analysis
- Reliable off-policy learning for treatment decision-making
Beispiele
- Monitoring global development aid with machine learning
- Negativity drives online news consumption
- Cascade-LSTM: A tree-structured neural classifier for detecting misinformation cascades
- AttDMM: An Attentive Deep Markov Model for Risk Scoring in Intensive Care Unit
- Learning optimal dynamic treatment regimes using causal tree methods in medicine
Referenzschreiben
Wir stellen den Studierenden unseres Lehrstuhls gerne ein Referenzschreiben aus, wenn die folgenden Voraussetzungen erfüllt sind: (1) Vorherige Teilnahme an unseren Kursen, (2) Erfolgreiche Teilnahme an den Prüfungen. Für eine Anfrage bitte ai@som.lmu.de kontaktieren.
