LMU Management Alumni

Unser Netzwerk der LMU Munich School of Management – für Alumni, Studierende, Förderer und Unternehmen. Wir bringen Wissenschaft und Praxis zusammen, fördern Forschung und Lehre und verbessern die Studienbedingungen – aktiv und nachhaltig.

Zum Inhalt springen

Auf einen Blick
Informieren. Fördern. Vernetzen.
Karriere & Netzwerkangebote
News

Events
LMU Management Alumni: Unser Imagefilm

Auf einen Blick

Unser Netzwerk in Zahlen.

Fördersumme

108545

durchschnittlich pro Jahr in Euro seit 2004

Netzwerkkontakte

4000

Förderunternehmen

Informieren. Fördern. Vernetzen.

Was wir machen

Wir bringen Forschung und Praxis zusammen! Mit aktuellen Einblicken aus Wissenschaft und Wirtschaft fördern wir Lehre, Forschung und Weiterbildung an der Fakultät. Unser Ziel: bessere Studien- und Forschungsbedingungen sowie ein starkes Netzwerk – weit über das Studium hinaus. Ob Studierende, Partner oder Förderer – wir schaffen Verbindungen, die bleiben.

Mitgliedschaft

Events & Services

TOP-BWL-Programm

Karriere & Netzwerkangebote

News

05.06.2026 Recap: Alumni-Insights x Accounting
Accounting als Karriereweg: Fünf Alumni berichteten über ihren Berufsalltag, ihre Erfahrungen und vielfältige Perspektiven.
05.06.2026 Recap: Alumni-Talk
Im Fokus: "Kommunikation als Führungsaufgabe" mit Catrin Keil
26.05.2026 Prof. Dr. Anne-Sophie Mayer im europäischen Doktorandennetzwerk EMANAIRE
Die LMU untersucht künftig als Teil von EMANAIRE, wie generative KI und KI-Agenten Arbeit und Organisationen verändern.
Aktuelles

Events

16 Jun

16.06.2026 Alumni-Insights x Insurance
Lust auf eine Karriere im Insurance-Bereich?
25 Jun

25.06.2026 LMU Management Alumni & AlixPartners Networking Event
Liebe Master-Studierende und Alumni der LMU Munich School of Management, wir laden Sie herzlich zum sommerlichen Networking-Event bei AlixPartners in der Hofstatt am Donnerstag, den 25. Juni 2026, ein.
06 Jul

06.07.2026 Talk by Prof. Ronghui (Lily) Xu (University of California, San Diego)
Title: A Liberating Framework from Truncation and Censoring, with Application to Learning Treatment Effects