Innovative Lehre

Department für Strategy and Innovation

Kurzbeschreibung und LV-Design
 

The currently intense debate around “one-person unicorns” reflects one of the most prominent promises of the generative AI era: the possibility of using AI to rapidly and resource-efficiently evaluate business opportunities and, based on these insights, to build potentially profitable ventures. This promise is critically examined and put into practice in the course “AI Bootcamp for Entrepreneurs”. Guided by four experts in generative AI and venture building, students build teams and assume the role of
co-founders. Within just two days, they engage in activities that would traditionally take weeks or even months, including ideation, customer discovery, market and competitor analysis, business modeling, go-tomarket strategy development, financial planning, and pitching. Beyond developing innovative and commercially promising business ideas, the primary focus of the course lies in learning how to apply generative AI in the venture-building process and in systematically reflecting on its strengths, weaknesses, and limitations. In this way, the compact, sprint-based format addresses a core challenge of entrepreneurship education in the age of generative AI: ensuring deep learning, critical judgment, and academic integrity when powerful AI tools are readily available.

Department für Marketing

Kurzbeschreibung und LV-Design

This course introduces students to the full process of conducting a marketing and consumer research project, from study design and data collection to analysis, interpretation, and reporting. In collaboration with a company partner, students work in teams to apply qualitative and quantitative research methods to real marketing problems and to generate actionable customer insights.
An innovative element of the course is the focused and reflective integration of generative AI into the research process. Rather than using AI as a tool that “does the work”, students engage with AI as a sparring partner that supports ideation, study design, pretesting, and the synthesis of findings. Thus, students interact with AI as a tutor, as a respondent and as a synthetic embodiment of the key insights. Students critically evaluate AI-generated inputs, reflect on their added value and limitations, and document their own decision-making processes. The course aims to strengthen students’ methodological competencies, critical thinking, and AI literacy. Students learn when and how AI can meaningfully support research work, while retaining responsibility for conceptual decisions, methodological rigor, and the interpretation of results.

Department für Marketing

Kurzbeschreibung und LV-Design

Critical Thinking and Social Media is an elective course in the Master in Marketing and Digital Economy that addresses one of the central challenges of higher education in the age of generative AI: how to strengthen human judgment in increasingly automated and data-driven environments. today, this skill is constantly challenged by algorithmic curation, AI-generated content, and data-driven optimization, which shape what people see, believe, and share online often amplifying misinformation, bias, and automated persuasion. This course equips students with the conceptual and practical tools needed to critically engage with digital and AI-mediated content while reflecting on the cognitive and structural mechanisms that influence their own thinking. By embedding critical thinking and the psychology of cognitive biases in social media, data, and generative AI contexts, the course prepares students to navigate AI-shaped environments as reflective decision-makers. In doing so, it embraces a core responsibility of universities today: equipping graduates not just to work with AI, but to participate responsibly in AI-shaped societies. Using a project-based, applied approach, students work in teams on real-world cases involving social media and AI, translating theory into tangible outputs with relevance beyond the classroom.

Department für Strategy and Innovation

Kurzbeschreibung und LV-Design

AI-Driven Decision Making ist eine praxisorientierte Lehrveranstaltung, die strategisches Entscheiden konsequent an die Realität generativer KI anpasst. Studierende lernen, klassische Entscheidungsmodelle (Kriterien, Alternativen, Unsicherheit, Bias-Checks, Szenarien) mit einem modernen AI-Tool-Stack umzusetzen: LLMs für Strukturierung, Perspektivenvielfalt und kritisches Challengen, AI-gestützte IDEs für schnelle Analysen/Prototypen sowie einfache Automatisierungstools, um aus Modellen wiederholbare Workflows zu machen.
Zentrales Element ist das AI-Protocol als Leitplanke für nachhaltiges Lernen: First, Read & Think → Use AI Wisely → Present Without AI Help. So wird KI nicht zur Abkürzung, sondern zum Verstärker von Verständnis, Urteilskraft und akademischer Integrität – inklusive bewusster Dokumentation, Validierung und Reflexion der eigenen Nutzung.
Das Kursdesign ist projektbasiert („Decision Lab“): Jede Einheit arbeiten Teams an einem durchgängigen Entscheidungsprojekt und verbessern es iterativ. Ein besonderes Highlight ist ein n8n-Workflow-Projekt, bei dem Studierende einen Entscheidungsprozess automatisieren und als nutzbares Artefakt für Praktika und Jobs mitnehmen. Die Leistungsbeurteilung kombiniert laufende Projekt-Deliverables mit einem dualen Abschlussformat (Teil ohne KI, Teil mit KI), um Verständnis und reflektierte Anwendung fair sichtbar zu machen. Dadurch entsteht ein Modellkurs, der AI Literacy stärkt und gleichzeitig robuste Learning Outcomes absichert.

Department für Finance, Accounting & Statistics

Kurzbeschreibung und LV-Design

Die Lehrveranstaltung adressiert die Herausforderung stark heterogener Eingangsvoraussetzungen von Studierenden in der Spezialisierung Sustainable Reporting. Studierende kommen aus unterschiedlichen Bachelorprogrammen (WU-intern als auch Incomings) und bringen daher höchst heterogene Vorwissensstände im Bereich Finanzwirtschaft, Accounting und nachhaltigkeitsbezogene Berichterstattung mit. Da die Spezialisierung bewusst offen für alle Studienrichtungen gestaltet ist, soll der Zugang unabhängig von vorhandenen Vorkenntnissen möglich sein. Des weiteren gibt es grundsätzlich unterschiedliche Lerntypen hinsichtlich der kognitiven Belastbarkeit (z. B. hinsichtlich Informationsdichte, Verarbeitungsgeschwindigkeit und notwendiger Segmentierung von Inhalten), in der emotionalen Reaktion auf Lernanforderungen sowie in ihren Präferenzen für das Medienformat von Lerninhalten (Text, Audio, Video).
Um allen Teilnehmenden einen gleichwertigen Einstieg ohne formale Zugangsbeschränkungen zu ermöglichen, findet vor Beginn der Präsenzphase ein verpflichtendes, vollständig digitales und KI-gestütztes Simulationsspiel statt, welches auf Szenario-basiertem Lernen mithilfe von Entscheidungsbäumen beruht. In einem realitätsnahen Unternehmensszenario treffen Studierende finanz- und nachhaltigkeitsbezogene Entscheidungen, die zugleich als informelle Kompetenzdiagnose dienen und hilft etwaige Wissenslücken zu schließen.
Zu diesem Zweck kuratiert das KI-System adaptiv individuelle Lernpfade, die gezielt auf Vorwissen, Präferenzen und Lerntyp angepasst werden. So erreichen alle Studierenden vor Beginn der Präsenzeinheiten ein gemeinsames Basiswissen (Common Body of Knowledge), während die Präsenzphase vollständig der Anwendung, Diskussion und Vertiefung komplexer Fragestellungen gewidmet werden kann. Studierende mit höherem Vorwissen können die Zeit für weitere Vertiefungen nutzen.