Fachbereich 02: Wirtschaftswissenschaften - Bachelor-Studiengang Wirtschaftswissenschaften (B.Sc.) - Studienbeginn vor Sommersemester 2018 - Schwerpunktphase - Volkswirtschaftliche Schwerpunktmodule

Competition Policy and Strategy
Structure: Lecture + Tutorial
Credits: 6 CP
Language: English
Required work: Final exam (87%) + Assignments (13%)
Lecturers: Univ.-Prof. Dr. Georg Götz

This course consists of three components:
First, the lectures are available as videos on Youtube. These lectures are pre-recorded and can be accessed on our economics2go channel (https://www.youtube.com/@Economics2Go , Playlist "Competition Policy and Strategy").

Second, there will be weekly assignments. The solutions to these assignments will also be made available on our Youtube channel by the end of each week.

Third, there will be a weekly open office hour (also online, via StudIP (BigBlueButton, to be accessed under the "Meetings" tab). In this, we can discuss any questions regarding the contents of the lectures or assignments.

Your grade for this course will be determined by a written exam at the end of the semester (details will be announced in the coming weeks). You also have the opportunity to earn points towards your final grade during the semester by solving the weekly assignments and submitting your solutions via ILIAS.

Normally, the course Competition Policy and Strategy is a summer semester course. But it will be conducted in an online only format in the winter semester 2024/25. There will be weekly online assignments that are based on a series of pre-recorded lectures. This is complemented by a digital weekly office hour.

Struktur: Vorlesung + Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Englisch
Prüfungsform: Klausur

Die Modulinhalte umfassen unter anderem Aspekte aus folgenden Gebieten der Außenhandelstheorie und -politik:
• Erklärung von Handelsstrukturen
• Effizienz- und Verteilungswirkungen von Handel und Globalisierung
• Instrumente der Handelspolitik und deren Wirkungen
• Handelspolitik der Entwicklungsländer

Struktur: Vorlesung mit integrierter Übung
Turnus: Sommersemester
Credits: 6 CP
Sprache: Englisch
Prüfungsform: Klausur

Inhalte:
• Determinanten wirtschaftlicher Entwicklung
• Charakteristik und Funktionsweise der Marktwirtschaft und Zentralplanwirtschaft
• Probleme von Zentralplanwirtschaften
• Elemente einer Transformation von Wirtschaftsordnungen
• Integration von Wirtschaftsräumen, Formen und Institutionen (WTO, EU)
• Einzel- und gesamtwirtschaftliche Wirkungen der Integration von Wirtschaftsräumen

Struktur: Vorlesung + Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Deutsch
Prüfungsform: Klausur

Die Vorlesung richtet sich an fortgeschrittene Studierende im Bachelorstudium. Neben einer systematischen Einführung in die zentralen Theorien und Konzepte der Geldpolitik stehen die Wechselwirkungen zwischen der Geldpolitik und den Finanzmärkten im Mittelpunkt der Veranstaltung. Dabei werden auch die Problematik von Finanzkrisen, Fragen der geldpolitischen Strategie und der Transmission geldpolitischer Impulse beleuchtet. Eine zentrale Rolle wird die Diskussion aktueller geldpolitischer Fragen einnehmen, insbesondere in Bezug auf die unkonventionellen geldpolitischen Maßnahmen der vergangenen Jahre.

Sturktur: Vorlesung mit integrierter Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Deutsch
Prüfungsform: Hausaufgabe 30%, Klausur 70%

Qualifikationsziele:
• Erlernen von Grundlagen der Programmierung in Matlab
• Fähigkeit, reale Fragestellungen in Pseudo- bzw. Programmcode abzubilden
• Erstellung und Anwendung passender Matlab-Programme zur Lösung von Aufgabenstellungen, insb. aus dem Bereich der Wirtschaftswissenschaften

Inhalte:
• Grundlagen des Programmierens mit Matlab
• Datentypen und Operatoren
• Programme und Prozeduren
• Grafiken
• Spezifische Anwendungen

Die erste Veranstaltung findet in Präsenz statt. Weitere Termine: Mischung aus asynchroner-digitaler Lehre und Veranstaltungen, die live übertragen oder in Präsenz angeboten werden. Bitte beachten Sie die aktuellen Hinweise in StudIP!

Dieser Matlab-Kurs ist gedacht als Übungsfeld für EDV-interessierte Studierende der BSc-Studiengänge Wirtschaftswissenschaften und Betriebswirtschaftlehre mit Schwerpunkt(en) in den Gebieten VWL, Finance und/oder Ökonometrie. Sie sollten die Kurse der ersten vier Semester, insbesondere die Module Mathematik für Wirtschaftswissenschaftler, Formale Grundlagen der Statistik und Angewandte Statistik in den Wirtschaftswissenschaften, erfolgreich abgeschlossen haben und Spaß an der Statistik und Mathematik mitbringen.

Link zu JLUMaps:
https://www.uni-giessen.de/JLUmaps/?id=167813&lang=de

Struktur: Vorlesung + Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Deutsch
Prüfungsform: Klausur
Die Veranstaltung findet in Präsenz statt.

Beschreibung:
Die Veranstaltung wird im Wintersemester angeboten und ist für Studierende aus den Bachelorstudiengängen Wirtschaftswissenschaften und Betriebswirtschaftslehre geöffnet.

Die Veranstaltung umfasst folgende Themenbereiche:
- Motivation und Hintergrund zur Datenökonomie
- Data Literacy, Big Data, der Wert von Daten
- Verschiedene Datenstrukturen, -erhebungen und -quellen
- Umfragedaten (bspw. SOEP) und Administrative Daten (bspw. Mikrozensus)
- Auswertung von Daten zur Beantwortung gesellschaftlicher Probleme/Fragen
- Korrelation vs. Kausalität; Selektion
- Forschungsdesigns (Experiment, Natürliche Experimente wie DiD, RDD, … )
- Praxisvortrag

Ziel der Veranstaltung ist diese verschiedenen Facetten kennenzulernen und kritisch zu reflektieren. Dazu wird in der Vorlesung und Übung unter anderem mit Wissenschaftliche Fachartikel gearbeitet. Grundkenntnisse in Statistik werden vorausgesetzt.

Der Kurs basiert auf dem Buch "Causal Inference" von Scott Cunningham (online zugänglich) und „The Effect“ von Nick Huntington-Klein (online zugänglich).
Weiterführende Literatur sind die Bücher "Mastering Metrics" von Joshua Angrist und Jörn-Steffen Pischke (online Kurs Mastering Econometrics with Joshua Angrist) und „Introductory Econometrics“ von Jeffrey Wooldridge.

Struktur: Vorlesung + Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Deutsch
Prüfungsform: Klausur
Die Veranstaltung findet in Präsenz statt.

Beschreibung:
Die Veranstaltung wird im Wintersemester angeboten und ist für Studierende aus den Bachelorstudiengängen Wirtschaftswissenschaften und Betriebswirtschaftslehre geöffnet.

Die Veranstaltung umfasst folgende Themenbereiche:
- Motivation und Hintergrund zur Datenökonomie
- Data Literacy, Big Data, der Wert von Daten
- Verschiedene Datenstrukturen, -erhebungen und -quellen
- Umfragedaten (bspw. SOEP) und Administrative Daten (bspw. Mikrozensus)
- Auswertung von Daten zur Beantwortung gesellschaftlicher Probleme/Fragen
- Korrelation vs. Kausalität; Selektion
- Forschungsdesigns (Experiment, Natürliche Experimente wie DiD, RDD, … )
- Praxisvortrag

Ziel der Veranstaltung ist diese verschiedenen Facetten kennenzulernen und kritisch zu reflektieren. Dazu wird in der Vorlesung und Übung unter anderem mit Wissenschaftliche Fachartikel gearbeitet. Grundkenntnisse in Statistik werden vorausgesetzt.

Der Kurs basiert auf dem Buch "Causal Inference" von Scott Cunningham (online zugänglich) und „The Effect“ von Nick Huntington-Klein (online zugänglich).
Weiterführende Literatur sind die Bücher "Mastering Metrics" von Joshua Angrist und Jörn-Steffen Pischke (online Kurs Mastering Econometrics with Joshua Angrist) und „Introductory Econometrics“ von Jeffrey Wooldridge.

Struktur: Vorlesung und Übung
Turnus: Wintersemester
Credits: 6 CP
Sprache: Englisch
Prüfungsform: Klausur

Qualifikationsziele:
• Gain foundational knowledge of AI, including GenAI, LLMs, machine learning and analytics concepts and how they transform decision-making processes across industries and functions
• Acquire hands-on experience working with Large Language Models (LLMs) by engaging in practical sessions focused on using relevant tools
• Learn to apply these models in real-world and business relevant scenarios, assess their strengths and limitations, and understand best practices for leveraging their potential while recognizing their shortcomings
• Deepen understanding of data-driven forecasting and prediction models
• Get to know to the strategic role of data as an asset and its importance for data-driven decision-making, especially leveraging AI and emerging technologies.
• Understand how to practically implement AI and analytics use cases, covering business processes, operating models, and project management approaches tailored to AI and emerging technologies
• Recognize the importance of responsible AI practices, as well as the role of experiments

Inhalte:
• Introduction to AI, GenAI, LLMs, and Machine Learning: Overview on foundational concepts and frameworks of Artificial Intelligence, Generative AI, Large Language Models (LLMs), and machine learning.
• Implementation in Business: Operating models for AI and data analytics, including structures for analytics hubs and centers of excellence, project management approaches (agile, hybrid, traditional) tailored to AI and data-driven initiatives.
• Company Impulses: Guest lectures led by industry professionals
• Hands-on Practical Sessions: Interactive session using LLM tools and platforms, real-world case studies to deepen understanding of model application, strengths, and limitations.
• Data as a Strategic Asset: Data value chain, data ecosystems, and the infrastructure necessary for effective analytics and AI deployment.
• Business Forecasting: Purpose and practical applications of business forecasting


Das Unterrichtsmaterial ist weitestgehend auf Englisch (Folien auf englisch), die Vorlesung wird in englisch gehalten. Die Vorlesung beginnt am Di., 13.10.2026 um 08:15 Uhr, (Ort: Licher Straße 68, Raum 24b) und wird in Präsenz stattfinden.

Bitte beachten Sie auch die Hinweise auf der Homepage der Professur:
https://www.uni-giessen.de/de/fbz/fb02/fb/professuren/vwl/honorarprofessur/lehre/veranstaltungws26_27

Link zu JLUMaps:
https://www.uni-giessen.de/JLUmaps/?id=167813&lang=de