Hier findest du vertiefte Informationen zu Studienmodellen, Studienaufbau, Fachbereichen, Praxisprojekten, Studienalltag und Berufsperspektiven im Bachelorstudium Computational and Data Science.
Computational and Data Science verbindet Informatik, Data Science, künstliche Intelligenz und Computersimulation. Du lernst, Daten zu analysieren, intelligente Anwendungen zu entwickeln und komplexe Systeme rechnergestützt zu modellieren – praxisnah, wissenschaftlich fundiert und mit engem Bezug zu realen Fragestellungen.
Studienmodelle
Das Studium kann als Vollzeit-, Teilzeit- oder duales Studium absolviert werden. Zusätzlich besteht die Möglichkeit eines Praxisintegrierten Bachelorstudiums (PiBS).
Studium in 3 Jahren (3 Tage pro Woche)
Das Studium in drei Jahren eignet sich, wenn du dich vollständig auf dein Studium konzentrieren möchtest.
- 3 Jahre Studiendauer
- Unterricht an 3 Tagen pro Woche
- Zeit für Projekte, Eigenstudium und studentische Aktivitäten
- Auslandssemester möglich
Studium in 4 Jahren (2 Tage pro Woche)
Das Studium in vier Jahren eignet sich, wenn du Studium und Beruf kombinieren möchtest.
- 4 Jahre Studiendauer
- Unterricht an 2 Tagen pro Woche
- empfohlenes Arbeitspensum: maximal 60 %
- gleiche Inhalte und gleicher Abschluss wie im Studium in drei Jahren
Duales Studium in 4 Jahren (2 Tage pro Woche)
Während des dualen Studiums arbeitest du bis zu drei Tage pro Woche bei einem Partnerunternehmen. Nach der Anmeldung erhältst du von uns eine Liste unserer dualen Partner und bewirbst dich direkt bei den betreffenden Unternehmen. Neben der theoretischen Ausbildung an der FH Graubünden profitierst du im dualen Studium vom hohen Praxisbezug durch spezifische, auf den Studieninhalt abgestimmte Unternehmensprojekte. Bei diesem Studienmodell wirst du von der FH Graubünden und vom betreffenden Partnerunternehmen persönlich betreut.
Das duale Studium ermöglicht dir, vom 3. bis zum 5. Semester eigene Unternehmensprojekte umzusetzen, statt vorgegebene Wahlpflichtmodule zu absolvieren.
Praxisintegriertes Bachelorstudium (PiBS)
Das praxisintegrierte Bachelorstudium (PiBS) ermöglicht den Studienstart auch ohne studienrelevante Berufspraxis.
- Studium und Praxiserfahrung parallel
- ideal für Absolvent:innen einer gymnasialen Maturität
- Praxisanteil bei einem Partnerunternehmen
Studienaufbau
Das Studium verbindet Grundlagen in Informatik, Data Science, künstlicher Intelligenz und Computersimulation mit individueller Spezialisierung und praxisnahen Projekten.
Das Studium besteht aus:
- Pflichtmodule, die du absolvieren musst
- Wahlpflichtmodulen, die du wählen kannst
- Wahlmodule,die du nach eigenen Interessen aus einem breiten Angebot wählst – zum Beispiel in den Bereichen Technik, Wirtschaft, IT, Persönlichkeitsentwicklung oder im Rahmen von Summer Schools im Ausland
- Projektprojekte, die du wählst und umsetzt
- Fachpraktikum, wo du erlenstes in der Praxis umsetzt
- Bachelor Thesis, deine eigenständige Abschlussarbeit mit Praxisbezug
Pflichtmodule
In den Pflichtmodulen erwirbst du die Grundlagen für das weitere Studium.
Dazu gehören unter anderem:
- Programmierung
- Mathematik
- Data Science
- künstliche Intelligenz
- Software Engineering
- Datenbanken
- Computersimulation
- Scientific Computing
- Datenvisualisierung
Wahlpflichtmodule und Fachbereiche
In unterschiedlichen Wahlpflichtmodulen kannst du dein Profil gemäss deinen persönlichen Präferenzen schärfen. Im Verlauf des Studiums besuchst du eine Auswahl von neun Wahlpflichtmodulen aus den verschiedenen Modulgruppen. Das Angebot der Wahlpflichtmodule wird unter Berücksichtigung aktueller Themen und Trends aus Forschung und Wirtschaft in Computational and Data Science ausgebaut und kontinuierlich weiterentwickelt.
Folgende Module werden derzeit angeboten:
Informatik
– Cloud Computing
– Cryptography und Security
– Frontend-Entwicklung
– IT Development and Operations (DevOps)
– Software-Architektur und Engineering
– Systemnahe Programmierung
Data Science, Informatik und Computersimulation
in der Anwendung
– Neuroscience und Brain Computer Interface
– Personenstromsimulation
– Simulation in der Physik
– Strömungssimulation
Computational and Data Science
– Modellierung und Simulation II
– Datenvisualisierung
– Big Data
– NoSQL Datenbanken
– Algorithmen des wissenschaftlichen Rechnens
– Reinforcement Learning
– Scientific Visualization
– Uncertainty Quantification und Explainable AI
– Recommender Systems
– Time Series Analysis
– Large Language Models
Sprach-, Methoden- und Mathematik-
Kompetenz
– Innovators Challenge Problem-to-Solution
– Innovators Challenge Solution-to-Market
Fachpraktikum und Bachelor Thesis
Im Fachpraktikum und in der Bachelor Thesis bearbeitest du reale Fragestellungen aus Wirtschaft, Technik oder Forschung.
Du wendest dein Wissen selbstständig an und vertiefst ein Fachgebiet deiner Wahl.
Zertifizierung
Unser Bachelorstudium Computational and Data Science wurde von der Akkreditierungsagentur für Studiengänge der Ingenieurwissenschaften, der Informatik, der Naturwissenschaften und der Mathematik mit dem ASIIN-Fachsiegel zertifiziert. Das Studium erfüllt somit die Anforderungen von Wissenschaft und Berufspraxis auf einem hohen Niveau und dokumentiert zugleich die gesicherten Rahmenbedingungen für gute Lehre und erfolgreiches Lernen. Die Vergabe des Siegels beruht auf anerkannten lernergebnisorientierten Fachstandards im Einklang mit dem europäischen Qualifikationsrahmen und den «European Standards and Guidelines».
Zusätzlich wurde das Bachelorstudium mit dem Euro-Info Bachelor Quality Label zertifiziert.
Fachbereiche
Im Verlauf des Studiums setzt du individuelle Schwerpunkte und vertiefst Themen, die zu deinen Interessen und beruflichen Zielen passen.
Informatik
Du erhältst eine umfassende Ausbildung in Themen der Informatik wie Hardware, Betriebssysteme oder Datenbanken und lernst während des Studiums verschiedene Programmiersprachen. IT-Kenntnisse werden keine vorausgesetzt. Mögliche Pflichtmodule sind:
- Einführung in Computer Science
- Einführung in die Programmierung
- Algorithmen und Datenstrukturen
Zusätzlich wählst du unter anderem aus folgenden Wahlpflichtmodulen:
- Cryptography (Verschlüsselungsalgorithmen) und Security
- Cloud Computing
- Frontend-Entwicklung
- Software-Architektur und Design Patterns
Data Science und Künstliche Intelligenz
Während Machine Learning mithilfe von Algorithmen aus Erfahrung lernt, agiert eine Künstliche Intelligenz selbstständig. Du lernst, solche Applikationen zu programmieren und datenbasiert Fragestellungen mit Data Science zu beantworten. Dazu besuchst du diese Pflichtmodule:
- Einführung in Data Science
- Machine Learning
- Natural Language Processing und Question Answering
Mögliche Wahlpflichtmodule sind unter anderem:
- NoSQL-Datenbanken
- Datenvisualisierung
- Reinforcement Learning
Computersimulation
Du nutzt Computersimulationen für den Erkenntnisgewinn und ergänzt oder ersetzt Experimente. Das Wissen dazu erhältst du in diesen Pflichtmodulen:
- Einführung in Computational Science
- Modellierung und Simulation I + II
- High Performance Computing
Zusätzlich stehen dir unter anderem diese Wahlpflichtmodule zur Auswahl:
- Algorithmen des wissenschaftlichen Rechnens
- Computational Steering (interaktive Steuerung und Visualisierung von Simulationen)
- Uncertainty Quantification (Bestimmung und Quantifizierung von Fehlern)
Anwendungsbereiche
In einer soliden Grundlagenausbildung erwirbst du Kenntnisse in ausgewählten Disziplinen wie Physik, Biologie oder Medizin beziehungsweise Branchen wie Banken, Versicherungen oder Tourismus. Du nutzt dein Wissen in rechnergestützten Datenwissenschaften und Informatik, um anspruchsvolle Fragestellungen – beispielsweise bei der Betrugserkennung in Banken, der Analyse von Röntgenbildern in der Medizin oder in Bezug auf Luftströme im Windkanal für die Autoindustrie – zu beantworten. Du lernst, kritisch zu denken und dich rasch in neue Anwendungsdomänen einzuarbeiten. Dazu besuchst du unter anderem diese Pflichtmodule:
- Daten und Simulation in der Medizin
- Data Science und Informatik in der Biologie
- Strömungssimulation
Weiter wählst du unter anderem aus folgendem Angebot an Wahlpflichtmodulen:
- Data Science bei Banken und Versicherungen
- Daten und Simulation in der Biowissenschaft
- Personenstromsimulation
- Simulationsgetriebene Produktentwicklung
Praxis im Studium
Praxisorientiertes Lernen ist ein zentraler Bestandteil des Studiums. Du arbeitest an realen Fragestellungen und setzt dein Wissen direkt in Projekten um.
Computational and Data Science Lab
Jede Studentin und jeder Student erhält einen eigenen Arbeitsplatz im Computational and Data Science Lab.
Das Lab bietet Raum für:
- Projektarbeit
- Zusammenarbeit mit Mitstudierenden
- Eigenstudium
- Entwicklung eigener Ideen
Projektarbeiten
Während des Studiums bearbeitest du praxisnahe Projekte aus unterschiedlichen Bereichen.
Beispiele:
- Datenanalyse
- Machine Learning
- Softwareentwicklung
- Simulation
- Optimierung komplexer Systeme
Fachpraktikum
Im Fachpraktikum sammelst du zusätzliche Praxiserfahrung und vertiefst dein Wissen in einem realen Arbeitsumfeld.
Unternehmen und Forschung
Du profitierst von:
- Gastreferaten
- Praxispartnern
- Unternehmenskontakten
- Forschungsprojekten
- Networking-Möglichkeiten
Auslandssemester
Ein Auslandssemester ermöglicht internationale Erfahrungen und neue Perspektiven auf Informatik, Data Science und Simulation.
Studienalltag
Das Studium verbindet Theorie, Praxis und Eigenverantwortung.
Programmieren lernen
Programmieren gehört von Beginn an zum Studium. Du entwickelst Anwendungen, analysierst Daten und setzt Algorithmen um.
Mit Daten arbeiten
Du lernst, Daten zu sammeln, aufzubereiten, auszuwerten und zu visualisieren.
Modelle entwickeln und simulieren
Du arbeitest mit mathematischen Modellen und untersuchst komplexe Systeme rechnergestützt.
Team- und Projektarbeit
Viele Aufgaben werden gemeinsam gelöst.
Du lernst:
- interdisziplinär zu arbeiten
- Projekte zu planen
- Ergebnisse zu präsentieren
- technische Lösungen gemeinsam zu entwickeln
Lernen im CDS Lab
Das Computational and Data Science Lab ist ein zentraler Ort für Projektarbeit, Austausch und Eigenstudium.
FHGR Computational and Data Science Blog
Du möchtest einen vielseitigen Einblick in das Studium Computational and Data Science an der FH Graubünden erhalten? Schau dir mal unseren Computational and Data Science Blog an und erfahre mehr zum Studieninhalt und zum Beruf.
Berufsperspektiven
Nach dem Studium stehen dir vielfältige Tätigkeitsfelder in Wirtschaft, Forschung und Technologie offen.
Data Scientist
Durch die Digitalisierung werden stetig riesige Datenmengen generiert. Damit daraus Information und somit ein Mehrwert entsteht, werden Data Scientists benötigt, welche die Daten analysieren und auswerten. Dabei nutzt du Methoden der Mathematik und Informatik sowie des maschinellen Lernens und hast ein ausgesprochen gutes Verständnis von der Anwendungsdomäne. Du arbeitest bei Firmen wie Inventx, Hamilton, Microsoft oder Google.
Hauptaufgaben
Als Data Scientist führst du Analysen auf polystrukturierten Daten durch, um Muster in aktuellen und historischen Daten zu erkennen. Datengetrieben entwickelst du Modelle zur Vorhersage von zukünftigen Ereignissen, Ergebnissen und Trends. Du nutzt Daten, Modelle und Algorithmen, um die Entscheidungsfindung optimal zu unterstützen.
Verwandte Berufsbilder
- AI Scientist
- Data Analyst und Data Engineer
- Machine Learning Ops
- Machine Learning Specialist
Simulation Engineer
Die Nutzung von Computersimulation anstelle der Entwicklung eines Prototyps oder der Durchführung eines Experiments ist in der Regel günstiger und weniger zeitaufwändig. Rechnergestützte Simulation kann auch dort angewandt werden, wo ein Experiment nicht möglich, schwierig oder gar unerwünscht ist (z. B. Lawinen). Dies macht Simulation Engineers bei Unternehmen wie CADFEM, Trumpf, NVIDIA oder BMW zu gefragten Personen.
Hauptaufgaben
Als Simulation Engineer nutzt du numerische Simulationen und Modelle, um komplexe Probleme zu analysieren und zu lösen sowie – darauf aufbauend – quantitative Vorhersagen zu treffen.
Verwandte Berufsbilder
- Quantitative Analyst
- Simulation Analyst
Software Engineer
Als Software Engineer entwickelst und wartest du – abhängig von deiner Spezialisierung – betriebswirtschaftliche oder systemnahe Software anhand von fachlichen, technischen und betrieblichen Anforderungen. Du arbeitest bei Firmen wie Netcetera, Zühlke, Accenture, Finnova, Wenzel Metromec, Oblamatik oder Würth.
Hauptaufgaben
Du arbeitest als Generalistin oder Spezialist entlang des Software-Entwicklungsprozesses in Design, Entwicklung, Testing, Evaluation und Wartung von Software. Mögliche Spezialisierungen sind Frontend, Backend oder Full-Stack Developer, Database Engineer oder Test Engineer. Dabei analysierst du Problemstellungen und legst die daraus resultierenden Anforderungen fest. Du erstellst Modelle für Daten und modellierst Funktionen oder Objekte. Ein Software Engineer entwickelt und wartet Software-Komponenten und arbeitet bei der Dokumentation und beim Testing mit. In produktiven Anwendungen analysierst und behebst du Software-Fehler.
Verwandte Berufsbilder
- Software Architect
- Requirements Engineer
- Test Engineer
- Database Engineer
- Frontend Developer
- Backend Developer
- Full-Stack Developer
- Business Intelligence Developer
- Business Analyst
Masterstudium
Nach erfolgreichem Abschluss des Bachelorstudiums Computational and Data Science hast du die Möglichkeit, deine Kompetenzen in den verschiedenen Masterstudienrichtungen an der FH Graubünden zu vertiefen:
Zudem hast du die Chance, zu einem Masterstudium an einer anderen Schweizer Fachhochschule oder Universität aufgenommen zu werden.
Top Unternehmen suchen Computational and Data Science Talente
Wir binden Wirtschaft und Industrie in das Studium ein und arbeiten mit führenden regionalen, nationalen und internationalen Unternehmen und Verbänden zusammen. Dadurch entsteht ein starker Praxisbezug. Bereits während des Studiums lernst du mögliche Arbeitgeber kennen oder arbeitest an realen Aufgabenstellungen aus dem Berufsalltag.
FAQ
Hier findest du Antworten auf häufig gestellte Fragen rund um das Studium Computational and Data Science und den Beruf Data Scientist.
Brauche ich bereits Programmierkenntnisse?
Nein. Programmieren wird im Studium von Grund auf aufgebaut. Interesse an Informatik und analytischem Denken sind jedoch wichtig.
Wie mathematisch ist das Studium?
Mathematik ist eine wichtige Grundlage für Data Science, künstliche Intelligenz und Computersimulation. Die notwendigen Kompetenzen werden im Studium systematisch aufgebaut.
Was ist der Unterschied zwischen Computational and Data Science und Informatik?
Computational and Data Science verbindet Informatik mit Data Science, künstlicher Intelligenz und Computersimulation. Der Fokus liegt stärker auf datengetriebenen Fragestellungen und modellbasierten Methoden.
Was ist der Unterschied zwischen Vollzeit-, Teilzeit- und dualem Studium?
Die Inhalte sind identisch. Unterschiede bestehen hauptsächlich in Studiendauer, Arbeitsbelastung und der Kombination mit Berufstätigkeit.
Welche Berufsmöglichkeiten habe ich nach dem Studium?
Typische Tätigkeitsfelder sind Data Science, künstliche Intelligenz, Softwareentwicklung, Data Engineering, Simulation Engineering sowie Forschung und Entwicklung.
Brauche ich Vorkenntnisse in Data Science oder künstlicher Intelligenz?
Nein. Die Grundlagen werden im Studium vermittelt. Wichtig sind Interesse an Informatik, Daten und analytischem Denken.