Anomalieerkennung ist ein zentraler Bestandteil von Data Science, da Auffälligkeiten oft die wichtigsten Hinweise auf Probleme oder Chancen liefern. Der Kurs leitet methodische Grundlagen aus pandas und klassischer Statistik ab und verzahnt sie mit Power-BI-Reporting sowie einer strategischen KI-Einordnung.


!Kursinhalt


!1. Datenaufbereitung für Anomalieerkennung
*Daten einlesen und prüfen mit pandas
*Erkennen fehlender Werte
*Datenaggregation und Skalentypen
*Boolesche Maskierung für Filterung


!2. Statistische Verfahren der Anomalieerkennung
*Mittelwert, Median und Quartile
*Boxplots zur Identifikation von Ausreißern
*Streudiagramme für ungewöhnliche Punkte
*Lineare Regression als Referenzmodell


!3. Visualisierung in Power BI
*Identifikation von Ausreißern im Reporting
*Trendlinien und Korrelationen
*DAX-Measures für Auffälligkeitskennzahlen
*Säulen- und Liniendiagramme


!4. Anomalieerkennung verantwortungsvoll einsetzen
*Use Cases im Fachbereich identifizieren
*Risiken und Verzerrungen reflektieren
*Governance bei automatisierten Alerts
*EU-AI-Act-Anforderungen einordnen


!Berufliche Relevanz


*Frühzeitige Erkennung von Risiken in Daten
*Belastbare Argumentation gegenüber Stakeholdern
*Verbindung zwischen Modell und Reporting
*Anschluss an KI-getriebene Monitoring-Initiativen