1. Einführung und Begriffsabgrenzung
2. OLAP
3. BI Modellierung
4. Data Warehouse Architekturen
   1. DWH Definition
   2. Hub and Spoke und Data Marts
   3. Layer im Data Warehouse
   4. In Memory Computing
5. ETL
   1. Grundlagen, ETL Prozess, ELT
   2. Filterung
   3. Harmonisierung
   4. Aggregation und Anreicherung
6. Multidimensionale Modellierung
   1. Ebenen der Modellierung
   2. Semantische Modellierung
   3. Logische Modellierung: Star-Schema, Snowflake
   4. ROLAP, MOLAP,
   5. Column Store
   6. Slowly Changing Dimensions

Kemper, H.-G., Baars, H., Mehanna, W., Business Intelligence - Grundlagen und praktische Anwendungen: eine Einführung in die IT-basierte Managementunterstützung, Springer, Wiesbaden, 2010
Hagen, T., Freyburger, K., SAP BW on HANA - Step by Step, Kindle Ausgabe, 2016

Das Praktikum wird parallel zur Vorlesung durchgeführt und vertieft die dortige Theorie durch entsprechende praktische Implementierungsaufgaben. Die Studierenden sollen dabei eines oder mehrere aktuelle BI Systeme aus der Praxis verwenden und ein durchgängiges End-to-End Beispiel selbst implementieren. 

Schwerpunkte:

1. Schichtenarchitektur im Enterprise Data Warehouse
2. Multidimensionale Datenmodellierung 
3. ETL, Transformationsprozesse
4. Reporting und Analyse: Multidimensionale Analyse mit OLAP, Dashboards

s. Vorlesung