Lernprogramm für Financial Anomaly Detection
Unser Ausbildungskonzept verbindet fundiertes Fachwissen mit praktischer Anwendung. Sie lernen in Ihrem eigenen Tempo und passen das Programm an Ihre beruflichen Verpflichtungen an. Wir starten im Oktober 2025 mit einer Gruppe von maximal 18 Teilnehmenden.
Informationen anfordern
Flexible Lernwege nach Ihren Bedürfnissen
Manche bevorzugen Video-Tutorials, andere arbeiten lieber mit Texten und Code-Beispielen. Wir haben unterschiedliche Materialien entwickelt, die denselben Inhalt auf verschiedene Arten vermitteln. So findet jeder seinen optimalen Zugang zum Thema.
Das Programm läuft über 11 Monate und umfasst etwa 12-15 Stunden Arbeitsaufwand pro Woche. Sie können Phasen intensiveren Lernens mit ruhigeren Wochen abwechseln – wichtig ist nur, dass Sie am Ball bleiben.
- Präsenz-Workshops alle 6 Wochen in Langenhagen (optional, aber empfohlen)
- Wöchentliche Live-Sessions donnerstags um 19:00 Uhr
- Aufgezeichnete Vorlesungen zum zeitversetzten Anschauen
- Schriftliche Materialien und interaktive Jupyter Notebooks
- Individuelle Projektbetreuung durch erfahrene Praktiker
Langfristige Entwicklungen unserer Absolventen
Wir bleiben auch nach Programmende mit vielen Teilnehmenden in Kontakt. Hier teilen drei von ihnen ihre Erfahrungen – nicht nur direkt nach dem Abschluss, sondern auch wie sich ihre Karriere danach entwickelt hat.
Veronika Lindström
Abschluss 2024
Ich bin aus der klassischen Buchhaltung gekommen und wollte verstehen, wie Machine Learning bei der Betrugserkennung hilft. Nach dem Programm konnte ich in meiner Firma ein Pilotprojekt starten. Mittlerweile leite ich ein kleines Team, das sich um automatisierte Prüfungen kümmert. Die Unterstützung während des Übergangs war wichtig.
Ragnar Steinhoff
Abschluss 2023
Als Controller wollte ich tiefere Einblicke in Datenanalyse bekommen. Das Programm hat mir gezeigt, wo die Grenzen von Excel liegen und wie ich Python sinnvoll einsetzen kann. Heute arbeite ich als Berater und helfe mittelständischen Unternehmen, ihre Finanzprozesse zu modernisieren. Die Praxisprojekte waren Gold wert.
Edda Bergmann
Abschluss 2024
Ich hatte Informatik studiert, aber wenig Finanzwissen. Diese Kombination aus beidem hat mir eine neue Perspektive gegeben. Heute entwickle ich Tools für Risiko-Assessment bei einer Bank. Was ich besonders schätze: Die Dozenten waren ehrlich, wenn etwas in der Praxis nicht funktioniert. Das hat mir später viel Zeit gespart.
Ihr Weg durch das Programm
Grundlagen und Orientierung
Python-Basics, Datenstrukturen und erste statistische Konzepte. Wir schauen uns an, wie Finanzdaten aufgebaut sind und welche Besonderheiten sie haben. Am Ende dieser Phase erstellen Sie Ihre erste einfache Anomalie-Erkennung basierend auf Schwellenwerten.
Machine Learning Methoden
Jetzt wird es technischer. Supervised und Unsupervised Learning, Feature Engineering, Model Evaluation. Sie arbeiten mit echten Datensätzen und lernen, wann welcher Algorithmus Sinn macht. Hier beginnt auch die Arbeit an Ihrem individuellen Abschlussprojekt.
Spezialisierung und Vertiefung
Deep Learning, Zeitreihenanalyse oder Netzwerk-basierte Methoden – Sie wählen Ihren Schwerpunkt. Parallel dazu beschäftigen wir uns mit praktischen Fragen: Wie erkläre ich einem Auditor, was mein Modell macht? Wie gehe ich mit False Positives um?
Projektabschluss und Dokumentation
Sie finalisieren Ihr Projekt und dokumentieren es so, dass andere damit weiterarbeiten können. Am Ende präsentieren Sie Ihre Ergebnisse vor der Gruppe. Viele Teilnehmende nutzen diese Präsentation später auch intern in ihren Unternehmen.