Data Analytics mit KNIME: Grundlagen (Inhouse)

Data Analytics in KNIME - Einstieg (Tag 1)

Modul 1 – Einstieg, Plattformverständnis und Arbeitsweise

• Begleitmaterialien zum Seminar
• Grundlagen und Einordnung der Datenanalyse-Plattform KNIME
• Aufbau der Benutzeroberfläche und Funktionsprinzip der Nodes
• Hinweis zum Wechsel zwischen Node-Konfigurationen

Modul 2 – Daten einlesen und strukturieren

• Import von Datenquellen in KNIME
• Leistungsfähiges Einlesen mehrerer Dateien in einem Arbeitsschritt

Modul 3 – Logik, Variablen und Excel-Denkmuster

• Exkurs: Variablenkonzepte und Schleifenmechanismen in KNIME
• Abbildung von Excel-Verweisen (SVERWEIS/XVERWEIS) in KNIME-Workflows

Modul 4 – Externe Daten & Datenaufbereitung

• Abruf externer Wechselkursdaten über Webschnittstellen
• Datenaufbereitung: Bereinigung und Verknüpfung (Teil 1)
• Datenaufbereitung: Bereinigung und Zusammenführung (Teil 2)

Modul 5 – Fallstudie, Ergebnisbildung und Ausblick

• Einordnung und Zielsetzung der Fallstudie
• Fallstudie 3: Abschließende Datenaufbereitung (Teil 1)
• Finalisierung und Abschluss der Fallstudie
• Ausblick: Ergebnisse aufbereiten und visualisieren

Data Analytics in KNIME – Aufbau (Tag 2)

Modul 6 – Vertiefte Workflow-Logik und Schleifen

• Schleifenmechanismen in KNIME: Gruppenbasierte Iteration (Group Loop)
• Schleifenmechanismen in KNIME: Zählergesteuerte Iteration (Counting Loop)
• Schleifenmechanismen in KNIME: Rekursiver Ablauf (Recursive Loop)

Modul 7 – Bedingungen, Filter und Strukturtransformationen

• Überblick und Vergleich der Filtermechanismen in KNIME
• Datenstrukturen umformen: Pivot- und Unpivot-Operationen
• Grundlagen bedingter Logik in KNIME
• Praxisbeispiel: Einsatz von Bedingungen in KNIME-Workflows
• Universell einsetzbare Allzweck-Nodes in KNIME

Modul 8 – Workflow-Steuerung, Stabilität und Qualität

• Kriterienbasierte Unterbrechung und Steuerung von Workflows
• Dateiverarbeitung und inhaltliche Validierung innerhalb von Workflows
• Fehlerbehandlung und kontrolliertes Abfangen von Ausnahmen in KNIME

Modul 9 – Automatisierung, Abhängigkeiten und Integration

• Zeit- und ereignisbasierte Orchestrierung von Workflows
• Steuerung und Management von Workflow-Abhängigkeiten
• Grundlagen der Datenbankintegration mit KNIME
• Persistierung von Verarbeitungsergebnissen durch Rückschreiben in Datenbanken

Modul 10 – Erweiterungen und Ausblick

• Erweiterung der Funktionalität durch zusätzliche Nodes und Filter
• Überblick über KI-gestützte Assistenzfunktionen in KNIME – Integration von ChatGPT

Methode

Die Teilnehmer werden durch eine Kombination aus anschaulichen theoretischen Erklärungen eines Trainers und umfangreichen praxisnahen Übungs- und Anwendungsaufgaben befähigt, die auf problemorientiertem Lernen an realen Problemen und konstruktivistischem/aktivem Lernen basieren.

• Trainerinput und Demonstrationen in KNIME
• Schrittweise Übungen anhand einer durchgängigen Fallstudie
• Einzel- und Gruppenaufgaben zur Datenaufbereitung
• Austausch, Diskussion und kurze Reflexionsphasen
• LearningHub @Cegos für digitale Lernbegleitung
• 4REAL-Modell zur praxisorientierten Methodik