Die Wirtschaftsuniversität Wien startet am 5. November 2026 das neue, KI-fokussierte Department „Business Analytics and Decision Sciences“. Von Uni Bielefeld aus betrachtet klingt das zunächst nach einer Wiener Hochschulmeldung – tatsächlich geht es um eine Entwicklung, die für Studierende und Forschung weit darüber hinausreicht: Datenbasierte Entscheidungen werden in Wirtschaft, Politik und Gesellschaft immer stärker zum Bestandteil von Strategien.

Im neuen Department bündelt die WU Forschung und Lehre zu solchen Entscheidungen. Business Analytics, Data Science und Entscheidungswissenschaften sollen enger zusammenarbeiten. Im Mittelpunkt steht dabei nicht nur, was moderne Technologien können, sondern auch, wie Daten verantwortungsvoll genutzt werden. Das ist der Punkt, an dem aus Rechenleistung und Algorithmen praktische Entscheidungen werden.

Neuer Bachelorzweig und geplantes PhD-Programm

Im Wintersemester 2026/27 beziehungsweise ab dem Studienjahr 2026/27 führt die WU im Bachelorstudium Wirtschafts- und Sozialwissenschaften den Studienzweig „Business Analytics and Decision Sciences“ ein. Vermittelt werden datenbasierte Analyse, analytisches Denken, datenunterstützte Entscheidungsprozesse und die verantwortungsvolle Anwendung algorithmischer Systeme. Zusätzlich ist ein entsprechendes PhD-Programm geplant.

Die WU baut damit ihre Schwerpunkte in Datenanalyse und Entscheidungswissenschaften aus. In den kommenden Monaten sollen am neuen Department 24 akademische Stellen ausgeschrieben werden, darunter sechs Professuren. Erste Professor:innen, Assistant Professors sowie Mitarbeiter:innen in Forschung, Lehre und Administration haben ihre Arbeit bereits aufgenommen. Die personelle Verstärkung und die Einbindung in mehrere Studienprogramme sollen auch die Betreuungsrelationen an der WU verbessern – für Studierende kein Nebensatz, sondern im Alltag womöglich der entscheidende Unterschied.

Zum Ausbau gehört außerdem das Kompetenzzentrum „Applied AI & Scientific Computing“. Dort werden WU-Forscher*innen gebündelt, die an technischen und methodischen Entwicklungen der Künstlichen Intelligenz arbeiten. Das Zentrum soll als zentrale Plattform und Koordinationsstelle dienen.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Seit 2020 setzt die WU mit dem englischsprachigen Masterprogramm „Digital Economy“ und spezialisierten Professuren auf Digitalisierungskompetenzen. Das neue Department und der Bachelor-Studienzweig erweitern diesen Digitalisierungsfokus um Business Analytics.

Von Lieferketten bis Klima und Energie

Das Department verbindet ökonomisches Denken mit Datenanalyse und beschäftigt sich mit datenbasierten Anwendungen in Wirtschaft und Gesellschaft. Die Forschung reicht von Automatisierung und der Optimierung von Lieferketten über Personal- und Kundenmanagement bis zu globalen Geschäftsstrategien. Auch Betrugserkennung und personalisierte KI-Empfehlungen gehören zu den genannten Feldern.

Anwendungen sieht die WU unter anderem in Klima und Energie, Mobilität, Krisenmanagement und Sicherheit, Kultur und Kreativität, Tourismus und Sport, Gesundheit sowie in sozialen Netzwerken und Marktplattformen. Das klingt nach einer ziemlich langen Liste – und genau darin liegt die Spannweite des Fachs: Datenanalyse sitzt nicht nur in einem Computerraum, sondern kann in ganz unterschiedlichen Lebens- und Wirtschaftsbereichen auftauchen.

Das Gründungsteam

Interimistisch geleitet wird das Department von Verena Dorner als Interim Head. Sie ist Professorin für Digital Ecosystems am Department of Information Systems and Operations Management. Stefan Pichler übernimmt als Interim Deputy Head; er ist Professor für Banking and Finance am Department of Finance, Accounting and Statistics.

Zu den bisher berufenen Professor:innen gehört Daniel Ringel, Professor für Business Analytics and Decision Sciences. Sein methodischer Fokus liegt auf Machine Learning sowie symbolischer und subsymbolischer KI. Er forscht an der Schnittstelle von Marketing, Operations Management und KI und beschäftigt sich mit KI- und Agentic-KI-Anwendungen sowie Machine-Learning-Methoden für strategische und operative Unternehmensentscheidungen.

Ringel war unter anderem Unternehmensberater bei der Monitor Group und gründete 2005 Ringel Modellbau. Das Unternehmen verkaufte er 2011. 2017 promovierte er an der Goethe-Universität Frankfurt, danach wechselte er an die University of North Carolina. Im September 2026 kam er als Professor an die WU.

Mathias Staudigl ist ebenfalls Professor für Business Analytics and Decision Sciences. Er promovierte 2010 in Volkswirtschaftslehre an der Universität Wien, war unter anderem an der Universität Bielefeld und der Maastricht University tätig und ist seit 2023 Professor für Mathematische Optimierung an der Universität Mannheim.

Seine Arbeit verbindet mathematische Optimierung mit Operations Research, Spieltheorie und maschinellem Lernen. Staudigl entwickelt theoretische Grundlagen und numerische Verfahren für komplexe Optimierungsprobleme, etwa in Energiesystemen, der medizinischen Bildgebung und der KI.

Wenjie Tang, Professorin für Business Analytics and Decision Sciences, arbeitet methodisch mit Simulation, Optimierung, Experimenten, algorithmischer Spieltheorie und Marktdesign. Sie studierte Physik an der Fudan University und promovierte in Decision Sciences an der französischen Insead. Stationen führten sie an die IE Business School, die National University of Singapore und die Universität Wien.

Ihre Forschungsschwerpunkte sind Operations Management sowie Judgment and Decision Making. Tang arbeitet vor allem mit analytischen Modellen und Laborexperimenten und baut das Department seit September 2026 mit auf.

Auch David Wozabal ist Professor für Business Analytics and Decision Sciences, mit einem methodischen Fokus auf Simulation, Optimierung, Experimenten, algorithmischer Spieltheorie und Marktdesign. 2008 promovierte er in Statistik an der Universität Wien. Er war Professor an der Technischen Universität München und ist seit 2023 Professor für Management Science and Machine Learning an der Vrije Universiteit Amsterdam.

Wozabal untersucht datenbasierte und robuste Entscheidungen unter Unsicherheit. Dafür verbindet er Operations Research, Statistik und maschinelles Lernen – unter anderem mit Blick auf Energie- und Finanzmärkte, Logistik und Risikomanagement.

Dirk Wulff kommt als Professor für AI and Behavioral Science hinzu. Er promovierte 2015 in Psychologie an der Universität Basel und dem Max-Planck-Institut für Bildungsforschung. Zuletzt war er dort Senior Research Scientist und leitete die Bereiche „Learning“ und „Metascience“.

Wulff verbindet Kognitions- und Verhaltenswissenschaften mit KI-Methoden. Er untersucht unter anderem den Einsatz von Sprachmodellen zur Analyse menschlichen Verhaltens sowie die empirische Untersuchung und Verbesserung von KI-Systemen mithilfe verhaltenswissenschaftlicher Methoden.

Nysret Musliu ist Professor für Artificial Intelligence and Optimization. Er studierte Elektrotechnik mit Schwerpunkt Telekommunikation und Informatik an der Universität Prishtina, promovierte 2001 in Informatik an der TU Wien und habilitierte sich dort 2007 in Angewandter Informatik.

An der TU Wien ist Musliu als Assoziierter Professor tätig. Er leitet das Center for Artificial Intelligence and Machine Learning und leitete ein Christian Doppler Labor für KI und Optimierung. Seine Forschungsschwerpunkte sind KI, maschinelles Lernen und kombinatorische Optimierung. Dabei entwickelt er Verfahren für komplexe Planungs- und Entscheidungsprobleme, etwa in der Personal- und Ressourcenplanung, beim Scheduling und Timetabling. Das neue Department verstärkt er ab Februar 2027.

Für Studierende bedeutet diese Neuaufstellung mehr als einen neuen Eintrag im Studienangebot. Wer sich mit Datenanalyse beschäftigt, landet mitten in Fragen, die vom mathematischen Modell bis zur gesellschaftlichen Folge reichen. Zwischen Lehrveranstaltung, Labor und Anwendung dürfte es künftig öfter hin und her gehen – und vielleicht auch einmal ordentlich knirschen, wenn ein Algorithmus zwar sauber rechnet, aber noch lange keine gute Entscheidung garantiert.