Internationale Steuerplanung von UHNWI und Vermögensstrukturen

• Internationale Besteuerung von UHNWI und Vermögensstrukturen in Liechtenstein, Deutschland, Österreich und der Schweiz
• Anwendung von Doppelbesteuerungs- und weiteren Steuerabkommen, Tax Compliance
• Internationaler Informationsaustausch (CRS) und Meldeverpflichtungen (DAC 6)
• Rechtsprechung, Verwaltungspraxis
• Fallbeispiele und Fallstudien

Data Science covers statistical and exploratory techniques that are used to make sense of the vast and complex data sets that have emerged in business. Data Science is one of the core topics of the degree programme, so the course also provides a basis on which students can choose their electives. Students learn to detect patterns in large data sets in quantitative and qualitative formats to translate them into actionable insights. The course covers seven primary topics:

• Data visualisation and exploration
• Supervised learning techniques for regression (e.g. logistic regression)
• Supervised learning techniques for classification (e.g. classification trees)
• Unsupervised learning techniques (e.g. clustering, dimensionality reduction)
• Fundamentals of deep learning
• Text mining (e.g. topic modelling)
• Hands-on labs with Python

• The course involves interactive lectures with exercises to integrate theoretical knowledge with practical design and analysis skills.

After successful completion of the course, students will

Professional competence
• understand the basic concepts and methods of data mining and predictive analytics
• be able to assess the assumptions and quality of statistical models

Methodological competence
• know and be able to select and apply the right statistical models for a given task or data set
• be able to derive actionable insights from statistical results
• know basic visualisation and storytelling techniques

Social competence
• communicate effectively using visualisations
• understand different stakeholder perspectives in a data mining project

Personal competence
• critically reflect on analytical outcomes
• improve and mitigate self-inflicted errors

Technological competence
• be able to use Python including their libraries such as scikit-learn and matplotlib to apply machine learning
and to create visualisations

• James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning: With Applications in R. New York, NY: Springer.
• Witten, H., Eibe, F., & Hall, M. (2016). Data Mining: Practical Machine Learning Tools and Techniques. San Francisco, CA: Morgan Kaufmann Publishers.
• Provost, F., & Fawcett, T. (2013). Data Science for Business. Sebastopol, CA: O’Reilly Media.

Written exam (90min)

Internationalization Strategies

• Theoretischen Grundlagen der Internationalisierung und des Wissenschaftsfelds International Management.
• Internationale Expansionsstrategien (Motive, Marktwahl und Markteintritt) von Unternehmen unterschiedlicher Grösse und unterschiedlicher Konfiguration.
• Praxisfalle internationaler Konzerne und KMUs aus der Region.
• Internationalisierung von Start-Ups.

Negotiation Techniques

• Verhandlungstaktiken.
• Sachgerechtes Verhandeln.
• Neutrale Beurteilungskriterien.
• Optionen zum beiderseitigen Vorteil.
• Beste Alternative.
• Die Rolle der Macht beim Verhandeln.
• Internationale Verhandlungsstrategien.
• Besonderheiten des Verhandelns im interkulturellen Kontext.

Entrepreneurial Marketing & Sales

• Zentrale Ansatze, Theorien und Modelle, sowie die Hauptgebiete und Grenzen des Entrepreneurial Marketing.
• Typische Aufgaben und Instrumente des Markteintritts.
• Kernfragen der Markteintrittsstrategie.
• Timing von Markteintritten und unterschiedliche Timing-Zeitpunkte in bestimmten Marktsituationen.
• Verkaufs- und Vertriebsstrategien.
• Vertriebsprozess und -systeme.

BACHELOR (für Master bitte Sprache auf Englisch umstellen):

• Architektonischer Entwurf mit konkreter Aufgabenstellung aus dem Themenfeld Upcycling im Kontext der relevanten für die Umsetzung der Aufgabe wichtigen Parameter.
• Integrierende Themen werden in der Entwurfsaufgabe bearbeitet und durch Fachdozierende aus dem Themengebiet direkt begleitet.
• Prozessorientierte Vorgehensweise in der Analyse der Aufgabe und der Entwicklung von zukunftsweisenden Konzepten.
• Basiswissen zu strukturellen, bautechnischen und sozio-kulturellen Herausforderungen in Umnutzung und Aufwertung.
• Grundlegendes Verständnis von ökonomischen und baurechtlichen Rahmenbedingungen.

Upcycling: Im Zentrum von Upcycling steht die Erfassung, Bewertung und qualitative Weiterentwicklung von Baubestand sowie die Aufwertung von bestehenden urbanen Strukturen. Die Geschichte des Bauens und Planens war immer auch eine Geschichte der Wieder- und Weiterverwendung. Materielle Hinterlassenschaften, meist im Zuge von Strukturwandel, finden sich überall im Siedlungsraum. Der Umgang mit Bestand ist nicht länger eine Frage von Idealismus, sondern von Ressourcen, Ökonomie sowie räumlicher und konstruktiver Qualitäten in der Architektur und Städtebau.

Projektstudio
Mögliche Methoden:
angeleitetes Praktikum, Brainstorming, Diskurs, Experiment, Exzerpieren, Fallstudie, Film, Foto, Impulsreferat, Lesen, Modell, Peerfeedback, Plan, Projektarbeit, Recherche, Reflexion, Schreiben, Skizze, Übung, Visualisierung, Vortrag, Zeichnung.

siehe Modulbeschreibung (PDF im Anhang)

Bestandene Basic Studios Handwerk, Landschaft, Upcycling;
Bei englischsprachigem Advanced Studio Sprachzertifikat (Niveaustufe B2);

Modulnote = Lehrveranstaltungsnote, die ermittelt wird aus:
Projektentwürfe mit Präsentation und Kritik sowie Mitarbeit im Unterricht; Integrationsarbeit; Portfolio; 75% Anwesenheitspflicht, prüfungsimmanent

Das Kolloquium gibt den Studierenden die Möglichkeit, ihr Forschungsprojekt methodisch und inhaltlich vorzustellen, zu diskutieren und entsprechend zu verbessern. Neben kurzen Input-Vorträgen von Dozierenden werden die Studierenden ihr Forschungsprojekt vorstellen. Im Anschluss diskutieren sie dieses mit Dozierenden und den Mitstudierenden. Ziel ist es, die Forschungsfrage weiter zu schärfen und das methodische Vorgehen zu verbessern.

Präsentationen, Fallstudien, Diskussionen

Exposé des Forschungsprojektes

Exposé des Forschungsprojektes

The module aims at understanding technology and innovation management in companies, answering questions such as the definition of innovation and how it can be promoted or the connection between strategy and innovation. In addition to inputs in general lecture style, the students will develop and prototype a product or service based on a given technology.

• Für die Anmeldung zu Modulen der Vertiefungsrichtung müssen die Module Statistik, Wirtschaftsmathematik und English I erfolgreich absolviert sein.
• Zusätzlich muss für die Anmeldung zur Vertiefung IME das Modul Strategisches Management erfolgreich absolviert sein.

• Finanzwirtschaftliche Modelle
• Finanzmathematik,
• Investitionsrechnung, Finanzierung,
• Finanzinstitutionen,
• Derivative Finanzinstrumente,
• Unternehmensfinanzierung,
• Unternehmensbewertung

Für die Anmeldung zum Modul Research Methods II muss das Modul Research Methods I erfolgreich absolviert sein.

Introduction to methodology, the basics of research foundations, research philosophies and approaches, development and the implementation and analysis of research projects.

Für die Anmeldung zum Modul Research Methods I müssen die Module Statistik, Wirtschaftsmathematik, English I und wissenschaftliches Arbeiten erfolgreich absolviert sein.

The successfull completion of this module is necessary for registering in the Module Research Methods II.

The research proposal is a research plan. The contents of the research proposal are governed by the curricula of the doctoral degree programmes. If a cumulative dissertation is intended, it is necessary to mention the publication journals and the number of publications planned. The formal aspects of the research proposal must comply with the "Guidelines for Writing Academic Papers at the University of Liechtenstein".

In the colloquium on the research proposal, the doctoral student shall present his/her dissertation project and provide reasons for his/her chosen approach.

The grade for the research proposal will be determined by taking the average of the grades given by the supervisor and the co-supervisor.