Ob Teilnahmelisten aus E-Mails extrahieren oder hunderte Datensätze überprüfen – viele Aufgaben im Hochschulalltag sind wiederkehrend, zeitintensiv und fehleranfällig, wenn sie manuell erledigt werden. Dieser praxisorientierte Workshop zeigt, wie Sie mit Python typische Verwaltungsprozesse automatisieren können – einfach, verständlich und direkt anwendungsbezogen.
Sie lernen grundlegende Programmiertechniken anhand realistischer Fälle aus Verwaltung und Bibliothek, etwa die Verarbeitung von Excel- und CSV-Dateien, die automatische Umbenennung großer Datenmengen oder den Abruf externer Datenquellen über Schnittstellen (APIs).
Zum Einsatz kommen folgende Tools:
- Python, eine leicht erlernbare Programmiersprache, die besonders im Datenmanagement weit verbreitet ist. In der Academic Cloud läuft Python in einer gesicherten Umgebung – alle Daten und Skripte bleiben innerhalb der Hochschulinfrastruktur.
- Pandas, eine leistungsstarke Python-Bibliothek zur Datenverarbeitung, die Excel-ähnliche Funktionen programmatisch verfügbar macht, und bereits in der Academic Cloud vorinstalliert und einsatzbereit ist.
- Visual Studio Code (VS Code), eine moderne, benutzerfreundliche Entwicklungsumgebung mit Syntax-Highlighting und Code-Vervollständigung. Über die Academic Cloud ist VS Code browserbasiert nutzbar, keine lokale Installation erforderlich.
- KI-Assistenz über die Academic Cloud, KI.Assist der FU-Berlin oder andere KI-Systeme, die Code-Vervollständigung und Erklärungen ermöglicht. Alle Anfragen über die Academic Cloud bzw. KI.Assist laufen datenschutzkonform über die hochschuleigene Infrastruktur - sensible Daten verlassen nicht die gesicherte Umgebung.
Um bei temporären Problemen arbeitsfähig zu bleiben, wird anlassbezogen ein Backup-System verwendet. Sensible Verwaltungsdaten sollten ausschließlich lokal verarbeitet werden, während die Ausweichsysteme nur mit anonymisierten Übungsdaten und auch nach Kursende nur mit Übungsdaten verwendet werden sollten.
ZielgruppeBeschäftigte aus wissenschaftsunterstützenden Bereichen, Verwaltung, Bibliothek, IT, Wissenschaftsmanagement und Forschung, die regelmäßig mit strukturierten Daten arbeiten und Prozesse effizienter gestalten möchten.
Voraussetzungen
- Grundkenntnisse in Excel, etwa aus unserem Kurs Basiswissen: MS Excel – Crashkurs, oder vergleichbare Vorkenntnisse
- Primärsystem (Pflicht): Python und Visual Studio Code lokal installiert. Installationsanleitungen für Mac und PC werden bereitgestellt. Auf Dienstrechnern: Klären Sie vorab mit Ihrer IT, ob Sie Python-Module per "pip install" installieren dürfen.
- Reservesystem (Pflicht - mindestens eine Option): GitHub Codespaces, Google Colab oder Replit. Auf Dienstrechnern: Testen Sie vor Kursbeginn, ob Ihre gewählte Online-IDE erreichbar ist – manche Institutionen blockieren externe Dienste.
- KI-Zugang (Pflicht – mindestens zwei verschiedene): Academic Cloud, Assist.KI (FU Berlin), Gemini, Claude oder GPT. Machen Sie sich vorab mit den Datenschutz-Grundlagen bei KI-Nutzung vertraut.
Ziele
Nach dem Workshop sind die Teilnehmenden in der Lage,
- grundlegende Programmierkonzepte in Python praxisnah anzuwenden,
- strukturierte Daten aus Excel, CSV und lokalen E-Mail-Dateien automatisiert zu verarbeiten,
- Web-APIs für Datenabfragen in Verwaltungs- und Bibliothekskontexten zu nutzen,
- wiederkehrende Aufgaben eigenständig zu automatisieren,
- Python-Skripte strukturiert und reproduzierbar im Arbeitsalltag einzusetzen,
- die Möglichkeiten KI-gestützter Unterstützung (z.B. ChatGPT, Claude, Gemini) verantwortungsvoll zu nutzen.
Inhalte
Tag 1 – Python-Grundlagen praxisnah
- Willkommen in Python: Einführung in Python und Visual Studio Code, Arbeitsumgebung verstehen und einrichten. Markdown-Dateien für begleitende Dokumentation nutzen – Überlegungen, Entscheidungen und Codebeispiele strukturiert festhalten, während ein Skript entsteht. Erste Schritte: Variablen und Datentypen am Beispiel einer Personalakte – Name, Eintrittsdatum, Stellenumfang.
- Mit Daten arbeiten: Listen für Teilnehmendenverwaltung (z.B. alle Anmeldungen eines Workshops), Dictionaries für strukturierte Einträge (z.B. ein Buch mit Titel, Signatur, Ausleihstatus). Erste praktische Übungen mit Personaldaten.
- Schleifen verstehen: Wiederholungen automatisieren – aus 100 PDF-Dateinamen wie "Mueller_Antrag_2024-03-15.pdf" das Datum extrahieren und nach "2024-03_Mueller_Antrag.pdf" umstrukturieren. Fehler sauber abfangen, wenn der Dateiname nicht dem erwarteten Muster entspricht.
- Dateien lesen und schreiben: CSV-Exporte aus dem Anmeldesystem einlesen, Excel-Listen aus der Kursverwaltung bearbeiten, Ergebnisse als Textdatei für den Serienbrief exportieren – Daten rein, Daten raus, ohne Copy-Paste.
- Pandas-Grundlagen: Excel-ähnliche Operationen mit Code – Teilnehmerliste nach Fakultät filtern, nach Anmeldedatum sortieren, Anmeldungen pro Studiengang zählen. Erste Auswertungen, die in Excel fünf Klicks brauchen, hier eine Zeile.
Tag 2 – Automatisierung konkret
- Web-APIs nutzen: Was sind APIs und wie funktionieren sie? Praxisübung: ISBN-Liste aus einem Seminarapparat an die OpenLibrary API senden, Titel, Autor und Erscheinungsjahr abrufen – und sauber abfangen, wenn ein Buch nicht gefunden wird.
- Excel-Berichte automatisiert erstellen: Aus einer Roh-Exportdatei der Teilnehmerverwaltung einen formatierten Bericht mit Kopfzeilen, Summenzeilen und farblicher Hervorhebung generieren – fertig zum Versand an die Fakultätsleitung.
- Funktionen und Klassen: Wiederholte Aufgaben in Funktionen auslagern (z.B. ISBN-Prüfziffer validieren), Buchtitel von Sonderzeichen bereinigen. Einstieg in Klassen: Ein Buch-Objekt anlegen, das Titel, Autor und Standort zusammenhält – Grundlage für eigene kleine Datenbanken.
- E-Mail-Verarbeitung: Aus einem Ordner mit Gremiensitzungs-Einladungen (.eml-Dateien) alle CC-Empfänger, Betreffzeilen und Termine extrahieren und als Excel-Übersicht exportieren – Vorbereitung für die Protokollverteilung.
- Einsatz von KI-Assistenztools: Eine Funktion zur Datumsformatierung von einer KI generieren lassen, den Code Zeile für Zeile verstehen, Fehler erkennen und an die eigenen Anforderungen anpassen – mit realistischer Einschätzung, wann KI hilft und wann selber coden besser ist.
Live-Demonstrationen, Schritt-für-Schritt-Anleitungen, vielfältige Übungen mit umfangreichen Beispielmaterialien, individuelles kleines Projekt zum Kursabschluss, moderierter Austausch
Hinweise
Der Workshop findet mit lokal installiertem Python und Visual Studio Code statt. Teilnehmende können eigene einfache Automatisierungsaufgaben zur Bearbeitung einbringen – bitte dazu Beispieldateien mitbringen, die im Kurs von allen verwendet werden können.
