Data Scientists übersetzen Kundenwünsche in mathematische Modelle

Andreas Hübner entschied sich nach dem Master-Abschluss in Wirtschaftsinformatik vor fünf Jahren gegen eine Promotion und für den Direkteinstieg bei ­Alexander Thamm in München, einem jungen Unternehmen für Datenanalyse.

Zu seinen Aufgaben als Data ScientistData Scientist gehört es, die Kundenwünsche zu verstehen und in mathematische Modelle zu übersetzen. Dafür muss er die Technik genauso gut verstehen wie die ökonomischen Aspekte und detektivisches Gespür mitbringen. Frustrationstoleranz zählt ebenfalls zum Berufsprofil, um sich von Rückschlägen nicht entmutigen zu lassen. Alles zu Big Data auf CIO.de

Mit einem Wirtschaftsinformatikstudium in Paderborn schaffte sich Hübner ein solides Fundament in Computer Science, Software-­Engineering sowie Betriebs- und Volkswirtschaft. Während seines Master-Studiums vertiefte er sich in die Datenanalyse, beschäftigte sich intensiv mit mathematischen Optimierungsmethoden, künstlicher Intelligenz (KI) und maschinellem Lernen.

An Lösungen tüfteln

Das Klischee vom Kellerkind, das sich den ­ganzen Tag mit Algorithmen beschäftigt, mit niemanden spricht und nur programmiert, kennt Hübner, doch mit seinem Arbeitsalltag hat es nichts zu tun. "Es fängt schon damit an, dass ich verstehen muss, welche Problemstellung es gibt und ob sie mit einer Datenanalyse lösbar ist", sagt der 31-Jährige. Gemeinsam mit den Spezialisten in Mathematik und Statistik unter seinen Kollegen tüftelt er an ­Lösungen.

Die Kundenprojekte reichten von der Analyse des Stromverbrauchs einer Einzelhandelskette bis zur Bilderkennung und Bildverarbeitung nach einer Naturkatastrophe für eine Versi­cherung. "Während eines Projekts kommt es darauf an, die Ergebnisse zu evaluieren und die Modelle anzupassen. Die menschliche Erfahrung ist immer noch wichtig."

Quereinsteiger haben es nicht leicht

Die Aufgabenstellungen für Data Scientists sind auch für andere Berufsgruppen attraktiv. "Viele wollen als Data Scientist quereinsteigen, doch manche tun sich schwer. Physiker, Mathe­matiker und In­formatiker bringen wichtige Grundlagen mit, auch jemand mit einem VWL-Studium und dem Schwerpunkt Statistik ist gut qualifiziert", sagt Hübner. Während die ­Generalisten unter den Data Scientists besonders gesucht sind, wie der 31-Jährige weiß, verschwinden aber viele Aufgaben wieder durch die rasante Weiterentwicklung von KI und ­Machine Learning.

Herausfordernd sind auch die methodischen und technischen Entwicklungen, mit denen Hübner Schritt halten muss. Deshalb besucht er Konferenzen, tauscht sich mit Spezialisten aus, liest Blogs, verfolgt Portale. "Wenn ich mit Kollegen spreche und mich umhöre, sind die­jenigen am erfolgreichsten, die auch in eigene Projekte investieren, denn sonst kommt keiner hinterher."

Also schafft sich Hübner auch daheim in seiner Wohnung eine Spielwiese, installiert Sensoren und tüftelt, indem er beispielsweise die Katzen­klappe mit einer Bilderkennungssoftware koppelt oder die Raumtemperatur intelligent reguliert. Andreas Hübner ist jemand, der sich nicht langweilen will. Als Data Scientist hat er den richtigen Beruf gewählt.

Lesen Sie auch: Wie Daten helfen, den Kunden besser zu verstehen