Interview

„Genau die Spezialisten ausbilden, die wir brauchen“

Ein Blick in die Stellenbörsen zeigt: Data Scientists sind händeringend gesucht. Gebraucht werden sie in Wirtschaft und Wissenschaft überall dort, wo große Datenmengen zu erheben, zu verarbeiten, aufzubereiten und zu analysieren sind. Die fortschreitende Digitalisierung aller Lebensbereiche und verbesserte Methoden der Künstlichen Intelligenz werden den Bedarf an Data Scientist künftig stark steigen lassen. Welche Fertigkeiten an Hochschulen und Universitäten, aber auch über Weiterbildungsangebote zu vermitteln sind, hat die Gesellschaft für Informatik e.V. (GI) unter Mitarbeit der Plattform Lernende Systeme analysiert. Warum dabei von ganz unterschiedlichen Zielgruppen auszugehen ist, erläutert Mit-Autor Ulf Brefeld, Professor für Maschinelles Lernen an der Leuphana Universität Lüneburg und Mitglied der Plattform Lernende Systeme.

Data Scientist gilt manchen als der attraktivste Beruf des 21. Jahrhunderts. Warum?

Ulf Brefeld: Wir generieren täglich eine unvorstellbar große Menge an neuen Daten – angefangen von Satellitenbildern, die zur Erde gefunkt werden, bis hin zu Urlaubsfotos, die wir auf einer Social Media-Plattform hochladen. Die Möglichkeit aus (heterogenen) Daten Mehrwerte zu schaffen, ist riesig: Straßenkarten haben sich z.B. durch die Aggregation von weiteren Datenquellen zu Navigationssystemen und Restaurantführern weiterentwickelt. Diese Entwicklung aktiv mitzugestalten und eigene Ideen zu verwirklichen, ist sehr attraktiv.

Welche Inhalte müssen an Hochschulen zur Ausbildung von Data Scientists für Industrie und Forschung vermittelt werden?

Ulf Brefeld: Grundlage eines Data Scientists sind solide Kenntnisse in Mathematik, Statistik und Informatik. Darauf bauen dann weiterführende Themen wie Datenbanken, Künstliche Intelligenz und Maschinelles Lernen auf. Die richtige Mischung dieser Komponenten hängt von der fachlichen Ausrichtung der Studierenden ab. So bringen etwa Studierende von Kulturwissenschaften oder Ingenieurswissenschaften unterschiedliche Voraussetzungen in ein aufbauendes Data Science-Studium mit – und werden nach ihrem Studium auch an sehr unterschiedlichen Fragestellungen und mit verschiedenen Datentypen arbeiten. Diese Differenzierungen sollten in einem Data Science-Studium berücksichtigt werden, damit wir genau die Spezialisten ausbilden, die wir benötigen. In einem Arbeitspapier, das die Plattform Lernende Systeme zusammen mit der Gesellschaft für Informatik erstellt hat, definieren wir verschiedene Personas, die stellvertretend für die unterschiedlichen Voraussetzungen und Aspekte in der akademischen Ausbildung stehen.

Wie lässt sich Data Science in die Weiterbildung integrieren?

Ulf Brefeld: Der aktuelle Bedarf an Data Scientists kann nicht alleine durch die Hochschulausbildung gedeckt werden. Wichtig sind insbesondere dedizierte Weiterbildungsprogramme, damit sich Beschäftigte in Unternehmen sowie Arbeitssuchende entsprechend weiterqualifizieren können. Sie haben ein anderes Profil als Studierende: Durch eine Tätigkeit in der Praxis sind vielleicht die theoretischen Grundlagen etwas verloren gegangen und beispielsweise durch langjährige Expertise in praktischer Softwareentwicklung ersetzt worden. Auch darauf gehen wir in unserem Arbeitspapier ein und definieren passende Inhalte für eine erfolgreiche Weiterbildung von Beschäftigten zu Data Scientists. 

Zum Beitrag auf der Plattform Lernende Systeme.

Ulf Brefeld, Professor für Maschinelles Lernen an der Leuphana Universität Lüneburg und Mitglied der Plattform Lernende Systeme Copyright: Leuphana Universität Lüneburg