Auf Erkenntnissuche

Dafür muss Traulsen aber verstehen, wo das Problem seinen Ausgang genommen haben könnte. »Das klappt am besten, indem ich Hypothesen aufstelle. Zum Beispiel könnte es sein, dass die Technik besonders häufig am Tag eines Bundesligaspiels ausfällt, wenn viele emotional aufgeladene Menschen am Bahnhof unterwegs sind. Diese Vermutung versuche ich dann, anhand der Daten zu belegen oder zu widerlegen.«

Infos zu Wetter, Tageszeit und Auslastung verbinden

Als Data Scientist arbeitet Anne Traulsen für DB Systel, die IT-Tochter der Deutschen Bahn. Im Gesamtkonzern liegt die Anzahl der Data Scientists inzwischen etwa im dreistelligen Bereich. Die Spezialistinnen und Spezialisten verbinden zum Beispiel Daten zum Wetter, zur Tageszeit oder zur Fahrzeugauslastung, um Fahrgästen genauere Prognosen zu Umsteigezeiten geben zu können. Anne Traulsen kümmerte sich aber auch schon um Fragen der Optimierung bei der Auslastung des Schienennetzes oder um die Vorhersage von Fehlern an Zügen, der Einsatzbereich ist groß. Und gerade wegen der Größe des Arbeitsfeldes »Big Data«, so Traulsen, ist eine Definition von Data Science so schwierig. Der Schwerpunkt allerdings liege im Aufbereiten und Auswerten von Daten, etwa im Rahmen des Machine Learning, einem Bereich der künstlichen Intelligenz. Zugleich gebe es fließende Übergänge zum vorgelagerten Data Engineering: Dabei werden Datenquellen an einen zentralen Speicher angebunden, auf den sich für die Auswertung zugreifen lässt. Anne Traulsen bringt ihre Arbeit so auf den Punkt: »Es geht um Erkenntnisgewinn anhand von Daten, die ich zu diesem Zweck modelliere und visualisiere.«

richtige Bauchgefühl beim Problemlösen anzutrainieren: Sie sollen inhaltliche Zusammenhänge erkennen und lernen, Modelle nicht nur technisch zu verstehen. Soll ein Modell zum Beispiel die Emissionen einer Industrieanlage vorhersagen, müssen weitere Fragen im Blick bleiben: Wie speicherintensiv ist das Modell? Wie viel Zeit benötigt es zum Rechnen? Ist der Code so sauber geschrieben, dass ihn andere weiterentwickeln können? Was geschieht bei »Datadrift«, wenn sich also Messdaten plötzlich ändern?

Julien Siebert forscht nicht nur zum Fachgebiet, er unterrichtet auch im Zertifizierungsprogramm »Data Scientist«, das die Fraunhofer-Allianz Big Data AI anbietet. In einem sechstägigen Crashkurs lernen die Teilnehmenden mehr über Big-Data-Systeme, Datenmanagement und -analyse, über Visualisierung und die Absicherung von Anwendungen. Zur Zielgruppe gehören zum Beispiel Führungskräfte, Projektverantwortliche und Fachkräfte mit Grundkenntnissen in Statistik und Datenanalyse.

»Für mich stand die Informatik vor allem für Programmierung, die für mich einen entscheidenden Vorteil hat«, betont Anne Traulsen: »Ich komme mit ihr meist zu eindeutigen Ergebnissen: Entweder funktioniert etwas, wie es soll, oder nicht.« Im Umfeld der Data Science müsse sie hingegen mit Unsicherheiten leben, da sie sich nie ganz sicher sein könne, ob sie bei der Auswertung die richtige Methode gewählt und an alle wichtigen Faktoren gedacht habe. Die Datenexpertin der DB Systel sagt, es sei unerlässlich, kritisch gegenüber der eigenen Arbeit zu sein und aktiv Qualitätssicherung zu betreiben. Hartnäckigkeit und eine gewisse Frustrationstoleranz sind laut Anne Traulsen deshalb hilfreiche außerfachliche Kompetenzen: »Manchmal kommt am Ende einer Arbeit auch einfach nichts heraus.«

In seiner Arbeit beim Fraunhofer IESE forscht Julien Siebert selbst, er arbeitet aber auch immer wieder mit Kunden aus der Industrie zusammen, die datengestützte Lösungen für bestimmte Probleme suchen. Freude am Austausch und an der Kommunikation sind in solchen Prozessen hilfreich. »Wir beginnen unsere Zusammenarbeit immer mit einem Workshop, um zu verstehen, was der Kunde wirklich will, welche Daten zur Verfügung stehen und was überhaupt möglich ist. Wir sind dazu von Beginn an in einem ständigen Austausch.« Julien Siebert schätzt die Abwechslung, die seine Arbeit bereithält. Mal befasst er sich mit Wasseraufbereitung, mal mit Sprachen, Fußball oder mit Kraftwerken. Daten fallen in fast allen Gebieten der Wirtschaft an, entsprechend weit ist das Aufgabenfeld. Seit Unternehmen immer größere Datenmengen sammeln, brauchen sie auch immer mehr Experten, die sie auswerten können. Das Jobportal Glassdoor listet aktuell gut 1000 offene Stellen in Deutschland. Julien Siebert kennt die Wahlmöglichkeiten seiner ausgebildeten Kolleginnen und Kollegen: »Wir haben als Data Scientists den Luxus, dort arbeiten zu können, wo wir wollen.«

Anne Traulsen sagt, dass ihr Jobwechsel auch deswegen die richtige Entscheidung gewesen sei, weil sie gerne Probleme knackt und Prozesse optimiert. Als Data Scientist kann sie dieser Berufung hauptberuflich nachgehen. »Und was mich am meisten begeistert: Ich kann für andere einen echten Mehrwert leisten.«