Data Science-Studiengänge boomen. Ein Zeichen für den dramatischen Wandel unserer Wirtschaftswelt.
Marlene Pirker weiß genau, was sie will. Einen Abschluss in Ernährungswissenschaften hat die junge Wienerin bereits in der Tasche und seit September 2018 ist sie eine von insgesamt 70 Data-Scientist-Studierenden an der FH St. Pölten. "Statistik war immer schon eine Leidenschaft, und ich wollte unbedingt mit Python Programmieren lernen", sagt sie. Marlene Pirker hofft, als Data Scientist später im Bereich der personalisierten Medizin arbeiten zu können, um ihre Datenexpertise mit ihrem Wissen über Ernährung verbinden zu können. "Es ist faszinierend, wie sich alle Prozesse, bis hin zur individuellen Ernährung, mit Daten optimieren lassen."
Seit September 2018 kann man an der FH St. Pölten Data Science & Business Analytics studieren. Der Bachelor-Studiengang ist einer von mittlerweile zahlreichen Studiengängen in Österreich: Universitäten, Technische Hochschulen und einige FH haben Studiengänge eingerichtet.
Data Science boomt und Data Scientists werden offenbar gesucht: Ein Jobportal listet zum Jahresende 2020 allein in Wien 170 offene Stellen in dem Bereich. Vom Sportartikelhersteller über die Unternehmensberatung bis zur ÖBB wollen mehr und mehr Wirtschaftsunternehmen ihre Daten nutzen, um Verkäufe zu steigern, ihre Kunden besser zu verstehen oder um neue Produkte entwickeln zu können. Ein vorübergehender Hype?
"Ich würde behaupten, Data Science hat es schon immer in irgendeiner Form gegeben", sagt Marlies Temper. "Als ich Medizininformatik studiert habe, hieß das noch Mustererkennung und Bildverarbeitung. Wir haben unter anderem mit EKG-Daten gearbeitet."
Marlies Temper ist seit 2019 an der FH St. Pölten, wo sie den Data Science-Studiengang leitet. Als dieser im Fachbereich IT und Security vor zwei Jahren entstand, konnte sich die FH gemeinsam mit der Universität Salzburg, die seit 2016 einen Master in Data Science anbietet, noch zu den Pionieren auf diesem Gebiet zählen. Immerhin hat sie den ersten Bachelorstudiengang in Österreich konzipiert. Jetzt hat sich mit Data Science ein gänzlich neues, stark anwendungsorientiertes Wissensfeld akademisch etabliert, das sich von Informatik oder Mathematik unterscheidet. Sein Auftauchen markiert die Transformation zur Datenökonomie, in der wir uns befinden.
Myriaden Datenpunkte
"Der Boom hat mit der Unmenge an Daten zu tun, die es jetzt gibt", gibt Marlies Temper eine Erklärung. Das Smartphone, Alexa und Siri, der Fernseher, der Kühlschrank im Smart Home: Es gibt inzwischen kaum ein elektronisches Gerät, das nicht mit dem Internet und mit anderen Geräten verbunden ist.
Alle diese Geräte produzieren permanent Daten und tauschen sie aus. In zwei Jahren wird es 29 Milliarden von ihnen geben, 3,6 Mal mehr als Menschen auf diesem Planeten, so eine Schätzung von Cisco, einem IT-Unternehmen. Rund die Hälfte davon werden untereinander verbundene Maschinen sein. Die Entwicklung geht rasend schnell: 2018 gab es nur 18,4 Milliarden Geräte, die vernetzt waren.
Die Myriaden an Datenpunkten - Bilder, Zahlen, Texte, Fotos, Temperaturdaten, akustische Daten, Bewegungsdaten, Zeitverläufe – sind potenziell wertvoll. Die Industrie bringt mit ihrer Hilfe ihre Maschinen zur maximalen Auslastung, die medizinische Forschung findet dank der Daten neue Medikamente, das Marketing neue Kunden. Daten sind die Voraussetzung, um Künstliche Intelligenz (KI) einsetzen zu können. Allein, es fehlen in manchen Bereichen die Fachkräfte, um Daten auch nutzen zu können. Denn dafür muss jemand sie sammeln, speichern und so aufbereiten, dass sie überhaupt analysierbar werden. Dazu gehören scheinbare Banalitäten wie die Vereinheitlichung von Formaten.
"Es ist nicht einfach, gute Data Scientists zu finden", sagt Simon Grabher. Der Informatiker hat sein Unternehmen Craftworks vor sechs Jahren gemeinsam mit zwei Kollegen seiner Alma Mater, der TU Wien, gegründet. Die Auftragsbücher sind voll, und das Unternehmen wächst. Mitarbeiter findet Grabher vor allem auf informellen Wegen in Netzwerken und über persönliche Kontakte. Zugleich ist Craftworks ein Partnerunternehmen der FH St. Pölten und bildet Data Science-Praktikanten aus.
"Data Scientists müssen ein sehr gutes theoretisches Fundament in Statistik und Mathematik haben, sie müssen programmieren und mit großen Datenmengen umgehen können, verschiedene Machine Learning-Architekturen kennen und eigentlich auch noch Domain-Wissen mitbringen", sagt Grabher. Mit Domainwissen meint er Kenntnisse über Prozesse und Problemstellungen in verschiedenen Wirtschaftszweigen. Seine Aufzählung ist dabei nicht einmal vollständig, wobei er eingesteht, dass es auch möglich ist, spezifisches Spartenwissen "on the job" zu erlernen.
Craftworks arbeitet unter anderem für Kunden aus der Automobil- und Verpackungsindustrie. KI soll für industrielle Abläufe nutzbar gemacht werden. "In der Regel geht es darum, mit Hilfe von Daten Prozesse zu optimieren, sie robuster und schneller zu machen. Wir bauen Infrastrukturen auf, setzen KI ein, um Qualitätsunterschiede bei Produkten zu erkennen oder Maschinen-Ausfälle zu vermeiden." Die Arbeit verlange sehr viel Genauigkeit, meint Grabher. Er setzt voraus, dass seine Mitarbeiter nicht nur das FH- oder Uni-Wissen mitbringen. "Es sind sehr komplexe Prozesse, weil die Daten sehr unterschiedlich sind und es viele Abhängigkeiten gibt." Craftworks hat 27 Mitarbeiter, sechs davon in der Administration. Einige der Daten- und KI-Spezialisten haben Informatik studiert oder Physik und Mathematik. Von seinen Data Science-Praktikanten kann Grabher bislang nur Gutes sagen: "Sie sind sehr motiviert und lernen sehr schnell."
Ein Männerjob?
Wenn Marlene Pirker mit dem Studium fertig ist, wird sie eine von wenigen Frauen sein, die in dem Bereich arbeiten. Bislang ist nur etwa ein Drittel der Data Science-Studierenden weiblich. Auch bei Craftworks sind derzeit nur drei Frauen unter den nichtadministrativen Mitarbeitern. "Wir streben einen Anteil von fünfzig Prozent an", sagt Marlies Temper. Sie ist überzeugt, dass Frauen bisher eine Chance für ein interessantes Feld verpassen: "Ich weiß selbst, wie spannend die Arbeit ist."
Der kommunikative Anteil der Tätigkeit werde oft unterschätzt, meint die Studiengangsleiterin. "Ein Data Scientist ist kein Hard Core-Techniker. Letztlich müssen Data Scientists die Bedürfnisse von Kunden gut verstehen und in die Welt der Technik übersetzen. Diese wiederum müssen sie auch den Kunden erklären können."
Weil nicht alle Daten sich für neue Geschäftsmodelle eignen, müssen Data Scientists außerdem mitunter den Mut haben, die Erwartungen der Kunden zu dämpfen. Gerade um KI-Anwendungen gäbe es geradezu einen Hype, meint Temper: "Das heißt aber nicht, dass KI wirklich immer das Mittel der Wahl ist." Ein großer Teil der Arbeit bestünde darin, über die Qualität der Daten zu wachen und diese auch ehrlich zu bewerten.
Die FH St. Pölten ist dabei, die Infrastruktur für die Studierenden auszubauen. Alexander Buchelt, der zu dem ersten Jahrgang der Data Science-Studierenden gehört, hat dies zu seinem Praktikumsthema gemacht. Im Sommer hat er die neuen Server eingerichtet. "Damit sollten Big Data-Anwendungen leichter zu rechnen sein", sagt er. Auch bei ihm war es das Interesse an Statistik, das ihn zum Data Science-Studium brachte, nachdem er bei einem Telekom-Unternehmen erste Auswertungen für das Marketing gemacht hatte. "Allerdings stößt man mit Excel natürlich relativ schnell an seine Grenzen." Sobald er fertig ist, will Buchelt auch den Master in Data Science machen. Es zieht ihn letztlich nach New York an die New York University in das dortige Data Science Center für ein PhD-Studium. "Vielleicht habe ich Glück, und sie nehmen mich."
Marlies Temper wünscht sich unterdessen eigentlich nur eines: mehr Daten. "Es wäre einfacher, die Unternehmen würden erkennen, dass der wahre Wert von Daten erst entsteht, wenn man sie mit anderen Daten kombinieren kann." Das Bild von den Daten als "das neue Öl" sei dabei nicht gerade zielführend: "So glauben alle, sie müssen ihre Daten horten wie einen Schatz." Das Gegenteil sei richtig, meint sie: "Den Sprung in die Datenökonomie schaffen wir nur, wenn wir Daten teilen."