Frankfurter Allgemeine Zeitung Verlagsspezial / ITK 2014 / 6. März 2014 V3

Sie fördern das Rohöl der Zukunft

Data Scientists nutzen Datenmengen wie einen wertvollen Rohstoff. Sie gewinnen daraus wichtige Erkenntnisse für Forschung und Wirtschaft – und haben damit einen neuen Beruf erschaffen.

V O N J O H A N N A E M G E

Es kracht auf der Autobahn. Hauptverkehrszeit, schwer zu-gängliche Unfallstelle und meh-rere beteiligte Autos. Bis die Ein-satzkräfte vor Ort sein können, vergehen oftmals viele Minuten.

Zeit, die genutzt werden kann: Beteiligte und Augenzeugen vor Ort teilen die Ereignisse in Echtzeit über Soziale Medien, Nachrichten-dienste verfassen aktuelle Informationen. Über eine Software kommen alle Daten ge-bündelt bei den Rettungskräften an, sodass sie sich bereits vor Ankunft einen guten Über-blick über die Situation verschaffen können.

Was nach einem Zukunftsszenario klingt, setzte Fabian Abel am Web Information Sys-tems Institut in Delft längst in die Realität um. Die Software „Twitcident“ liest Twitterdaten aus und fi ltert mit speziellen Algorithmen alle relevanten Informationen aus der Informa-tionsfl ut. Abel ist Data Scientist – Daten sind seine wichtigste Ressource.

Data Scientists analysieren und werten die Fülle an Daten aus, die täglich produ-ziert werden und entwickeln daraus neue Produkte oder optimieren Prozesse. Dieses neue Berufsbild ist aus dem großen Boom um Big Data entstanden. 2012 führte der IT-Riese IBM eine Studie über Big Data in der Praxis durch, die untersuchte, wie in-novative Unternehmen ihre Datenbestän-de effektiv nutzen. Die Studie besagt, dass weltweit täglich rund 2,5 Trillionen Bytes neuer Daten generiert werden. Im gleichen Jahr veröffentlichte Tata Consultancy Ser-vices (TCS), ein Anbieter von IT- und Out-sourcing-Services, die Studie „The Emerging Big Returns on Big Data“ mit dem Ergebnis,

dass in Europa lediglich 50 Prozent der Da-ten in strukturierter Form vorlägen.

Seither hat sich einiges getan: Nicht nur die Menge an täglich produzierten Daten ist sukzessive angestiegen, auch die Nachfrage nach Experten, die mit diesen Daten umgehen können, wird immer größer. Laut einer Trend-studie des amerikanischen Marktforschers Gartner werden bis 2016 durch Big Data welt-weit 4,4 Millionen neue Arbeitsplätze in der Informationstechnik entstehen. Glaubt man den Autoren Thomas H. Davenport und D.J. Patil des Harvard Business Review Magazins, dann ist Data Scientist sogar der sexieste Be-ruf im 21. Jahrhundert.

„Als ich nach meinem Abitur in der Zei-tung las, für Informatik-Studenten der Uni-versität Hannover gebe es Lego-Roboter zum Arbeiten, Forschen und Spielen, schrieb ich mich dort ein“, sagt Fabian Abel. Das war im Jahr 2001. Dass er Jahre später eine Berufsbe-zeichnung haben würde, die nicht nur bei sei-nen Großeltern ein großes Fragezeichen her-vorruft, konnte er damals noch nicht ahnen. Heute ist der 33 Jahre alte Mann als Data Sci-entist bei dem Karriere-Netzwerk Xing tätig.

Dort arbeitet Abel an sogenannten Emp-fehlungssystemen. Er analysiert das Ver-halten von Nutzern, um darauf basierend Relevanzkriterien zu entwickeln, die dazu beitragen sollen, den Nutzern passend zu ih-ren Profi len Stellenangebote vorzuschlagen. Durch eine permanente Qualitätskontrol-le, wird das Modell häufi g erneuert und das System ständig verbessert. „Das durchgän-gige Nutzen und Verwerten der Daten ist nur möglich, weil es bei Xing ein eigenes Data-Science-Team gibt“, ist sich Abel sicher. „So können wir direkt am System arbeiten und Änderungen schnell umsetzen.“ Das Team ist aus 15 Mitarbeitern zusammengesetzt, darun-ter Data Scientists, Software-Entwickler und Qualitätsmanager, und wächst kontinuierlich, weil der Bereich einen hohen Stellenwert in-nerhalb des Unternehmens hat.

Der Wert von Big Data wurde erkannt

Bei Blue Yonder, einem bekannten Dienstleis-ter für Datenanalyse aus Karlsruhe, arbeiten mittlerweile 100 Mitarbeiter, davon 60 Data Scientists. 2011 waren es noch 30 Mitarbeiter insgesamt. „Vor ein paar Jahren waren wir noch die Exoten“, sagt Ulrich Kerzel, Senior Data Scientist bei Blue Yonder. „Jetzt hat die Mehrheit der Unternehmen erkannt, dass Daten als Rohstoff einen hohen Mehrwert haben.“ Nur so sei es möglich, das „Rohöl

der Zukunft“, wie er die Datenmassen nennt, vollständig zu nutzen und am Rande des tech-nisch Machbaren zu agieren.

Kerzel, der vor Blue Yonder an der Univer-sität Cambridge und bei der Europäischen Or-ganisation für Kernforschung CERN forschte, hat sich zum Ziel gemacht, die Wissenschaft nach außen zu tragen, Fragestellungen zu diskutieren und den entstehenden Bedarf an Data Scientists zu decken. „Die meisten Un-ternehmen gehen beim Einstellen von Data Scientists und Aufbauen von Teams noch ver-halten vor“, sagt er. Sein Team bekäme jedoch immer wieder Anfragen von Unternehmen, die nicht wissen, wie sie an das Thema heran-gehen sollen.

Dem will Blue Yonder entgegenwirken: Gemeinsam mit Dunja Riehemann, Marke-ting Direktorin, betreut er die im Januar 2014 gestartete Data Science Academy. Sie richtet sich mit Lehrgängen an Manager und Strate-gen, kommerzielle Nutzer sowie Analysten, Naturwissenschaftler und Ingenieure, die tief-greifendes Data Science Know-how erwerben wollen.

Nach den richtigen Leuten suchen

Klaas Wilhelm Bollhöfer, Chief Data Scientist bei „The unbelievable Machine Company“, ei-nem Full-Service Dienstleister für Big Data aus Berlin, kennt die Schwierigkeiten, die Unter-nehmen bei der Suche nach den richtigen Mit-arbeitern haben. Seiner Meinung nach liegt das oftmals an zu sachlichen Stellenausschreibun-gen, bei denen die wirklichen Aufgaben fehlen: „Ich rate Unternehmen, konkrete Aufgaben-stellungen und Projekte in die Beschreibungen mit aufzunehmen.“ Im Schnitt kämen dann zwar weniger Bewerbungen, diese hätten aber eine deutlich höhere Qualität.

Für Bollhöfer ist der Data Scientist eine „eierlegende Wollmilchsau“, ein Allrounder, der neben Fachwissen aus Statistik, Mathema-tik und IT auch kommunikative Fähigkeiten braucht. Mit der Motivation, Fragen zu beant-worten und Dinge zu entdecken. Fehlende Ex-pertise könne auch im Job erlernt werden – in Zukunft spiele sowieso die Zusammensetzung von Data-Science-Teams eine größere Rolle. „Früher oder später, wenn sich der Bereich weiterentwickelt und in Unternehmen gefestigt ist, werden sich neue Profi le aus dem des Data Scientist entwickeln“, sagt Bollhöfer. „Data Scientist ist ein Modewort, das nicht lange Be-stand haben wird. Langfristig werden sich Be-griffe wie Data Ingenieur und Data Analyst für die verschiedenen Expertisen durchsetzen.“

Die Unsicherheit ob des neuen Berufs-bildes spiegelt sich auch ¬– noch – im Studi-enangebot wieder. Einen gezielten Ausbil-dungsweg zum Data Scientist gibt es nicht, allerdings entstehen immer neue Studiengän-ge mit dem Schwerpunkt auf Datenanalysen. An der Technischen Universität Dortmund ist es möglich, einen Bachelor in „Datenana-lyse und Datenmanagement“ zu machen. In Konstanz sind Vorlesungen zu Algorithmen und Datenbanksystemen Teil des Bachelors in „Information Engineering“. Eine konkrete Spezialisierung erfolgt jedoch meist erst mit dem Masterstudium. Hier bieten die Univer-sität Konstanz mit dem Schwerpunkt „Data-Mining“ sowie die Universität Magdeburg mit „Data and Knowledge Engineering“ eine gute Grundlage für die Anforderungen an ange-hende Data Scientists.

„Gerade in der digitalen Branche, bei etablierten Start-ups, im E-Commerce oder den großen Online-Shops, wo von Grund auf schon viele Daten produziert werden, fi nden angehende Data Scientists jetzt gute Einstiegs-möglichkeiten“, sagt Klaas Wilhelm Bollhöfer. Diese reagierten schneller auf Veränderungen und neue Technologien. „Generell wird es jetzt keine Revolution geben, sondern eine schritt-weise Veränderung“. Daten hätten schließlich überall Relevanz – die Unternehmen müssten nur offen sein, gerade für nicht sichtbare Da-tenquellen.

Die Informatikerin Angelika Voss ist Pro-jektleitern beim Fraunhofer-Institut für In-telligente Analyse- und Informationssysteme IAIS und verantwortet dort das Schulungs-programm für Data Scientists. Im letzten Jahr hat sie ein reges Interesse aus der Auto-mobilbranche wahrgenommen. „Sensoren, Fahrerassistenz, präventive Wartung – all das sind Punkte, bei denen Daten zu einer enor-men Verbesserung des Produktes beitragen können“, sagt Voss. „Werkstattberichte kön-nen ausgewertet und mit Kundenfeedback aus Foren und Social-Media-Kanälen zusam-mengetragen werden.“

Fabian Abel von Xing schätzt an Data Science, dass die Analyse bei seiner Arbeit bereits Teil des Produkts ist. Es sei motivie-rend zu sehen, wie viele Menschen dann so ein Produkt nutzten. „Und am Ende über das Empfehlungssystem einen Job fi nden, den sie ohne möglicherweise nicht gefunden hätten“, freut er sich. Abel hat seinen Job übrigens auch über ein Empfehlungssystem gefunden. Allerdings ein analoges – er wur-de von einer Freundin darauf aufmerksam gemacht.

Oft liegen Daten unentdeckt auf den Spei-

chern von Unternehmen – wie Rohöl unter

der Erde. Data Scientists wissen, wo und wie

sie bohren müssen, um sie zu Tage zu fördern.