Mit der zunehmenden Vernetzung sämtlicher Bereiche bis hin zu digitalen Ökosystemen steigt auch die Flut von Daten in Unternehmen und Organisationen exponentiell an.

Data Scientists sind in verschiedenen Berufsfeldern sehr gefragt, allerdings müssen sie über fundierte Daten- und Computererfahrungen und ein sehr ausgeprägtes assoziatives Denkvermögen verfügen.

Data Scientists sind in verschiedenen Berufsfeldern sehr gefragt, allerdings müssen sie über fundierte Daten- und Computererfahrungen und ein sehr ausgeprägtes assoziatives Denkvermögen verfügen. EU Automation

Durch die zunehmende Verfügbarkeit wächst auch der Wunsch nach systematischer Nutzung der Daten. Doch um entsprechende Datenanalysen vornehmen zu können, sind Fachleute nötig. Diese Datenspezialisten werden vielfach unter dem Begriff Data Scientist zusammengefasst. Kein Wunder also, dass Harvard Business Review den Beruf des Data Scientist als den coolsten Job des 21. Jahrhunderts bezeichnet.

„Früher konnte die Datenmenge und Datenheterogenität, die von einem durchschnittlichen Produktionsbetrieb fabriziert wurde, mühelos mithilfe einer standardmäßigen Datenverarbeitungssoftware bewältigt werden“, nimmt Sophie Hand, UK Country Manager von EU Automation, Anlauf, um sogleich zu beschreiben, was den Datenspezialisten ausmacht: „Im Zuge technologischer Verbesserungen erkannten Produktionsleiter jedoch den Bedarf nach einem Experten, der Muster in den enormen unstrukturierten Datenmengen, die ihnen plötzlich zur Verfügung standen, erkennen und sie zur Lösung tatsächlich bestehender oder potenzieller Probleme verwenden konnte.“

Big Data richtig interpretieren

Die Berufsbezeichnung Data Scientist gibt es zwar erst seit zehn Jahren, aber inzwischen sind bereits Tausende von ihnen sowohl in technisch-orientierten Start-ups als auch in Großunternehmen beschäftigt. Der Begriff „Data Science“ bedeutet, Wissen aus Daten zum Nutzen des Unternehmens zu extrahieren. Somit sind Data Scientists also Experten in mehreren Disziplinen zugleich: Sie werten nicht nur Daten aus, sondern müssen die betriebswirtschaftlichen Zusammenhänge in Unternehmen und Organisationen verstehen. Sie müssen geeignete Datenquellen identifizieren, Datenqualität bestimmen und verbessern, Daten zusammenstellen sowie die Analysen vorbereiten und durchführen und die Ergebnisse bezüglich vorgegebener Kriterien bewerten. „Der aktuelle Bedarf an Data Scientists übersteigt die Anzahl derer, die auf dem Arbeitsmarkt zur Verfügung stehen. Da es darüber hinaus nur begrenzte akademische Ausbildungswege für diesen Beruf gibt, kann das Anwerben, Einstellen und Binden von Data Scientists eine echte Herausforderung sein“, erläutert Sophie Hand.

Angesichts der fehlenden berufsvorbereitenden Ausbildungen auf diesem Gebiet stellt sich die Frage, wie sich zukünftige Data Scientists finden lassen. Statistiker, Mathematiker und Informatiker sind ideale Kandidaten für diesen Beruf, da Data Science ein höchst interdisziplinäres Fachgebiet umfasst, auf dem Methoden aus der Statistik, Analytik und dem maschinellen Lernen oft zugleich angewandt werden. „Data Scientists müssen über fundierte Daten- und Computererfahrungen und ein sehr ausgeprägtes assoziatives Denkvermögen verfügen. Eine sehr gute Kommunikationskompetenz sowie die Fähigkeit, Ergebnisse ihrer Forschung klar und verständlich zu präsentieren, vervollständigen ihr Profil“, betont die Expertin, die zudem auf einen weiteren Aspekt aufmerksam macht: „Arbeitet man als Data Scientist, so trägt man oft große Verantwortung, da von den Ergebnissen der Datenanalysen beispielsweise auch weitreichende strategische Entscheidungen abhängen können.“

Prädiktive Instandhaltung und Automatisierung

Wenngleich die prädiktive Instandhaltung mit Sensoren beginnt, die Daten zum Status von Maschinen erheben, wird sie durch Data Scientists erst ermöglicht, die diese Daten so aufbereiten, dass sie von anderen Mitarbeitern interpretiert werden können — in diesem Fall von einem Betriebsingenieur.

Data Scientists können dazu beitragen, Muster bei der Produktivität einer Maschine zu entdecken, um im Voraus sagen zu können, wann es zu einem Maschinenausfall kommen könnte. Wenn beispielsweise ein Motor langsam immer ineffizienter wird, ist es wahrscheinlich, dass es ein Problem gibt. „Solche Einblicke ermöglichen es einem Betriebsingenieur, eine prädiktive Instandhaltung durchzuführen und Maschinen sowie Systeme zu reparieren, bevor es zu einem Totalausfall kommt“, erklärt Sophie Hands, auch mit Blick auf die Kernkompetenz von EU Automation, einem Zulieferer für Automatisierungsbauteile: „In solch einem Fall müssen Betriebsingenieure schnell handeln. Eine gute Beziehung zu einem Teilezulieferer ist eine starke Ausgangsposition, denn dies gewährleistet Zugriff auf eine Reihe von Komponenten, die zur Vorbereitung einer notwendigen Reparatur bestellt und gelagert werden können.“

Data Science automatisieren?

Angesichts der Tatsache, dass Data Scientists dermaßen begehrt sind, scheint es geboten, dass für die Zukunft dieses Berufs einige der wiederholten Aufgaben eines Data Scientists automatisiert werden sollten, damit er sich ganz auf solch komplexe Aufgaben konzentriert, die nur ein Mensch bewältigen kann. Manche befürchten zwar, dass eine Automatisierung weniger Stellen für Data Scientists bedeutet, doch laut Forbes sind zwei ermutigendere und weitaus realistischere Szenarien viel wahrscheinlicher: Erstens ermöglicht die Automatisierung Data Scientists, in viel kürzerer Zeit sehr viel mehr Daten zu analysieren. Zweitens führt sie zu einer Demokratisierung dieses Berufs, die dazu beitragen könnte, dass Data Scientists enger mit anderen Experten zusammenarbeiten, beispielsweise mit Betriebsingenieuren, Programmierern und Wirtschaftsanalysten.

Statt ihre Karriereaussichten zu schmälern, werde eine Automatisierung höchstwahrscheinlich die Einzigartigkeit ihrer Fähigkeiten herausstellen, ist Hand überzeugt: „Kurz gesagt, kann die Coolness von Data Scientists durch technologische Fortschritte nur noch weiter gesteigert werden.“