Datenkompetenz für Ingenieure
Bei dem Wort “Daten“ hat jeder Mensch erst mal eine bestimmte Vorstellung. Sofort fallen einem Zahlen, Exceltabellen oder Messungen ein, vielleicht auch Datenschutz, Datenflut oder Datenunsicherheit. Ein breites Feld, das längst den IT-Bereich verlassen hat. Und es wird immer breiter wie die Diskussionen um BigData, NSA und Industrie 4.0 zeigen. Damit rückt Datenkompetenz immer stärker in das zukünftig geforderte Tätigkeitsfeld von Ingenieuren.
Foto: panthermedia.net/maxkabakov
Der ehemalige CeBIT-Chef und heutiges Vorstandsmitglied der Berufsvereinigung der deutschen Datenwissenschaftler (Digital Analytics Association e.V. ) Frank Pörschmann zeigt auf den VDI Recruiting Tagen das Zusammenspiel zwischen Datenkompetenz, Datenwissenschaft und der zukünftigen Entwicklung des Ingenieurberufes. Wir haben ihn interviewt.
Guten Tag Herr Pörschmann, Ihre Ausführungen auf dem VDI nachrichten Recruiting Tag zeigten anschaulich die faszinierenden Welt der Daten und deren Möglichkeiten, aber auch deren Gefahren. Gleichzeitig sagten Sie, dass der Datenwissenschaftler und der Digitale Analyst eine neue, für die meisten noch unbekannte, Profession ist. Was also ist ein Datenwissenschaftler und was macht er den ganzen Tag?
Frank Pörschmann: Mit dem Datenwissenschaftler ist es ähnlich wie dem Berufsbild des Handwerkers. Es ist ein Sammelbegriff für eine Vielzahl von Spezialisierungen. Im Kern geht es immer darum, in der heutigen Datenflut von mensch- und maschinengenerierten Daten diese erst zu sammeln, aufzubereiten und anzureichern, um sie weiter mit Methoden der Mathematik oder der künstlichen Intelligenz auszuwerten. So kann bisher unerkanntes sichtbar gemacht werden, bekanntes noch präziser bestimmt oder gar zukünftige Entwicklungen abgeschätzt werden. Letztendlich ist es das Ziel, bessere Entscheidungen treffen zu können. Oft auch in Echtzeit. Und ähnlich wie beim Handwerker hängt die Qualität der Arbeit ab von der Ausbildung und der Erfahrung dieser Daten-Detektive, deren Werkzeugen und natürlich der Güte des Materials, also der Datenqualität.
Aber auch im Handwerk gibt es klare Berufszweige, z.B. den Schreiner, den Maurer, den Elektro-Installateur. Welche gibt es bei den Datenwissenschaften?
In der Tat gibt es eine Breite von Spezialisierungen. Ein Digitaler Analyst ist beispielsweise spezialisiert auf die Analyse und Optimierung von Online-Angeboten – üblicherweise mit unstrukturierten, unvorhersehbaren, massiven Datenmengen in Echtzeit. Auf deren Basis leitet er in kürzester Zeit Entscheidungen über Angebote, Preise oder Anreize ab. Dazu muss er u.a. psychologische Verhaltensmuster von Web-Nutzern kennen. Ein Datenwissenschaftler im Maschinenbau hingegen analysiert Maschinen und Sensor-Daten, um z.B. die Leistungsfähigkeit oder Lebensdauer von Systemen zu optimieren oder neue datenbezogene Dienstleistungen zu generieren. Hierzu muss er u.a. das Verhaltensmuster seiner Maschinen kennen.
Das klingt nach einem höchst komplizierten Hintergrund. Sind Datenwissenschaftler auch immer Akademiker?
In der Tat ist der Begriff des Datenwissenschaftlers etwas unscharf aus dem englisch-sprachigen „Data Scientist“ übersetzt und hat sich so etabliert. Es geht jedoch nicht darum, dass der Analyst ein Wissenschaftler sein muss, sondern darum, dass er wissenschaftliche Methoden anwendet. Als DAA e.V. unterstützen wir derzeit beispielsweise auch Berufsschulen darin, einen Berufsausbildungsgang zum Digitalen Analysten einzuführen. Auch hier greift wieder das Bild des Handwerkers. Nicht jeder muss Ingenieur oder Architekt sein. Fachkräfte mit Erfahrung, Leidenschaft und guter Werkzeug-Kompetenz werden auch in der Datenwelt benötigt. Zum Beispiel ist der weltweit jüngste auf Google-Analytics zertifizierte Analyst gerade einmal 15 Jahre alt. Überraschenderweise kommt er aus Deutschland und hat viele seiner bis zu dreimal so alten „Mitschüler“ im Ergebnis übertroffen. Sicher ein Ausnahmetalent, aber das sollte auch Anlass sein, die Daten-Detektive der Zukunft nicht nur im Labor der Hochschulen zu vermuten.
Die Einsatzfelder scheinen ja sehr breit zu sein. In was muss ein Datenwissenschaftler alles ausgebildet sein?
In der Tat ist die ideale Ausbildung (an der zzt. zumindest amerikanische Universitäten arbeiten) hochgradig interdisziplinär und umfasst neben Kernfächern der Mathematik, Statistik, Informatik und künstlicher Intelligenz auch Wirtschaft, Psychologie, Soziologie, Recht und sogar Design. Auch erhalten neue Disziplinen durch die Datenwissenschaften zusätzlichen Auftrieb wie u.a. Behavioural-Economics oder die Entscheidungs-Wissenschaften (Decision-Science).
Gibt es das auch in Deutschland?
In dieser Konsequenz noch nicht. Der DAA e.V. arbeitet derzeit mit Hochschulen an entsprechenden Ausbildungs-Curricula. Bis diese jedoch verabschiedet und eingeführt sind und der danach studierte „echte“ Datenwissenschaftler ans Werk gehen kann, werden noch viele Jahre vergehen.
Ein Blick in den Hochschulkompass zeigt, dass bereits 33 Hochschulen in Deutschland zumindest Zusatz-Kurse und Zertifikats-Seminare für Data Science anbieten. Das zeigt doch, dass das Thema in der Ausbildung angekommen ist?
Es zeigt, dass das Thema auch ohne formalen Rahmen aufgenommen wird und Bedarf in Wirtschaft und Wissenschaft gesehen und adressiert wird. Das ist gut. Gemessen an weit über 1000 naturwissenschaftlich-/technischen Lehrstühlen in Deutschland bleibt es dennoch ein vergleichsweise geringes Angebot.
Welche Berührungspunkte bestehen denn für den Ingenieur? Offenbar ist die Datenwissenschaft ja auch ein eigenes Berufsbild. Kann der Ingenieur die Daten-Themen nicht einfach dem neuen Daten-Kollegen überlassen?
In allen Ingenieurs-Disziplinen ist derzeit zu beobachten, dass Daten ein wesentlicher Bestandteil der Arbeit sind. Nicht erst seit heute. Doch anders ist, dass heute neue Werkzeuge und viel mehr Daten für Ingenieure zur Verfügung stehen mit denen sie ihre Pläne und Ziele noch schneller, kreativer und präziser erreichen. Das IoT – Internet-of-things – wird diese Entwicklung erneut beschleunigen und dem Thema Datenkompetenz bei Ingenieuren eine viel stärkere Relevanz geben. Das heißt auch, Ingenieure müssen sich mit der Logik von Daten und Daten-Analyse auseinandersetzen, auch wenn Sie selbst nicht Analyse-Experte sein wollen.
Sie betonen, dass vor allem auch Führungskräfte ihre Datenkompetenz erwerben und ausbauen müssen. Was hat das Thema denn in den Führungsetagen zu suchen?
Die ganze Diskussion um Daten-Aggregation, Aufbereitung und Analyse dient am Ende dazu, bessere Entscheidungen treffen zu können. Nach wie vor gilt: Nichts ist teurer als eine schlechte Entscheidung. Doch die Entscheidungs-Qualität im Deutschen Management liegt weit unter unserer Ingenieurs-Qualität. In 90% aller Entscheidungsfälle wird erst gar nicht entschieden, 9% basieren auf einer vorher definierten Regel und nur 1% wird individuell von Führungskräften getroffen. Dabei ist doch die ureigentliche Aufgabe des Managements „entscheidend“. Bei weiter zunehmender Dynamik und Komplexität unserer Arbeit werden datenbasierte Entscheidungen und Entscheidungs-Modelle einen immer größeren Raum einnehmen müssen.
Was können denn Unternehmen, ausgebildete Ingenieure und Führungskräfte tun, um ihre Datenkompetenz zu erweitern? Gibt es Anlaufstellen?
Derzeit gibt es in Deutschland 4 unterschiedliche Ansätze.
Erstens die universitären Zusatzangebote. Besonders ist hierbei auf die Online-Angebote internationaler Anbieter hinzuweisen. Aus eigener Erfahrung kann ich bestätigen, dass über das Studien-Portal Coursera anspruchsvolle Kurse von international renommierten Universitäten zu finden sind.
Zweitens gibt es eine Reihe privater Anbieter von kommerziellen Angeboten. Hier sollte sich jeder sein eigenes Bild machen und Angebote nach individuellen Bedarf gut abgleichen.
Drittens gehen zunehmend auch Technologie- und Software Anbieter dazu über, ihre eigenen Kunden in Data-Science Kursen auszubilden. Nachvollziehbar stehen dabei nicht selten die hauseigenen Lösungen – der eigene Werkzeugkasten – im Mittelpunkt.
Weiterhin bieten private Forschungseinrichtungen sowie Industrie- und Berufsvereinigungen zunehmend Kurse an, wie auch der DAA e.V. mit einer international anerkannten Zertifizierung. Jeder Anbieter fokussiert sich hier auf die besonderen Belange seiner Branche.
Wer Eigeninitiative zeigt wird auch schon heute genügend Wege finden seine Datenkompetenz auszubauen. Wichtig ist sein eigenes Lernziel zu definieren und mit den Angeboten abzugleichen. Die Gefahr sich in der Faszination des Neuen zu verlieren ist nicht gerade gering.
Vielen Dank Herr Pörschmann für das interessante Interview und den Einblick in das Thema. Ein wirklich spannendes, breites und noch immer junges Feld, von dem wir sicher noch einige Überraschungen erwarten können.
Wenn Sie Fragen oder Anmerkungen haben, wenden Sie sich direkt an den Autor: Frank.poerschmann@daa-germany.org
Ein Beitrag von:
