Der Data Scientist: ein Beruf mit Zukunft

Mittlerweile ist der Beruf des Data Scientist ist in das öffentliche Interesse gerückt. Doch was steckt eigentlich hinter diesem Begriff? Dr. Benedikt Schmidt und Dr. Marco Gärtler von ABB stellen das Berufsbild vor und erklären, warum man sich dafür begeistern sollte.  

DECHEMA: ABB ist Partner der KEEN-Plattform, die sich mit der Anwendung Künstlicher Intelligenz- Methoden in der Prozessindustrie beschäftigt. Welche Rolle spielen KI-Methoden bei den Forschungsprojekten der ABB?  

• __ Dr. Marco Gärtler: Auf dem Gebiet der Künstlichen Intelligenz wurden in den letzten Jahren unglaubliche Fortschritte erzielt. Erwähnenswert ist beispielsweise der KI-Forscher Geoffrey Hinton, Professor an der Universität Toronto, Kanada, der durch seine Forschung zum Durchbruch der künstlichen neuronalen Netze beigetragen hat, die  für „Deep Learning“ gebraucht werden. Die Technologien sind mittlerweile so weit ausgereift, dass Branchen wie beispielsweise Gesundheit, Produktion, Mobilität und Bau ihren Einsatz evaluieren und sie einführen. Im Rahmen von KEEN entwickelt ABB aktuell verschiedene KI-basierte Applikationen für die Prozessindustrie. 

• __ Dr. Benedikt Schmidt: Für ABB ist mit KI ein neues Instrument zum Methodenorchester hinzugekommen. Bei der Analyse von Daten ergänzen sie klassische Methoden wie die physikalische Modellbildung (first principle model). Maschinelles Lernen als Teilbereich der KI wird verwendet, um aus Daten Wissen zu generieren und auf dieser Basis Entscheidungen zu treffen. Dieser Prozess findet immer im Zusammenspiel mit den anderen Instrumenten statt. Maschinelles Lernen ist beispielsweise in der Lage, Muster in vorliegenden Datenbeständen zu identifizieren.

DECHEMA: Sie beide haben als Data Scientists bereits KI-Methoden angewandt. Was steckt hinter dem Berufsbild eines Data Scientist und was macht den Beruf so spannend?

• __ Dr. Marco Gärtler: Im Zusammenhang mit Big Data taucht zunehmend der Beruf des Data Scientist auf, zunächst eher bei Consumer Applications und Social Media, aber immer mehr auch in klassischen Industrien. Die Kernaufgabe eines Data Scientist ist es, Daten zu analysieren und auszuwerten, Erkenntnisse zu gewinnen, Hypothesen zu falsifizieren und Vorhersagen zu treffen. Durch die höhere Datenverfügbarkeit in den letzten Jahren kommen auch ganz neue Methoden zum Einsatz. Die allgemeine Bereitstellung von Open Source Tools wie Google TensorFlow spielt eine entscheidende Rolle für den Erfolg des Data Scientist. 
• __ Dr. Benedikt Schmidt: Im Forschungszentrum von ABB in Ladenburg arbeiten InformatikerInnen, MathematikerInnen, PhysikerInnen, ChemikerInnen, IngenieurInnen und auch NeurowissenschaftlerInnen zusammen. In der großen Themenpalette, die industrielle Roboter, Prozessautomatisierung oder auch Bereiche wie Elektrifizierung und Sensorik umfasst, ergeben sich immer wieder neue Herausforderungen. Eine für mich spannende Fragestellung auf dem Gebiet Predictive Maintenance war es beispielsweise, Getriebeprobleme bei Robotern vorherzusagen. Als Data Scientist entwickelt man sich ständig weiter und lernt neue industrielle Anwendungsgebiete kennen. Das macht den Beruf so spannend.

DECHEMA: Welche besonderen Eigenschaften sollte man für den Beruf mitbringen?

• __ Dr. Benedikt Schmidt: Neben dem technischen Verständnis im MINT-Bereich ist Kommunikationsfähigkeit einer der wichtigsten Soft Skills eines Data Scientist. Ein typisches Projekt im Forschungszentrum der ABB kann von zwei Monaten bis hin zu drei Jahre dauern. Da zu Beginn eines Projektes die Fragestellung oft nicht vollständig spezifiziert ist, müssen intensive Gespräche mit dem Kunden über die Problemstellung, die Daten, die Zielsetzung und die Domäne geführt werden. An diesem Prozess sind Menschen mit sehr unterschiedlichem Hintergrund beteiligt. Anschließend beginnt die Datenbeschaffung und eine initiale Analyse, bei der auch IT-Infrastrukturen und rechtliche Themen eine Rolle spielen. Mit klassischer Statistik wird versucht, ein erstes Verständnis der Daten zu generieren, Datenstrukturen zu identifizieren und repräsentative Datensätze zu finden. An diesem Punkt werden bereits erste Data-Science Methoden eingesetzt. Nach der Vorbereitungsphase kommt beispielsweise das Maschinelle Lernen als Methode zum Einsatz, um ein Modell zu generieren. Die Rücksprache mit dem Kunden bzw. Domänenexperten und die Arbeit im Team sind dabei essenziell. Anschließend werden die Lösungen zusammen mit dem Kunden oder dem Endnutzer evaluiert. Im Forschungszentrum von ABB steht am Ende des Prozesses ein Prototyp zur Verfügung. Skalierbarkeit und IT-Infrastrukturen werden im Anschluss zusammen mit den anderen Geschäftseinheiten der ABB adressiert. Auch hierbei ist Kommunikationsstärke für den Data Scientist relevant.

DECHEMA: ABB hat für den KEEN-Hackathon eine Fragestellung formuliert. Was ist das Interessante an Ihrer Fragestellung und was macht die Teilnahme an einem Hackathon zu einem besonderen Erlebnis?

• __ Dr. Marco Gärtler: Eine Challenge innerhalb von kürzester Zeit zusammen in einem Team in dem Format eines Hackathons zu lösen, geht über die berufliche und studentische Erfahrung hinaus. Das merken wir auch bei unseren ABB-internen Hackathons. Unsere Fragestellung erlaubt verschiedenste Lösungsansätze und gibt Raum, um sich auf dem Gebiet der industriellen künstlichen Intelligenz auszuprobieren. In der täglichen Praxis sind die meisten gesammelten Datensätze "schmutzig" und müssen manuell vorverarbeitet werden. Erfolgreiches maschinelles Lernen im industriellen Umfeld setzt bereinigte und beschriftete Datensätze voraus. Das Problem ist im öffentlichen Diskurs kaum zu finden. Die von uns gestellte Aufgabe, die Datenvorverarbeitung zu automatisieren, ist daher von höchster Relevanz.

  Es war die Neugierde, die mich das erste Mal dazu bewegt hat, an einem Hackathon teilzunehmen. Der Beruf des Data Scientist hat Zukunft. Ein Hackathon kann ein guter Einstieg in das Umfeld sein und bietet nebenbei die Gelegenheit, ABB als Arbeitgeber kennenzulernen.  

Das Gespräch führte Dr. Simone Rogg/DECHEMA e.V.