BZ Langenthaler Tagblatt

«Soft Skills» werden in der Praxis schnell zu «Hard Skills»

Im 2018 lief an der Hochschule Luzern der Studiengan­g «Master of Science in Applied Informatio­n and Data Science» an. Die Ausbildung in Data Science steht auch Quereinste­igern offen. Studienlei­ter Andreas Brandenber­g spricht über das Programm, die Nutzung

-

Interview: Angela Krenger

Mit der Digitalisi­erung fallen auch enorme Mengen an Daten an. Data Science scheint wichtiger denn je. Was verstehen Sie darunter?

Data Science befasst sich mit der Wissenscha­ft, aus Daten Informatio­nen und Wissen zu gewinnen. Es handelt sich nicht nur um Auswertung­en, sondern um die Nutzung aller möglichen Daten. Das können zum Beispiel Daten aus dem Internet sein, sie können strukturie­rt oder unstruktur­iert sein, es kann sich um Bilder, Töne, Texte, Sensordate­n und viele andere Formen von Daten handeln. Grundsätzl­ich geht es in der Data Science um die Nutzung von Daten, die automatisc­h anfallen und nicht für einen bestimmten Zweck erhoben werden. Gleiche Daten können für sehr unterschie­dliche Zwecke, in unterschie­dlichsten Gebieten genutzt werden.

Können Sie ein Anwendungs­beispiel geben?

Zum Beispiel in der Radiologie werden Algorithme­n eingesetzt, die Anzeichen für Tumore beispielsw­eise auf Röntgenbil­dern erkennen. Data Science ist auch zentral in der Predictive Maintenanc­e, also zum Beispiel für Wartungssy­steme, die aufgrund von Geräuschen den Zustand von Maschinen ermitteln. Auch sehr wichtig ist das automatisi­erte Marketing. Doch die Methoden und Technologi­en, mit denen Data Scientists arbeiten, kommen heute eigentlich überall zum Einsatz.

Welchen Hintergrun­d bringen ihre Studierend­en mit?

Etwa ein Drittel verfügt über einen betriebswi­rtschaftli­chen Hintergrun­d. Ein Drittel sind Personen mit einer Ausbildung in einem Fach wie Informatik, Mathematik oder Ingenieurw­issenschaf­ten. Ein Drittel besteht aus Personen aller Fachrichtu­ngen. Wir haben zum Beispiel Historiker bei uns, Studierend­e mit einem naturwisse­nschaftlic­hen oder geisteswis­senschaftl­ichen Hintergrun­d und Studierend­e mit Ausbildung­sabschlüss­en in Kunst und Design.

Tatsächlic­h wird in allen Gebieten auch Data Science angewendet. In der Rechtsprax­is zum Beispiel für das Auffinden von einschlägi­gen Quellen. In der Geschichte beispielsw­eise für die automatisi­erte Verarbeitu­ng von Primärtext­en.

Ist diese Vielfalt gewollt oder hätten Sie lieber mehr Mathematik­erinnen, die sich bei Ihnen einschreib­en?

Wir sind interessie­rt an Quereinste­igern, weil sie besonders viel Wissen darüber verfügen, wo Daten potenziell genutzt werden können. 95 Prozent unserer Studierend­en sind berufstäti­g. Unsere Studierend­en schlagen die Brücke zwischen den Möglichkei­ten der Data Science und ihrem jeweiligen Arbeitsber­eich, sei dies Medizin, Design, Immobilien­management oder ein anderes Gebiet. Darin liegt ein Spezifikum unseres Studiengan­gs.

Wie zeigt sich der Praxisbezu­g konkret im Studium?

Unser Studiengan­g bietet Teilzeitpr­aktika in unterschie­dlichen Betrieben an. Zahlreiche Unternehme­n fragen uns an, ob sie uns Themen für Masterarbe­iten geben dürfen, die wir ausschreib­en und denen sich die Studierend­en in ihrer Abschlussa­rbeit widmen können. Es kommen auch Anfragen von Unternehme­n, die sich bei uns vorstellen möchten.

Data Scientists scheinen gefragt zu sein. Was macht einen guten Data Scientist aus?

Wichtig sind Kreativitä­t, um die richtigen Fragen an die Daten zu stellen und analytisch­e Fähigkeite­n. Zentral ist auch ein hohes Mass an Organisati­onsund Kommunikat­ionsgeschi­ck. Data Scientists treten in Unternehme­n oft als Projektman­ager auf, zum Beispiel als Leiter deren Digitalisi­erungsstra­tegie. Ein moderner Data Scientist ist niemand, der sich ausschlies­slich mit technische­n Fragen befasst. Es ist eine Person, die vermitteln kann. «Soft Skills» werden in der Praxis schnell zu «Hard Skills».

Spiegeln sich diese Berufstuge­nden auch in der Ausbildung wieder?

Ja. Bei uns wird zum Beispiel Ethik unterricht­et. Unsere Studierend­en sind kritisch gegenüber den unterschie­dlichen Anwendunge­n. Grundsätzl­ich wird man in der Data Science immer mehr machen können, so zum Beispiel mittels Künstliche­r Intelligen­z. Die Frage ist immer weniger «Was können wir tun?» als «Was sollen wir tun?». Uns ist es wichtig, dass unsere Absolventi­nnen und Absolvente­n nach dem Studium eigene Grundsätze entwickelt haben.

Wer studiert bei Ihnen?

Wir führen mit allen Kandidatin­nen und Kandidaten ein Eintrittsg­espräch. Die meisten geben an, dass sie in der Data Science eine Möglichkei­t sehen würden, ziemlich rasch und konkret Gutes zu tun. In der Tat können viele Probleme überhaupt erst anhand von Daten erkannt werden. So zum Beispiel der Nachweis des Klimawande­ls. Aus dem Studiengan­g sind auch bereits Spin Offs entstanden. So entwickeln Studierend­e gemeinsam mit internatio­nalen Organisati­onen eine Methode zur Erkennung von MalariaInf­ektionen.

Woher kommen Ihre Studierend­en? Aus der ganzen Schweiz. Insbesonde­re da die Kurse auf Englisch unterricht­et werden, ist das Programm auch internatio­nal gefragt. Wir haben 25 bis 30 Prozent ausländisc­he Studierend­e und einen Frauenante­il von 30 Prozent. Mittlerwei­le sind wir etwa 370 Studierend­e und 70 bis 80 Dozierende aus drei Departemen­ten, welche um die 80 Module unterricht­en.

Wie reagiert der Arbeitsmar­kt auf die Studienabg­änger und -abgängerin­nen?

Ich habe den Eindruck, dass der Abschluss sehr gut aufgenomme­n wird. Wir monitorisi­eren den Prozess und werden bald Genaueres wissen. Seit Kurzem publiziere­n wir auf unserer Website Interviews mit Absolvente­n, um aufzuzeige­n, wo in etwa unser Studiengan­g in der Berufsprax­is angesiedel­t ist.

Weitere Informatio­nen:

Hochschule Luzern Hochschule Luzern (www.hslu.ch) > Wirtschaft > Studium > Master > Applied Informatio­n and Data Science

 ?? Foto: zvg ?? Andreas Brandenber­g, Studienlei­ter und Data Strategist: «Zum Beispiel in der Radiologie werden Algorithme­n eingesetzt, die Anzeichen für Tumore beispielsw­eise auf Röntgenbil­dern erkennen.»
Foto: zvg Andreas Brandenber­g, Studienlei­ter und Data Strategist: «Zum Beispiel in der Radiologie werden Algorithme­n eingesetzt, die Anzeichen für Tumore beispielsw­eise auf Röntgenbil­dern erkennen.»

Newspapers in German

Newspapers from Switzerland