Mittelstandsmagazin 01-2021

Weitere Magazine

Empfehlungen

Info

22Aufbruch Daten und InnovationData Scientists finden in Datensätzen neues Wissenoder Verbesserungsmöglichkeiten. Ein Blick in den Alltagzwischen Rolltreppen, Fußball und DatadriftTEXT: KATHARINA FUHRINILLUSTRATION: ANTON HALLMANNFOTOS: SCHREIBERPÖTTER, JAN ZÜHLKEAuf Erkenntnissuche
Modellieren und visualisieren23Wer in einen Zug steigen will, ist vorher meist auf andere Transportmittelder Deutschen Bahn angewiesen: Rolltreppen oder Fahrstühle helfen denPassagieren beim Wechsel zwischen Ebenen und Zügen. Allerdingskommt es vor, dass die Technik aufgrund einer Störung einfach stillsteht.Weshalb? Welcher Defekt steckt dahinter? Wann kommt es zu solchenAusfällen? Um eine Antwort auf diese Fragen zu finden, beschäftigt sichdie Datenexpertin Anne Traulsen mit den Informationen, die die DeutscheBahn von der Fahrstuhl- und Rolltreppentechnik sammelt. »Am Anfanghabe ich eine Menge roher Daten, die noch ziemlich dreckig sind«, erklärtTraulsen. »Diese Daten nehme ich mir Satz für Satz vor, entferne ›Verkrustungen‹,bearbeite und veredele sie. Erst dann kann ich sie analysieren.«Dafür muss Traulsen aber verstehen, wo das Problem seinen Ausganggenommen haben könnte. »Das klappt am besten, indem ich Hypothesenaufstelle. Zum Beispiel könnte es sein, dass die Technik besonders häufigam Tag eines Bundesligaspiels ausfällt, wenn viele emotional aufgeladeneMenschen am Bahnhof unterwegs sind. Diese Vermutung versuche ichdann, anhand der Daten zu belegen oder zu widerlegen.«Infos zu Wetter, Tageszeitund Auslastung verbinden» Mein Systemkann nur so gut sein wiedie Hypothese,die ich habe «JULIEN SIEBERT, FRAUNHOFER IESEAls Data Scientist arbeitet Anne Traulsen für DB Systel, die IT-Tochter derDeutschen Bahn. Im Gesamtkonzern liegt die Anzahl der Data Scientistsinzwischen etwa im dreistelligen Bereich. Die Spezialistinnen und Spezialistenver binden zum Beispiel Daten zum Wetter, zur Tageszeit oder zurFahrzeugauslastung, um Fahrgästen genauere Prognosen zu Umsteigezeitengeben zu können. Anne Traulsen kümmerte sich aber auch schonum Fragen der Optimierung bei der Auslastung des Schienennetzes oderum die Vorhersage von Fehlern an Zügen, der Einsatzbereich ist groß. Undgerade wegen der Größe des Arbeitsfeldes »Big Data«, so Traulsen, isteine Definition von Data Science so schwierig. Der Schwerpunkt allerdingsliege im Aufbereiten und Auswerten von Daten, etwa im Rahmen desMachine Learning, einem Bereich der künstlichen Intelligenz. Zugleichgebe es fließende Übergänge zum vorgelagerten Data Engineering: Dabeiwerden Datenquellen an einen zentralen Speicher angebunden, auf densich für die Auswertung zugreifen lässt. Anne Traulsen bringt ihre Arbeit soauf den Punkt: »Es geht um Erkenntnisgewinn anhand von Daten, die ichzu diesem Zweck modelliere und visualisiere.«Am Fraunhofer-Institut für Experimentelles Software Engineering (IESE)beschäftigt sich Julien Siebert unter anderem mit der Frage, was ein DataScientist eigentlich können sollte. Siebert definiert einen Data Scientist alsjemanden, der datengetriebene Software baut, die mithilfe von DatenanalysenAufgaben erfüllt und sich ein Stück weit selbst programmiert. »EinData Scientist kann die entsprechende Software bauen, er kann sie aberauch pflegen, warten, testen und weiterent wickeln.« Für seine Forschungzu Methoden der Data Science spricht Siebert häufig mit anderen DataScientists über deren Herausforderungen und Vorgehensweisen. »Oftstarten wir die Arbeit mit einem Problem, das undefiniert ist, wenn wirzum Beispiel etwas ›einfach optimieren‹ sollen.« Elementar wichtig sei esan diesem Punkt, ähnlich wie Anne Traulsen eine Annahme zu treffen, eineHypothese aufzustellen. Julien Siebert sagt: »Mein System kann nur so gut
Seite 1:
mittelstandsmagazinDASMAGAZIN DERF
Seite 4 und 5:
MIT:INHALTImpressumHerausgeber:Mitt
Seite 6 und 7:
MIT:FAKTENIst Asien bald Export-Wel
Seite 8 und 9:
MIT:KOLUMNEEs braucht eine klugeWac
Seite 10 und 11: MIT:TITELINNENSTADTFONDSWas tun geg
Seite 12 und 13: MIT:TITELEine Paketsteuer würde na
Seite 14 und 15: MIT:TITELMIT FÜR UMFASSENDE RUNDFU
Seite 16 und 17: MIT:TITELZDF-Ausgaben nach Sendunge
Seite 18 und 19: MIT:TITELDer neue CDU-Vorsitzende A
Seite 20 und 21: MIT:INTERVIEWWie wollen Sie die Ent
Seite 22 und 23: MIT:TITELArmin Laschet spricht im I
Seite 24 und 25: MIT:TITELEin Jahr nach Ausbruchder
Seite 26 und 27: MIT:TITELAutomobilindustrieWas hat
Seite 28 und 29: MIT:ERKLÄRTUNTERNEHMENSPLEITENWie
Seite 30 und 31: MIT:DEBATTEPRO & CONTRASollten Coro
Seite 32 und 33: MIT:INSIDEEU-CheckIrrwitzige Verord
Seite 34 und 35: MIT:INSIDE„Ich bin neu in der MIT
Seite 36: WAS, WENN IHRFIRMENWAGEN NACHHALTIG
Seite 39 und 40: Ausgabe Nr. 22goo.gle/aufbruch-deAU
Seite 41 und 42: 3EditorialLiebe Leserin, lieber Les
Seite 43 und 44: Der Meeresspiegel steigt5» Beide K
Seite 45 und 46: Die Pandemie verstehen7keine einfac
Seite 47 und 48: Künstliche Intelligenz für alle 9
Seite 49 und 50: Spielen mit System11Foto: Benjamin
Seite 51 und 52: Hinter den Kulissen13Kontrolle für
Seite 53 und 54: Schützen und sichern15Daten jederz
Seite 55 und 56: Effizienter wirtschaften17Bei Anja
Seite 57 und 58: Innovation im Schülerpraktikum 19Z
Seite 59: Risiken minimieren 21Fotos: TÜV S
Seite 63 und 64: Chancen auf dem Arbeitsmarkt25In se
Seite 65 und 66: Ethische Fragen27Natürlich lassen
Seite 67 und 68: Die Fabrik der Zukunft29» Die Masc
Seite 69 und 70: Ein Gerät für alles 31hier ein Bl
Seite 71 und 72: Den Menschen unterstützen33Frank R
Seite 73: Strategien Statistik für der alleD
Alle anzeigen

Mittelstandsmagazin 01-2021

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?