«Das IDS wird als das wahrgenommen, was es wirklich ist»

Wie war das Feedback auf die Umbenennung?

Man gratuliert uns, dass wir den Mut und das Durchhaltevermögen hatten, diesen Schritt zu gehen. Kolleg:innen sehen die Umbenennung als Zeichen, dass Entwicklungsmöglichkeiten aktiv genutzt werden. Bestehende Business-Partner sagten uns, dass man nun besser sieht, was wir tatsächlich machen und dass wir für sie relevante Punkte und Themen angehen.

In welchen Bereichen bekommt ihr die meisten Anfragen?

KI und Data Science sind als Tools verhältnismässig neu und entwickeln sich schnell. Man merkt, dass sehr viele Branchen, von der Finanzindustrie über Maschinenbau und Mobilität bis hin zur Gesundheits- und Umweltbranche, bisher wenig Kontakt mit den Technologien hatten und merken, dass sie den Anschluss verlieren, wenn sie sich nicht damit auseinandersetzen. Der Personalbestand in den Unternehmen ist jedoch vor allem in klassischen Techniken verwurzelt. An diesen Stellen finden wir einen guten Einstieg, da wir den Unternehmen echten Mehrwert liefern und auf Support in der Umsetzung angewiesen sind. Am IDS haben wir grossartige Personen, die durch ihr Netzwerk unsere Leistungen ideal anbieten können.

Wir bemerken beispielsweise einen grossen Bedarf an Unterstützung der KMU-Maschinenindustrie in den Gebieten Industrie 4.0, Smart Services, KI für Wertschöpfung und Prozessoptimierung. Da bieten wir für KMU verschiedene Zusammenarbeitsformen von studentischen Formaten bis zu grösseren Förderprojekten in Konsortien mit anderen KMU an. Auch im Bereich Predictive Maintenance haben wir viele Anfragen und grosse Projekte. Allgemein merkt man, dass es viele spannende Bereiche gibt, wo Schub dahinter ist.

Welchen Herausforderungen begegnet ihr in eurer Arbeit?

Die wirtschaftliche und geopolitische Gesamtwetterlage wirkt sich auf Seiten unserer Projektpartner aus der Industrie aktuell investitionshemmend aus. Die staatlichen Förderinstrumente, die uns zur Verfügung stehen, verlangen jedoch zum grössten Teil die Beteiligung von Industriepartnern in Form von Cash und Arbeitskraft. In diesem Umfeld sehen wir, dass es generell immer herausfordernder wird, unsere Forschung und Entwicklung zu finanzieren. Zudem liegt es in der Natur von innovativen Projekten, dass sie den Unternehmen häufig erst auf der langfristigen Ebene Ergebnisse liefern. Unsere Themen sind den Anwender:innen zwar wichtig, sie wollen aber in der aktuellen Wirtschaftslage oft direkten Output. Es gibt aber Unternehmen, die gerade diese Herausforderung als Anlass für Innovationen mit uns nehmen, da die ZHAW und das Institut einen soliden Leistungsausweis vorweisen können. 

In der Lehre sehen wir eine Herausforderung durch KI. Die Rahmenbedingungen ändern sich rasant und der gute Umgang damit ist noch nicht klar. Dozierende werden durch Bots ersetzt, viele Aufgaben werden der KI übergeben. Viel Grundwissen wird in Frage gestellt und Studierende überlegen sich, was sie überhaupt noch tun müssen. Hier tauschen wir uns im Institut und innerhalb der ZHAW viel aus. Es gibt gute Initiativen und Tools, welche den Studierenden helfen.

Wie entwickelt sich Data Science weiter?

Data Science entwickelt sich zunehmend von der klassischen Datenanalyse hin zu KI-basierten Systemen, die aktiv in Prozesse eingreifen. Modelle unterstützen Entscheidungen oder steuern Systeme, wobei der Grad der Automatisierung steigt. Die Entwicklung der KI hat eine Korrelation mit der Entwicklung von Hardware. High-Performance-Systeme und zum Beispiel der Quantencomputer werden einen intensiven Einfluss auf die Entwicklung der Data Science haben. Gleichzeitig dürfen wir nicht vergessen, die Grundlagen, wie zum Beispiel Statistik, Optimierung und Mathematik, in Projekten einzubringen und an unsere Studierenden zu vermitteln. Die Studierenden haben nicht die Chance, zu verstehen, was KI tut, ohne das «Dahinter» zu verstehen.

Data Science und KI greifen immer mehr in Industrieprozesse ein. Das gibt Menschen Erleichterung und entlastet durch Automatisierung. Dies kann eine Lösung für den Fachkräftemangel in gewissem Rahmen sein, aber auch eine Gefahr für Arbeitsstellen. Wir sehen den Trend, dass sich ganze Anlagen automatisieren. Im Bereich Industrial-AI entstehen die Daten direkt in Maschinen, Produktionsanlagen und komplexen technischen Systemen. Themen wie Machine Health Intelligence, Predictive Maintenance oder digitale Zwillinge gewinnen deshalb stark an Bedeutung. Hier geht es darum, Daten, Modelle und physikalisches Systemverständnis zusammenzubringen. Für uns als Institut bedeutet das, dass wir Data Science noch stärker mit Ingenieurwissenschaften und realen Anwendungen verbinden müssen. Unser Anspruch am IDS ist es deshalb, Data Science nicht nur weiterzuentwickeln, sondern konkrete Innovationen für Industrie und Gesellschaft zu ermöglichen.

In welchen Bereichen der Data Science seht ihr das grösste Potenzial?

Wir sehen das grösste Potenzial dort, wo Data Science konkrete Wertschöpfung schafft – und genau daran orientieren sich unsere Forschungsschwerpunkte. Ein zentraler Bereich ist die Anwendung in technischen Systemen und der Industrie – etwa in der Machine Health Intelligence oder bei datengetriebenen Optimierungen, die Effizienz steigern und Ressourcen schonen. Gleichzeitig eröffnet die Verbindung mit Simulation, beispielsweise im Bereich Physics-informed Machine Learning, oder in der Smarten Mobilität neue Möglichkeiten, komplexe Systeme besser zu modellieren und zu optimieren.

Auch in der Finanzindustrie entfaltet Data Science grosses Potenzial: Sie hilft, Risiken präziser zu analysieren, Prozesse zu automatisieren und fundierte Entscheidungen in dynamischen Märkten zu treffen. Zunehmend wichtig ist zudem die Dienstleistungsbranche im Kontext von Smart Services. Ähnliches gilt für den Gesundheits- und Umweltbereich, wo datengetriebene Modelle neue Ansätze für Diagnostik, Analysen, Prognosen und personalisierte Lösungen ermöglichen. Ein weiterer Schwerpunkt ist die Arbeit mit visuellen Daten. Fortschritte in Computer Vision und multimodalen Modellen machen es möglich, Bild- und Videodaten gezielt als zentrale Informationsquelle zu nutzen.

Was all diese Bereiche verbindet, ist die zunehmende Interdisziplinarität von Data Science. Der grösste Impact entsteht dort, wo Datenwissenschaft, Ingenieurwissen und Domänenexpertise zusammenkommen – genau an dieser Schnittstelle positionieren wir uns als Institut.

Was wollt ihr am Institut dieses Jahr erreichen?

Wir wollen unsere sehr gute Prognose in der Drittmittelakquise erfüllen und Partnerschaften zu Industrieunternehmen auf- und ausbauen. Ziel ist, dass die Projekt-Pipeline in allen unseren Schwerpunkten gut gefüllt ist. Wir wollen unsere Studierenden mit modernen, didaktischen Methoden ausbilden und diese in neuen Studiengängen und der Weiterbildung einsetzen. 

Zusätzlich starten wir im Institut einen Prozess zur Entwicklung von Strategie und Kultur. Wir wollen hinterfragen, wo die Reise als Institut im Rahmen der Reorganisation und der neuen Schwerpunkte hingeht. Das ist aktuell besonders interessant, weil wir im Zuge des Generationenwechsels am Institut viele neue Leute haben, die wieder neues Wissen und Können einbringen. Im Arbeitsalltag wollen wir den IDS-Spirit und unsere Organisationskultur stärker spürbar machen.

Was sind die nächsten Schritte in der Neuausrichtung des Instituts?

Langfristig wollen wir unsere Vision und Mission erreichen: Das IDS generiert Mehrwert aus Daten. Wir wollen aus fortschrittlichen datenbasierten Methoden innovative Lösungen für Wirtschaft und Industrie entwickeln und realen Herausforderungen mit wissenschaftlichen Methoden und einem starken Fokus auf praktische Relevanz begegnen. Wir wollen die führende Ausbildungsstätte und bevorzugte Partnerin für angewandte Data Science und Business Engineering in der Schweiz sein – und ich sehe keinen Grund, wieso wir nicht auch in Europa und der Welt für unsere guten Leistungen bekannt sein sollten.