«Data Scientists müssen die Menschen und Fragen hinter den Daten verstehen»
Seit diesem Semester leitet Rosa Visscher den Bachelorstudiengang Data Science. Zu ihrem Start haben wir der neuen Studiengangleiterin drei Fragen gestellt.
Rosa Visscher, was reizt Sie besonders an der Studiengangleitung Data Science?
Data Science ist ein Fachgebiet, das sich rasant weiterentwickelt. In den kommenden Jahren werden sich Technologien, Methoden und Anwendungsfelder weiter verändern – und damit auch das Berufsbild von Data Scientists. Das bringt neue Herausforderungen für den Studiengang mit sich, macht ihn aber zugleich besonders spannend. Wie Unternehmen mit Daten arbeiten und datenbasierte Lösungen entwickeln, wird derzeit in vielen Bereichen neu gedacht. Dafür braucht es einen engen Dialog zwischen Fachdisziplinen, Wissenschaft, Industrie und Gesellschaft. Diese Entwicklung aktiv mitzugestalten, reizt mich besonders.
Welche Entwicklungen im Bereich Data Science werden die Ausbildung in den kommenden Jahren prägen?
Generative KI wird den Studiengang in den kommenden Jahren stark prägen – nicht nur als Lern- und Arbeitsinstrument, sondern auch durch die Fragen, die sie an unsere Lehre und unsere Prüfungsformen stellt. Wir müssen neu darüber nachdenken, welche Kompetenzen wir vermitteln und wie wir diese sinnvoll überprüfen. Gleichzeitig bieten neue KI-Methoden die Chance, Lehre neu zu denken. In Kombination mit Blended Learning können wir die Stärken verschiedener Lernformen bewusster nutzen: Individuelles Erarbeiten kann flexibel und mit personalisierter Unterstützung stattfinden, während die gemeinsame Präsenzzeit stärker für Diskussionen, Zusammenarbeit, praktische Anwendungen und vertiefende Fragen genutzt wird. Entscheidend ist für mich dabei, KI nicht um ihrer selbst willen einzusetzen, sondern dort, wo sie einen echten Mehrwert für das Lernen schafft und die Lernerfahrung vertieft, statt sie zu vereinfachen.
Welche Kompetenzen müssen Data Scientists heute und in Zukunft mitbringen, um auf dem Arbeitsmarkt erfolgreich zu sein?
Wer als Data Scientist arbeitet, braucht nach wie vor ein solides Fundament in Mathematik und Programmierung. Gleichzeitig reicht es nicht, Methoden und Werkzeuge – von klassischen Analyseverfahren bis hin zu modernen ML- und LLM-Anwendungen – einfach anzuwenden. Entscheidend ist die Fähigkeit, Ergebnisse kritisch zu hinterfragen, Limitationen zu erkennen und die Auswirkungen des eigenen Einsatzes einzuschätzen. Dazu gehören auch ein Bewusstsein für Bias, Datenschutz und Nachhaltigkeit sowie die Fähigkeit, technologische Möglichkeiten in einen sinnvollen Anwendungskontext zu stellen. Data Scientists müssen nicht nur Daten verstehen, sondern auch die Menschen und Fragestellungen dahinter: Kundenbedürfnisse erfassen, die richtigen Fragen stellen und daraus Lösungen entwickeln, die tatsächlich nutzbar sind. Kommunikation und aktives Zuhören sind dabei nicht zu unterschätzen. Data Scientists der Zukunft sind für mich deshalb nicht nur Menschen, die mit Daten und KI umgehen können, sondern Menschen, die kritisch denken, gute Fragen stellen und gemeinsam mit anderen Lösungen entwickeln.