Starke Talente im Profil: vom Mechatroniker zum Data Scientist - Daniel Bätjer
Nach einer Ausbildung zum Kraftfahrzeugmechatroniker und einem dualen Studium in Mechatronik ist Daniel Bätjer heute als Product Owner bei der Continental AG tätig. Die zunehmende Komplexität technologischer Entwicklungen sieht er als Chance – und setzt auf datengetriebene Lösungen.
Um die Zukunft aktiv mitzugestalten und datengetriebene Innovationen strategisch voranzutreiben, entschied er sich für den berufsbegleitenden Masterstudiengang Data Science & Management an der Digital Business University (DBU).
Wir haben mit Daniel über seinen Weg in die Data Science gesprochen, darüber, wie sie seinen Arbeitsalltag beeinflusst und wie er es geschafft hat, seinen Arbeitgeber von der Investition in seine berufliche Weiterentwicklung zu überzeugen.
DBU: Daniel, du hast eine technische Ausbildung und ein Mechatronik-Studium hinter dir. Was war für dich der Auslöser, dich intensiv mit Data Science zu beschäftigen?
Daniel: Ein guter Freund von mir sagte vor kurzem, ich hätte schon in meiner Schulzeit von einer Tätigkeit im Bereich der Forschung und Entwicklung geschwärmt. Einen konkreten Plan hatte ich aber tatsächlich nicht.
Ich bin dann während meiner akademischen und beruflichen Laufbahn nach und nach meinen Interessen gefolgt. Ein wichtiger Schritt für die Entscheidung Richtung Data Science war die Spezialisierung im Bereich “Applied Data Science” die ich durch eine Pilotphase der Plattform Coursera während meines dualen Bachelorstudiums absolviert habe.
Was mich besonders an Data Science beeindruckt hat, und weshalb ich mich dann auch entschieden habe meinen Master in dieser Fachrichtung zu belegen, ist die Fähigkeit mit Data Science in allen fachlichen Bereichen aktiv zu werden. Mit Data Science kann man nicht nur Probleme im Bereich der Forschung- und Entwicklung lösen, sondern darüber hinaus auch in allen anderen Domänen aktiv werden, wie Betriebswirtschaft oder Produktion.
Kurzum: Das Interesse an verschiedenen Fachbereichen lässt sich an meinem bisherigen Lebenslauf erkennen und hat mich schlussendlich Schritt für Schritt zu Data Science geführt.
DBU: Was reizt dich daran, Daten in marktfähige Softwarelösungen zu übersetzen – und wie fließt Data Science konkret in deine Arbeit als Product Owner globaler B2B-Plattformen ein?
Daniel: Das Studium “Data Science & Management” hat mein Interesse für Software im Allgemeinen intensiviert. Das hat mich dazu motiviert meine Stelle im klassischen Projektmanagement hinter mir zu lassen und in die Abteilung Data Science und Softwareentwicklung zu wechseln.
Durch meine Expertise in beiden Bereichen, Data Science und (agiles) Projektmanagement, leite ich sowohl globale B2B-Plattform Projekte als auch Data Science Projekte. Die Zielgruppe und Zielsetzung sind bei den Bereichen eine andere. Je nach Projektkontext übernimmt Data Science entweder die Rolle eines datenbasierten Entscheidungsinstruments innerhalb von B2B-Softwareprojekten oder bildet das analytische Herzstück bei der Entwicklung von Modellen und Algorithmen in Data Science Projekten.
DBU: Inwieweit verändert der Einsatz von Künstlicher Intelligenz deinen Arbeitsalltag? Welche Chancen – aber auch Herausforderungen – nimmst du wahr?
Daniel: Künstliche Intelligenz ist bei Data Science Projekten, neben klassischen statistischen Methoden, ein zentrales Werkzeug für eine effektive Lösung der Problemstellung. Daher ist der Einsatz von künstlicher Intelligenz in solchen Projekten essenziell.
Mittlerweile sehe ich jedoch auch mehr und mehr Office Anwendungen und Anbieter von “Online-Tools” die mit künstlicher Intelligenz werben. Hier sehe ich den Impact für einen Großkonzern ebenfalls sehr hoch an. Grund dafür sind die hohen Nutzerzahlen, die frequente Nutzung sowie die gute (Schnittstellen-)Integration.
Als Herausforderung sehe ich “künstliche Intelligenz” als Buzzword. Es wird zunehmend als “Hammer” benutzt und man sucht nur nach “Nägeln”, um es zu benutzen. Das heißt, dass künstliche Intelligenz nicht zwangsläufig die beste Wahl darstellt. Oder auch als Lösung vieler Herausforderungen genannt wird, auch wenn künstliche Intelligenz nur peripher mitgewirkt hat. Künstliche Intelligenz kann in manchen Aspekten eine große Hilfe sein, ist jedoch kein Allheilmittel.
DBU: Welche Kompetenzen oder Tools aus dem Masterstudium haben sich für deinen Job als besonders hilfreich erwiesen? Kannst du ein Beispiel nennen, wo du das Gelernte direkt anwenden konntest?
Daniel: Insbesondere die Thematisierung des gesamten Data Science Lifecycles über das Studium hinweg, von der Exploration, über die Entwicklung bis hin zur Bereitstellung, trägt zum Verständnis der Stärken und Schwächen der Technologie bei.
Außerdem hilft es ungemein dabei Potentiale zu erkennen und Lücken zu schließen. Auch das Vertiefen der Programmiersprache Python und die Nutzung der wichtigsten Bibliotheken kann in der Praxis Anwendung finden.
Jedoch auch die Nutzung verwandter Programme hilft in der Praxis ungemein. Beispielsweise bin ich durch die Software Tableau an das “Dashboarding” im Rahmen des Studiums herangeführt worden. Im Unternehmen nutzen wir jedoch Microsoft PowerBI. Die beiden Programme sind jedoch sehr ähnlich, sodass ich das erlernte Prinzip kurzfristig anwenden konnte.
DBU: Gab es ein Aha-Erlebnis im Studium, bei dem du gemerkt hast: „Genau das fehlt uns noch im Unternehmen“?
Daniel: Ein Aha-Erlebnis, welches sich als wichtige Erkenntnis im beruflichen Kontext herausgestellt hat, ist das “SiSo”-Prinzip. Es besagt, dass die Vorhersagen eines Modells nur so gut sind, wie die Datengrundlage, auf der es trainiert wurde. Was simpel klingt hat im Unternehmenskontext weitreichende Auswirkungen, da Daten in der ausreichenden Menge und Qualität häufig den Flaschenhals darstellen.
DBU: Dein Arbeitgeber hat dein Studium damals finanziert. Wie lief der Prozess ab – und was glaubst du, hat das Unternehmen überzeugt, in deine Weiterbildung zu investieren?
Daniel: Aus meiner Erfahrung sind es vor allem zwei Faktoren, die die finanzielle Unterstützung durch das Unternehmen ermöglichen.
Zum einen ist es man selbst, da man die Initiative ergreifen muss zu erfragen, ob es bereits Regelungen für die Unterstützung eines berufsbegleitenden Studiums gibt oder welche Voraussetzungen dafür erfüllt werden müssen.
Zum anderen ist es die Führungskraft, die häufig entscheiden kann, wie das (Weiterbildungs-)Budget verwendet wird und die einem hilft die Unterstützung zu beantragen und zu argumentieren.
In meinem Fall gehe ich davon aus, dass die Motivation mich zu unterstützen vor allem mit dem Ziel der Mitarbeiterbindung erfolgt ist. Da ich meine Absicht, mittelfristig ein Masterstudium aufzunehmen, früh offen kommuniziert habe, wurden die konkreten Pläne gut aufgenommen und unterstützt.
DBU: Vielen lieben Dank, Daniel, für diese spannenden Einsichten in deinen Berufsweg und deine Erfahrungen mit dem M.Sc. in Data Science & Management!
