Wie Data Science Studierende sich fit für KMU machen
Insights von Softwarearchitekt Sebastian Müller (Codelion) und Prof. Dr. Marcel Hebing
Der technologische Wandel verändert die Anforderungen an Softwareentwickler und Data Scientists rasant. Künstliche Intelligenz, Cloud-Infrastrukturen und moderne Entwicklungsprozesse eröffnen neue Chancen, bringen aber auch neue Herausforderungen mit sich.
Sebastian Müller, seit fast 20 Jahren Entwickler und Softwarearchitekt und Gründer von Codelion, berät Unternehmen jeder Größe. Seine Erfahrungen aus Startups, Mittelstand und Konzernen geben wertvolle Hinweise darauf, wie sich Nachwuchskräfte heute für den Arbeitsmarkt von morgen wappnen können.
Verstehen, wie Unternehmen wirklich arbeiten
Startups vs. Großunternehmen: Ein Reality-Check
Mit zunehmender Unternehmensgröße, sinkt bekanntlich die Agilität und es wachsen die Anforderungen an die technische Infrastruktur. Dabei gibt es gravierende Unterschiede zwischen Start-Ups oder kleinen Unternehmen und Großkonzernen. Denn die daraus entstehende Komplexität beeinflusst nicht nur die Planung, sondern auch Budgets und die Zusammensetzung von Teams. Großunternehmen planen in der Regel langfristig und nachhaltig, denn sie haben eigene Expertenteams, bzw. oft ganze Abteilungen für die IT-Infrastruktur und hohe Budgets, die komplexe, skalierbare Systeme ermöglichen. Startups oder kleine Unternehmen hingegen haben weniger Ressourcen und müssen deshalb kurz- bis mittelfristig planen. Oft können sie aus Budgetgründen auch keine umfangreichen Legacy-Systeme ablösen, selbst wenn es flexiblere Alternativen gäbe.
Warum ist das für Studierende so wichtig?
Weil es zeigt, dass die technischen Herausforderungen sich zwischen Startups, KMUs und Großunternehmen massiv unterscheiden. Einhergehend damit auch die Skillsets, die benötigt werden. Wer ein flexibles Mindset hat, versteht beide Welten und hat die besten Chancen im Arbeitsmarkt.
Technische Grundlagen: Das Fundament für die Zukunft
Sebastians deutlichste Empfehlung an Studierende:
“Versteht die Basics. Nutzt Tools und KI, aber versteht, wie sie funktionieren.”
Egal, ob Studierende eine Karriere in Start-Ups oder Großunternehmen anstreben: Solide Grundlagen sind und bleiben unverzichtbar. Ganz konkret empfiehlt der Firmengründer, folgende Skills in der Tiefe zu beherrschen:
- Sauberes Coding
- Softwarearchitektur verstehen
- Datenbanken (SQL & NoSQL), Container, APIs
- Cloud- und On-Premise-Konzepte
- KI-Modelle anwenden und hinterfragen können
Das aktuell populäre Vibecoding, also schnelle KI-generierte Prototypen, hält Sebastian für wertvoll, sagt aber ganz klar: „Prototypen ja. Live-Betrieb nein. Denn ohne tiefes Verständnis kann niemand Qualität gewährleisten.“
Open Source als Lernlabor
Open-Source spielt in modernen Softwarelandschaften eine dominante Rolle. Für Studierende bedeutet das:
- Fast jede große Cloud verwendet Open-Source-Kerne
- Kostenfreie, professionelle Tools stehen zum Experimentieren bereit
- Es ist wichtig zu lernen, wie Software „unter der Haube“ funktioniert
Empfehlungen für Studierende:
Wähle ein Thema, das dich interessiert und finde heraus, welche Open-Source-Tools es dafür gibt. Probiere sie aus, arbeite dich rein, verstehe die Architektur.
KI verstehen statt nur benutzen
Wirkliche KI-Implementierung ist teuer und aufwendig. Sie bedarf ganz klaren mittel- und langfristigen Zielen, die erreicht werden sollen. Viele KMUs sind, was den Einsatz Künstlicher Intelligenz anbelangt, laut Sebastian unsicher. Häufig liegt das an unklaren Zielen oder zu kurzfristiger Planung.
Für Studierende heißt das, dass sie sowohl technische als auch betriebswirtschaftliche Kenntnisse mitbringen sollten. Darunter:
- KI-Tools testen und bewerten können
- Datenqualität beurteilen
- Prozesse analysieren: Wo macht KI wirklich Sinn?
- Risiken, Kosten und Nutzen einschätzen
Cloud, Infrastruktur & Zukunftssicherheit
Wenn es um IT-Architektur geht, stehen KMUs vor einer zentralen Frage: Cloud oder eigene Server?
Sebastians Erfahrung hat ihm gezeigt, dass Cloud meist ideal ist, aber sehr teuer bei der Skalierung werden kann, wenn man auf die Lösungen großer Anbieter setzt. Er empfiehlt deshalb, dass Unternehmen Tools und Datenbanken so wählen, dass Anbieterwechsel möglich bleibt.
Für Studierende bedeutet das, dass Arbeitgeber Skills suchen wie
- Container-Technologien (Docker, Kubernetes)
- Portierbare Architekturen
- Cloud-Grundverständnis
- Kostenbewusstsein
- Sicherheits- und Regulatorik-Basics
Zukunftskompetenzen für Studierende
In einem sich schnell wandelnden Arbeitsmarkt mit disruptiven Technologien, empfiehlt Sebastian Studierenden der Data Science Folgendes:
- Versteht die technologischen Grundlagen wirklich.
- Probiert Tools praktisch aus und lernt nicht nur die Theorie.
- Setzt auf Open Source, um zu lernen, wie Systeme funktionieren.
- Bleibt flexibel, denn der Markt verändert sich ständig.
- Baut kein blindes Vertrauen in KI oder Software auf.
- Denkt langfristig: Skills, die heute Basics sind, bleiben relevant.
- Arbeitet interdisziplinär und versteht Technik + Prozesse + Wirtschaft.
Mit diesen Fähigkeiten können Studierende der Data Science & Softwareentwicklung selbst in einem dynamischen, KI-geprägten Arbeitsmarkt erfolgreich sein und Unternehmen wirklich zukunftsfähig machen.
So möchtest du auch lernen und arbeiten? Vielleicht ist der DBU-Studiengang Data Science & Management ja etwas für dich. Du kannst ihn als Bachelor of Science oder Master of Science abschließen.
