Logo Bundesagentur für Arbeit
Logo Bundesagentur für Arbeit
  • Drucken
  • Versenden
  • PDF (Öffnet sich in neuem Fenster)

Kategorien

Der Problemlöser

Informationswissenschaftlerin präsentiert die Zwischenergebnisse einer Recherche einer Beraterin.
Datenwissenschaftler arbeiten nur für sich alleine am PC? Von wegen! Kommunikations- und Teamfähigkeit sind in diesem Beruf wichtige Kompetenzen.
Foto: Axel Jusseit

Data Scientist

Der Problemlöser

Data Science wird möglicherweise nicht als das kreativste Betätigungsfeld angesehen. Doch Albert Pritzkau (41) fand als Datenwissenschaftler beim Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie (FKIE) in Wachtberg sein kreatives Terrain.

Probleme lösen, indem man gezielt Wissen aus großen Datenmengen extrahiert: Das ist vereinfacht ausgedrückt die Aufgabe von Albert Pritzkau. Der 41-Jährige ist seit 2013 als Data Scientist beim Fraunhofer FKIE in Wachtberg tätig. Doch was heißt das? Durch die Digitalisierung fallen riesige Datenmengen an – das betrifft Unternehmen aus dem Bereich des Internets, der Kommunikation, der Finanzindustrie, Energiewirtschaft, des Gesundheitswesens und Verkehrs ebenso wie Soziale Netzwerke oder auch staatliche Institutionen. Um diese Daten entsprechend verarbeiten und auswerten zu können, braucht es Experten wie Albert Pritzkau.

„Ein Großteil meiner Arbeit besteht darin, die Problemfelder zu verstehen, Daten zu erfassen, zu bereinigen und zu analysieren“, erklärt er. Nur einen Bruchteil der Daten kann er mithilfe analytischer Modelle strukturieren. „Bei endlosen Interpretationsmöglichkeiten für riesige Datenmengen ist daher die Rolle der Kreativität nicht zu unterschätzen“, betont der Datenspezialist.

Daten richtig interpretieren

Ein Porträt-Foto von Albert Pritzkau

Albert Pritzkau

Foto: dpa

Ein Projekt, an dem Albert Pritzkau beteiligt ist, ist die datengetriebene Identifikationsmöglichkeit von Fake News oder Hetzbotschaften. Für Betreiber Sozialer Netzwerke stellen diese ein großes Problem dar, da es ein ungeheurer Zeit- und Kostenaufwand ist, solche Nachrichten manuell zu finden und zu löschen. Albert Pritzkau hat ein Tool entwickelt, mit dem Fake News automatisch erkannt werden können. „Das geschieht, indem unterschiedliche Textgruppen anhand bestimmter Wörter, Wortkombinationen oder semantischer Zusammenhänge identifiziert werden“, beschreibt er. „Herausgefilterte Textgruppen können allerdings falsch interpretiert worden sein und müssen daher nochmals manuell überprüft werden. Man muss also sehr gut unterscheiden, die Auswertungsraster klar strukturieren und die Ergebnisse differenziert und sauber auswerten können.“

Neben Interesse an Statistik, soliden Programmierkenntnissen, Fähigkeiten im Data Engineering, also der Beschaffung, Bereinigung und Speicherung der Rohdaten, ist Kommunikationsfähigkeit für seine Arbeit als Data Scientist elementar. „Ich arbeite mit einem Team von Wissenschaftlern aus unterschiedlichen Kompetenzbereichen zusammen. Eine gute Zusammenarbeit ist dabei das A und O“, erklärt Albert Pritzkau. „Und am Ende muss ich die Ergebnisse so aufbereiten, dass sie dem Kunden, dem Auftraggeber, den Kollegen in der Wissenschaft oder auch der allgemeinen Öffentlichkeit präsentiert werden können.“

Wissbegierig und offen für neue Herausforderungen

Für Albert Pritzkau war die Arbeit mit Daten und mathematischen Mustern schon immer interessant. Bereits während seines Studiums der Angewandten Informatik mit dem Schwerpunkt Medienwissenschaften an der Universität Siegen hat ihn die Kombination aus Problemlösungsdenken, Darstellbarkeit, Komplexität und mathematischem Handwerkszeug fasziniert.

Zur Data Science kam der heute 41-Jährige durch die Beteiligung an einem Forschungsprojekt der Deutschen Forschungsgemeinschaft. „Damit war der Zugang zu meinem heutigen Betätigungsfeld geschaffen, noch bevor über eine Jobbeschreibung nachgedacht werden musste“, sagt Albert Pritzkau.
Bereut hat er diesen Schritt nicht: „Data Science ist ein spannendes und überaus schnelllebiges Feld, das sich ständig weiterentwickelt“, findet er. Dementsprechend wissbegierig und offen für neue Herausforderungen muss er als Data Scientist sein. „Beispielsweise gesellen sich momentan zu den Konzepten der Statistik und der Datenanalyse auch Algorithmen maschinellen Lernens“, erklärt er. Dabei handelt es sich um Systeme, die aus Erfahrung lernen können – anhand von Beispielen erkennen sie Muster und Gesetzmäßigkeiten, die sie dann auf andere Daten übertragen können. „Da beginnt man die Welt mit anderen Augen zu sehen und das macht meine Arbeit so spannend.“

abi>> 02.08.2019