1908: Datenwissenschaftler bei der Arbeit

Im Gegensatz zum Bild „Erstellen von KI-Modellen“ verteilen sich die meisten Tage auf das Schreiben von SQL-Abfragen und Python-Code zum Abrufen und Bereinigen von Daten, das Ausführen statistischer Tests oder Trainingsmodelle und das Übersetzen der Ergebnisse in ein Diagramm oder Memo, auf das ein technisch nicht versierter Stakeholder reagieren kann. Umfragen unter Praktikern ergaben, dass die Datenbereinigung und -aufbereitung durchweg etwa die Hälfte oder mehr der gesamten Arbeitszeit ausmacht.

Benötigen Sie einen Doktortitel, um Datenwissenschaftler zu werden? Ist Data Science nur Statistik mit einem neuen Namen? Nicht ganz. Es stützt sich stark auf Statistiken – Fishers experimentelles Design, Tukeys explorative Analyse –, fügt jedoch Programmierung, Datenbanktechnik und maschinelles Lernen hinzu, die in klassischen Statistikabteilungen selten gelehrt werden. William S. Cleveland schlug den Begriff 2001 speziell zur Beschreibung dieser erweiterten, rechenintensiven Version des Fachgebiets vor, die auf Statistiken aufbaut, anstatt sie zu ersetzen.

Ist die Datenwissenschaft durch KI gefährdet? Das routinemäßige Ende ist bereits offengelegt: AutoML-Tools können Standardmodelle anpassen und optimieren, und KI-Assistenten können SQL-Abfragen, erste Erkundungsdiagramme und Standard-Pipeline-Code schneller als ein Mensch schreiben. Was nicht automatisiert wurde, ist die Formulierung der richtigen Frage, die Beurteilung, ob ein Muster sinnvoll oder falsch ist, und die Übernahme der Verantwortung für eine auf dem Ergebnis basierende Entscheidung.