Digitalbranche: Big-Data-Spezialisten dringend gesucht

Interview mit Datenwissenschaftler Frank Pörschmann

Frank Pörschmann, Ex-Chef der Cebit, ist heute Vorstandsmitglied der Digital Analytics Association Germany e. V., der Berufsver­einigung der deutschen Datenanalysten und Datenwissenschaftler. Im Interview beleuchtet er den Markt für Datenanalysten und gibt Tipps, wie Unternehmen gute Datenwissenschaftler finden.
Wie würden Sie die Fähigkeiten eines guten Data Scientists beschreiben?
Frank Pörschmann:
Ein Datenwissenschaftler braucht ein breites Spektrum an Fähig­keiten. Dazu gehören
Frank Pörschmann: Vorstand Digital Analytics Association Germany e.V.
(Quelle: Frank Pörschmann)
mathematisch-statistische Fähigkeiten und Erfahrung im Programmieren sowie den entsprechenden Software-Tools. Sie brauchen aber auch Kenntnisse im Projektmanagement - unter anderem nach agilen Methoden -, Kenntnisse aus dem jeweiligen Fachgebiet, für das sie analysieren - sei es Kaufverhalten im E-Commerce oder Finanzlogik im Rechnungswesen -, Datenqualitätsmanagement und zunehmend auch Wissen in Datenrecht und Datenethik.
Braucht ein Big-Data-Experte ein Studium?
Pörschmann:
Die wesentlichen Ausbildungsangebote in Deutschland finden sich heutzutage auf universitärer Ebene. Das sind bei uns sehr oft Zertifikatsstudiengänge oder Zusatzstudiengänge im Zuge der Informatikausbildung. Das bedeutet, ich belege ein paar Module, die mich dann zum Data Scientist oder Data Analyst qualifizieren. Hier ist aber Vorsicht angebracht. Diese Angebote unterscheiden sich im internationalen Vergleich signifikant.
Ich würde mir wünschen, wir hätten in Deutschland ähnliche Möglichkeiten wie zum Beispiel in den USA. Dort ist die Ausbildung hochgradig interdisziplinär und umfasst neben Kernfächern der Mathematik, Statistik, Informatik und Künstlichen Intelligenz auch Wirtschaft, Psychologie, Soziologie, Recht und sogar Design.
Es gibt doch aber auch außeruniversitäre Ausbildungsmöglichkeiten?
Pörschmann:
Ja. Die Ausbildung muss nicht immer auf universitärer Ebene erfolgen. Gebraucht werden auch Fachkräfte, die für die Aufbereitung der Daten sorgen, Qualitäts­management betreiben oder wissen, welche Daten wie beschafft werden können. Dafür wird nicht unbedingt immer der Super-Mathe­matiker benötigt, oft genügt auch eine Berufsausbildung.
Aber egal ob Big Data oder Künstliche Intelligenz: Sie brauchen einen ordentlichen Unterbau. Nur einen Online-Kurs zum Thema Machine Learning zu besuchen macht noch keinen Machine-Learning-Experten. Er weiß vielleicht, worum es geht, kann das Wissen aber nicht anwenden.
Auch einige IT-Konzerne und -Dienstleister bieten Big-Data-Weiterbildung an. Was halten Sie davon?
Pörschmann:
Viele IT Anbieter und Unternehmensberatungen haben solche Ausbildungen im Programm. Selbst bei Industrieverbänden finden sich mittlerweile Big-Data-Fortbildungen. Grundsätzlich ist auch jedes Engagement zu begrüßen, das die Kompetenz in Wirtschaft, Wissenschaft und Politik zu dem Thema fördert. Bei fachlich-methodischen Fortbildungen sollten Sie allerdings bedenken: Wenn Sie Fortbildungen bei Technologie-Unternehmen besuchen, lernen Sie überwiegend, deren Systeme zu nutzen. Werkzeuge anderer Anbieter stehen hier nicht im Mittelpunkt.
Also eine sehr einseitige Ausbildung?
Pörschmann:
Je nach Anbieter, ja. Auf jeden Fall sollte man sich vorher informieren, in welchem Ökosystem man aufwächst und was man für sich und seine Zukunft wirklich will. Eine einseitige Ausbildung auf Anbieter-Tools ergibt nur Sinn, wenn man sich zukünftig auch nur in diesem Umfeld bewegen möchte. Doch in einer hoch integrierten, cloudbasierten Welt ist das selten ratsam.
Wie schätzen Sie die aktuelle Lage am Arbeitsmarkt für Big-Data-Experten ein?
Pörschmann:
Unternehmen tun sich unterschiedlich schwer damit, Big-Data-Experten zu finden. Interessant dabei: Groß oder klein ist hier kein Kriterium. Es gibt große Unternehmen mit gutem Renommee, die aber nur schwer Fachexperten finden. Und es gibt kleine, unbekannte Unternehmen, denen die Fachkräfte zulaufen.
Um das zu verstehen. muss man die Motivation von Big-Data-Experten verstehen. Oft steht im Mittelpunkt, welchen Beitrag sie in einem Unternehmen leisten, welche - möglichst komplexen - Probleme sie mit ihren Fähigkeiten lösen können und auch wie gut die Unternehmen an ihre eigenen Daten kommen. Ohne Daten keine Analyse. Immer noch verbringen Datenanalysten etwa 80 Prozent ihrer Zeit damit, Daten zu beschaffen. Das ist oft frustrierend, wenn man angetreten ist, die Welt zu verbessern.
Im Vorteil sind hier Unternehmen, die aus Expertensicht eine professionelle Umgebung, eine hervorragende Dateninfrastruktur, gute Werkzeuge und Freiraum zur persönlichen Weiterentwicklung bieten. Kleiner Hinweis: Datenanalysten erkennen schon beim Lesen eines Stellenprofils, wie reif ein Unternehmen ist, wenn es seinen Skill-Bedarf artikuliert. Nicht selten fallen große Marken bei den Profis schon dabei durch.
Und die Lage auf Anbieterseite? Angeblich verdienen Datenwissenschaftler ja überdurchschnittlich mehr als normale IT-Experten.
Pörschmann:
Das Thema Gehalt bei Datenanalysten ist voller Mythen. Der Markt für Big-Data-Experten ist exzellent, aber sie müssen auch was können. Und das müssen sie vor der Einstellung beweisen. Fakt ist: Erfahrene Fachkräfte sind rar und können überdurchschnittliche Einkommen erzielen. Aber auch nur in Grenzen. Die gelegentlich kolportierten eine Million Euro Jahresgehalt für Datenhelden sind Unsinn. Was gelegentlich passiert, ist die Abwerbung ganzer Teams. Dann können solche Beträge schon eine Rolle spielen. Aber eben nur in der Summe für ein ganzes Team.
Studien zeigen, mit belastbaren Fähigkeiten kann ein Daten­experte ein bis zu 20 Prozent höheres Gehalt erzielen als in den durchschnittlichen IT-Berufen. Das ist realistisch. Konzerne machen jedoch keine Ausnahme von ihrer klassischen Gehalts­matrix, die fixe Einkommensbänder je nach Erfahrung, Karrierestufe und Rolle vorgibt. Außertarifliche Gehälter sind die Ausnahme und eher bei erfahrenen Big-Data-Führungsfunktionen vorzufinden.  
Was würden Sie einem Unternehmen raten, das konkret Big-Data-Experten sucht?
Pörschmann:
Mir fallen spontan drei Ratschläge ein: Erstens sollte die Stellenausschreibung klar die Sprache der Datenexperten sprechen. Das heißt, sie sollte definieren, welche methodische und technische Expertise gesucht ist und welche Herausforderungen gelöst werden sollen.
Zweitens: Die Suche sollte über spezialisierte Dienstleister er­folgen. Der alteingesessene Universal-Headhunter ist wenig erfolgversprechend. Die Spezialdienstleister müssen nachweislich Erfahrungen in den Datendisziplinen zeigen, einen etablierten Zugang zu den Data-Communities haben, in denen sich diese Menschen aufhalten, sowie die notwendige Kompetenz, die Qualität der Kandidaten zu prüfen. Machen wir uns nichts vor: Die Gruppe der Trittbrettfahrer ist nicht gerade klein.
Und drittens, vielleicht das Erfolgversprechendste: Unternehmen sollten im eigenen Umfeld nach Entwickungsmöglichkeiten suchen. Das Thema ist so spannend, dass sich viele Mitarbeiter dafür interessieren. Hier sollten die Verantwortlichen nachhaken: Welche Mitarbeiter haben das Potenzial dazu und wie bekomme ich diese Mitarbeiter über einen Zeitraum von etwa zwei Jahren so weit. Das ist im Ergebnis günstiger und schneller als lange nach externen Experten zu suchen - und diese dann einarbeiten zu müssen.
Und wie findet man die Spitzenkönner unter den Big-Data-Experten?
Pörschmann:
Dafür gibt es kein Patentrezept, aber ich kann Ihnen zwei Tipps aus der Praxis geben: Veranstalten Sie Data Challenges. Der Kandidat bekommt eine Aufgabe und der potenzielle Arbeit­geber sieht unmittelbar, wie er diese Aufgabe löst, methodisch und technisch. Damit kann man ohne großen Aufwand den Reifegrad der Kandidaten vergleichen und den oder die Besten auswählen. Gleichzeitig kann man auch eine angemessene fachliche und gehaltliche Einstufung finden.
Und das Zweite: Gewinnen Sie die Kandidaten, die gut vernetzt sind, in der Szene aktiv sind und ein hohes Renommee genießen. Gute Experten ziehen automatisch andere gute Leute nach. Dazu aber wiederum braucht man die Fähigkeit, Netzwerke analysieren zu können. Hier schließt sich der Kreis.



Das könnte Sie auch interessieren