Das Buzzword "Data Science" geistert derzeit durch die Innovationsabteilungen quer über alle Branchen hinweg. Der Job-Titel "Data Scientist" ist einer der häufigsten in einschlägigen Karriere-Plattformen. Doch worum geht es dabei eigentlich? Wir haben mit drei sehr unterschiedlichen Data Scientists gesprochen.
„Data Science bezeichnet generell die Extraktion von Wissen aus Daten“ – so lautet die verkürzte Definition auf Wikipedia. Daraus lässt sich eines bereits klar ableiten: Der Beruf „Data Scientist“ lässt sich nicht auf einzelne spezifische Tätigkeiten eingrenzen. Tatsächlich bietet der Job, der auf einschlägigen Karriere-Plattformen von Unternehmen jeder Größe derzeit stark nachgefragt wird, einen großen Spielraum. Dabei sind ganz unterschiedliche Kompetenzen vonnöten.
Ein Unternehmen, bei dem Data Science zum Kerngeschäft gehört, ist der Business Accelerator Sclable mit Hauptsitz im Wiener weXelerate. Dort unterstützt man seit sieben Jahren Kunden aus der nationalen und internationalen traditionellen Industrie wie Umdasch Group Ventures und ihr Schwesterunternehmen Doka oder Palfinger in Sachen digitale Transformation. Ein entscheidender Faktor ist dabei die Nutzung von Daten, um Prozesse effizienter zu machen. „Du löst dabei etwas, das für dich eine absolute ‚low hanging fruit‘ ist. Aber beim Kunden siehst du bei der Präsentation der Ergebnisse lauter offene Münder“, sagt Viktor Sandner, Head of Data Science and Methodology bei Sclable.
„Es gibt keinen Data Science Fullstack Developer“
Die Nische Finden
Sandner kommt eigentlich aus dem Biotech-Bereich. „Ich bin in meiner Forschung mit Excel-Tabellen bald an meine Grenzen gestoßen. Ich habe daher programmieren gelernt und es hat sich plötzlich eine ganze neue Welt offenbart“, erzählt er. So habe er begonnen, nach Daten-Lösungen für die gesamte Branche zu suchen und sei damit zum „Experten mit einem gewissen Extra“ geworden – konkret im Bereich Statistik. Denn eines müsse man im breiten Feld der Data Science finden, um zu reüssieren: Eine Nische.
Diverses Data Science-Team
„Es gibt keinen Data Science Fullstack Developer“, sagt auch Sandners Kollege Ronald Luc, Machine Learning Engineer bei Sclable, und ebenfalls ein „Data Scientist“. Man brauche ein diverses Team. Während sich Viktor Sandner mit statistischen Methoden auf die Suche nach teilweise versteckten Korrelationen in großen Datensets macht, ist Lucs Domäne die Vorhersage von Werten mit Hilfe von Deep Learning – teilweise auf Basis von durch seinen Kollegen aufbereiteten Daten. „Manchmal sind aber gar keine Daten vorhanden. Dann erstelle ich mit Hilfe von detaillierten Interviews ein mathematisches Modell zur Vorhersage“, erklärt Luc.
Es braucht nicht immer Deep Learning
Ein weiteres Feld der Data Science deckt bei Sclable Sanchit Singh ab. Der Head of Computer Vision beschäftigt sich mit der Analyse von zwei- und dreidimensionalen Bild-Inhalten. Auch er arbeitet mit Deep Learning – das sei aber nicht zwingend notwendig. „Es lässt sich vieles mit dem klassischen Computer Vision-Ansatz machen, wo auf Basis von mathematischen Modellen Vergleiche durchgeführt werden und Klassifikationen erstellt werden können“, erklärt Singh. Als Beispiel nennt er, der ursprünglich aus dem Medizin-Bereich kommt, die Hautkrebs-Forschung. Dort könnten Bilder von Haut-Anomalien etwa nach dem Abgleich der Parameter Farbe, Form und Symmetrie sehr treffsicher kategorisiert werden. „Das kann z.B. einem Allgemeinmediziner helfen, der selten mit der Krankheit konfrontiert ist, eine erste Verdachtsdiagnose zu stellen“, sagt der Computer Vision-Experte.
Das unvoreingenommene Programm
Deep Learning bringe aber freilich weitere Möglichkeiten. Hier bestünden zwei Ansätze: „Supervised Learning“ und „Unsupervised Learning“. „Während ich beim ‚Supervised Learning‘ gewisse Informationen einfüttere – in unserem Beispiel etwa die bereits als Hautkrebs klassifizierte Bilder, die dem Programm als Grundlage dienen, ist es beim ‚Unsupervised Learning‘ quasi unvoreingenommen und bildet selbstständig Cluster“, erklärt Singh. Dieser Zugang könne unerwartete Zusammenhänge und damit neue Erkenntnisse ans Tageslicht bringen.
Big Data als Fluch und Segen
Voraussetzung für das Gelingen sei gerade beim „Unsupervised Learning“, aber auch in den anderen „Data Science“-Bereichen, das Vorhandensein ausreichender Datenmengen. Und diese können sich für Data Scientists als Fluch und Segen zugleich erweisen. „Wir sprechen hier von Big Data. Je nachdem, um was für Daten es sich handelt, können Datensets aber auch zu groß werden, um sie bearbeiten zu können. Gerade bei Bildern und Videos ist man sehr schnell im Terrabyte-Bereich und muss dann gegebenenfalls ein kleineres Datenset heranziehen oder an großen Computing-Clustern arbeiten“, erklärt Ronald Luc.
Data Scientist – „ein Blick“ für Daten
Und das ist nicht die einzige Herausforderung, mit der man als Data Scientist konfrontiert ist. „Kunden haben häufig zwar große Mengen an Daten, wissen aber gar nicht, was sie damit anfangen können und können daher auch keine Ziele für die Analyse definieren“, erzählt Viktor Sandner. In anderen Fällen würden die Ziele nicht mit den verfügbaren Daten zusammenpassen. „Das kann man aber sehr schnell herausfinden. Nach einiger Zeit hat man einen Blick dafür und sieht sofort, ob das Unterfangen erfolgsversprechend ist“.
„Ich lese jeden Tag zum Frühstück ein Paper“
Ausruhen könne man sich darauf aber nicht. Denn die rapide Entwicklung in dem Bereich erfordere ständige Anpassung. „Die gesamte Technologie, die wir verwenden, ändert sich alle paar Monate“, sagt Sanchit Singh. Für Ronald Luc ergibt sich dadurch eine besondere Morgen-Routine: „Ich lese jeden Tag zum Frühstück ein Paper“.
KI in Afrika: Eigene Spielregeln statt Nachzügler-Markt
Datenströme, Trainingsarbeit und digitale Aufmerksamkeit flossen jahrelang selbstverständlich zu den großen Tech- und KI-Zentren in den USA und China. Europa diskutiert derweil Regulierung und Eigenständigkeit – und übersieht dabei einen Raum, in dem KI längst eigene Dynamiken entfaltet: Afrika. Abseits der bekannten Achsen entsteht dort kein reiner Nachzüglermarkt, sondern ein vielschichtiges KI-Ökosystem, das mit lokalen Lösungen, politischen Strategien und wachsender Infrastruktur – trotz bleibender Hürden – zunehmend eigene Spielregeln definiert.
KI in Afrika: Eigene Spielregeln statt Nachzügler-Markt
Datenströme, Trainingsarbeit und digitale Aufmerksamkeit flossen jahrelang selbstverständlich zu den großen Tech- und KI-Zentren in den USA und China. Europa diskutiert derweil Regulierung und Eigenständigkeit – und übersieht dabei einen Raum, in dem KI längst eigene Dynamiken entfaltet: Afrika. Abseits der bekannten Achsen entsteht dort kein reiner Nachzüglermarkt, sondern ein vielschichtiges KI-Ökosystem, das mit lokalen Lösungen, politischen Strategien und wachsender Infrastruktur – trotz bleibender Hürden – zunehmend eigene Spielregeln definiert.
Dieser Text ist zuerst im brutkasten-Printmagazin von Mai 2026 „Die nächste Stufe“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.
Der Fokus im österreichischen KI-Diskurs ist meist auf die AI-Mächte in Übersee und im Osten beschränkt. Dabei wäre ein Blick zum Nachbarkontinent im Süden bemerkenswert und würde Möglichkeiten für die heimische Innovationsszene bieten.
Afrika ist gesamtkontinental schwer zu fassen, dennoch lässt sich festhalten: Die KI-Entwicklung befindet sich hier in einer Phase vergleichbar mit dem unerwarteten Boom der Telekommunikation und des mobilen Bezahlens in den frühen 2000er-Jahren.
Das ist auch die Analogie von Kwame Odame-Darkwah, Consultant des Distributed AI Research Institute (DAIR) und Fellow des International Strategy Forum (ISF), einer von Eric und Wendy Schmidt gegründeten globalen Fellowship an der Schnittstelle von Technologie, Geopolitik und Demokratie: „Ein bekanntes Beispiel aus der frühen Mobilfunkära zeigt, wie schwierig es ist, die Verbreitung neuer digitaler Infrastrukturen linear vorherzusagen. Anfang der 80er-Jahre wurde das Potenzial von Mobiltelefonie deutlich unterschätzt. Afrika wurde später zu einem der stärksten Gegenbeispiele zu solchen Annahmen; nicht, weil der Kontinent einfach bestehende Modelle kopierte, sondern weil mobile Netze, Mobile Money, digitale Durchdringung und finanzielle Inklusion eigene Leapfrogging-Dynamiken entwickelten. Beim Roll-out von KI sehen wir heute eine ähnliche Möglichkeit. Der Ausgangspunkt ist infrastrukturell herausfordernd, aber das Wachstum kann sehr schnell kommen, wenn die Technologie reale lokale Probleme löst“, sagt Odame-Darkwah.
Kwame Odame-Darkwah | Foto bereitgestellt
Afrika umfasst 55 Länder mit diversen Entwicklungsständen. Faktoren wie der Zugang zu Elektrizität beeinflussen Industrialisierung und Automatisierungsmöglichkeiten weiterhin. „Andererseits merkt man im Austausch mit Regierungsvertretern und Akteuren aus dem Privatsektor eine große Begeisterung. Diese wollen von bloßem Enthusiasmus zu konkretem Handeln übergehen“, so Odame-Darkwah.
OpenAI und Anthropic in Afrika
Auf staatlicher Ebene entstehen Partnerschaften mit lokalen wie internationalen Unternehmen. OpenAI etwa hat eine starke Präsenz bei afrikanischen Regierungen und bietet Zugangsstufen wie „Lower-Cost-Access“ für Studierende in Schwellenländern. Anthropic arbeitet mit der Regierung von Ruanda zusammen, um KI-Systeme in das Bildungssystem zu integrieren.
„Eine übergreifende kontinentale KI-Strategie wird von der Afrikanischen Union vorangetrieben, die mit der ‚Agenda 2063‘ verknüpft ist“, erklärt Odame-Darkwah. Diese Strategie zielt auf Wohlstand, Einheit und nachhaltiges Wachstum bis 2063. „Auch im Privatsektor entstehen zunehmend sogenannte Talent-Hubs.“
Afrika zwischen individuellem Handeln und Kontinental-Agenda
Während Europa auf eine einheitliche Herangehensweise setzt, kristallisiert sich in Afrika eine Mischform heraus: eine kontinentale Strategie als Rahmen, ergänzt durch nationale Ansätze. „Ein weiteres Beispiel ist der südafrikanische Entwurf einer nationalen KI-Policy, der auf mehr als drei Jahren gesellschaftlicher Konsultation basiert“, erklärt Odame-Darkwah. „Er steht im Einklang mit der Strategie der Afrikanischen Union, ist aber zugleich auf die spezifischen Bedürfnisse Südafrikas zugeschnitten. Auch Ghana hat inzwischen seine nationale KI-Strategie vorgestellt.“
Zentrales Thema ist die Datensouveränität. Afrikanische Datensätze sind in globalen KI-Modellen unterrepräsentiert; gleichzeitig wollen Regierungen Ausbeutung verhindern. „Afrikanische Regierungen machen nun Souveränitätsansprüche geltend, indem sie Gesetze erlassen, die sicherstellen, dass einheimische Datensätze nicht ausgebeutet werden. Sie verlangen beispielsweise, dass Daten von lokalen Bankkunden auch in Rechenzentren innerhalb des Landes verbleiben“, so Odame-Darkwah.
Wunsch nach Unabhängigkeit
Initiativen wie die „Africa’s AI Factory“ des Telekom-Milliardärs Strive Masiyiwa zielen auf lokale Rechenzentren und GPU-Infrastruktur. Auch Startups mischen mit: Terra aus Nigeria baut eine KI-gestützte nationale Verteidigungsinfrastruktur auf und konnte prominente Backer aus dem Silicon Valley gewinnen.
Die im Juli 2024 verabschiedete „Continental Artificial Intelligence Strategy“ der Afrikanischen Union sowie ergänzende Initiativen positionieren KI gezielt als Treiber sozioökonomischen Fortschritts: durch massive Investitionen, lokale Expertise, digitale Infrastruktur und afrikanische Datensätze – um technologische Abhängigkeiten zu vermeiden und ethisch fundierte Governance-Strukturen zu etablieren.
60-Milliarden-AI-Fonds
Verstärkt wird dies durch die „Africa Declaration on Artificial Intelligence“ und einen geplanten Africa AI Fund von rund 60 Milliarden US-Dollar, die explizit das Leitprinzip „KI mit Afrika, durch Afrika und für Afrika“ verfolgen, wie Carnegie Europe im September 2025 beschrieb. Laut dem „Daily Africa AI Intelligence Report“ von April 2026 ergänzt das Africa AI Policy Lab diesen Ansatz, indem es eine „Dekolonisierung der KI“ vorantreibt und kontextspezifische, auf afrikanischen Werten wie Ubuntu basierende Regulierungsmodelle entwickelt.
Codeswitching
Doch wo liegen die größten Hebel im Alltag? Unter anderem in der Sprache: Viele Menschen wachsen zweisprachig auf und wechseln fließend zwischen Amtssprache (Englisch, Französisch) und lokaler Sprache – eine Art „Codeswitching“.
Odame-Darkwah dazu: „Der gemeinsame Nenner ist der Zugang zu KI-Modellen in lokaler Sprache, die den Kontext nicht nur auf Englisch oder Französisch, sondern in den indigenen Sprachen des Kontinents verstehen. Wenn man KI-Agenten hat, die darauf trainiert sind, Menschen etwa über WhatsApp in einer lokalen Sprache zu antworten, kann man seine Dienstleistungen massiv ausbauen.“
Emerging Markets im Fokus
Deepali Nangia, Speedinvest-Partner Emerging Markets Fintech und „EIF Empowering Equity“-Mentor, wuchs in Indien auf und kennt die Dynamik von Schwellenmärkten. Sie baut den Bereich Emerging Markets bei Speedinvest auf, mit Fokus auf Afrika.
Deepali Nangia | Foto bereitgestellt
Die afrikanischen Portfoliounternehmen setzen laut ihr verstärkt KI ein – für Kreditwürdigkeitsprüfungen, Forderungsmanagement, Automatisierung. „Zum Beispiel nutzt unser Portfoliounternehmen Leta, eine Logistiksoftware-Firma in Kenia, KI zur Optimierung von Fahrzeugauslastung und Fahrereinsatz und trainiert seine Modelle anschließend anhand von Dispatcher-Feedback weiter“, erklärt Nangia. „Außerdem wird KI eingesetzt, um Bestellungen für Lieferungen, die per E-Mail oder in anderen Formaten eingehen, in Echtzeit zu erfassen, wodurch die manuelle Eingabe reduziert wird.“
Zu wenig grundlegende KI-Technologie
Agnes Aistleitner Kisuule indes ging 2019 nach Uganda. Sie bemerkte Fintech-Aktivität, aber zu wenig Early-Stage-Kapital. Mit Selma Ribica gründete sie 2022 First Circle Capital. Unterstützt wurde sie u. a. von Michael Ströck (Calm/Storm Ventures), PSPDFKit-Gründer Peter Steinberger, Hermann Futter und Oskar Obereder.
„Wenn man heute auf afrikanische Märkte blickt, zeigen sich spannende Entwicklungen vor allem in Ländern wie Südafrika, Ägypten und Marokko sowie punktuell in Subsahara-Afrika“, sagt sie. „Allerdings gibt es insgesamt noch zu wenig Aktivitäten und vor allem deutlich weniger Kapital als in Europa. Was derzeit aufgebaut wird, ist häufig weniger fundamental; viele Startups arbeiten eher mit sogenannten ‚LLM Wrappers‘ – also Anwendungen auf bestehenden Modellen – statt an grundlegender KI-Technologie.“
Regulierung sei oft schwach oder schwer umzusetzen. „Ein wichtiger Grund ist, dass es oft an technischem Wissen und Kapazitäten fehlt. KI spielt in politischen Diskussionen noch keine große Rolle und Regeln werden deshalb häufig nicht durchgesetzt. Oft wird KI einfach laufen gelassen.“ Es gebe Ausnahmen, etwa Kenia, wo ein Datenerfassungsprojekt zum Schutz von Identitäten gestoppt wurde. „Aus afrikanischer Sicht wirkt Europa teilweise überreguliert, während KI in Afrika eher als Chance gesehen wird, besonders wegen der jungen Bevölkerung.“
Kleiner Markt, globales Mindset
Aistleitner Kisuule weiter: „Vor allem im Fintech-Bereich gibt es Investitionen; andere Bereiche sind weniger entwickelt. KI-Tools wie Claude können lokalen Startups helfen, weil die Kosten sinken und der Einstieg leichter wird. Auch Chinas Einfluss wächst, obwohl chinesische KI wegen Sprachproblemen noch weniger genutzt wird. Die Konkurrenz zwischen China und den USA ist aber deutlich spürbar.“
Agnes Aistleitner Kisuule | (c) First Circle Capital
Nangia ergänzt: „In der Regel muss Regulierung mit der Innovation Schritt halten, denn Unternehmer warten auf niemanden. Eine leichte Regulierung ist kurzfristig hilfreich, um schnell zu entwickeln und zu iterieren.“ Langfristig brauche es Compliance, Leitplanken und Datenschutz – auch für Folgefinanzierungen. „Einige afrikanische Märkte arbeiten deshalb derzeit an KI-Gesetzen und -Rahmenwerken, darunter Kenia, Ruanda, Ägypten, Nigeria und andere.“
Es bestehe digitale Abhängigkeit; lokale Infrastruktur und stabile Energieversorgung seien nötig. „Rechenzentrum-Infrastrukturen sind kapitalintensiv und müssen finanziert werden. Hinzu kommt die Koordination über verschiedene Rechtsräume hinweg sowie die Sicherstellung hochwertiger, strukturierter Daten für das Training von Modellen. Veränderungen kommen – aber angesichts des Umfangs und der erforderlichen Investitionen wird es Zeit brauchen, diese digitale Abhängigkeit zu reduzieren“, so Nangia.
Folgen für Österreich
Mit all diesen unterschiedlichen Entwicklungen im afrikanischen KI-Sektor im Hinterkopf stellt sich die Frage, was das für die österreichische Innovationsszene bedeutet und welche Chancen sich für die heimische Startup-Welt erschließen lassen.
Odame-Darkwah sieht klare Ansatzpunkte: „Es gibt das Gesundheitswesen, die Bildung, die Landwirtschaft – das sind die Kerndienstleistungen, auf die jeder Bürger angewiesen ist. Die Bereitstellung dieser Dienste über mobile Netzwerke ist eine großartige Möglichkeit für Zusammenarbeit. Generell gibt es in fast allen afrikanischen Branchen die Chance, Werte zu schaffen. Man trifft auf Regierungen, die so viel wie möglich digitalisieren wollen, und auf eine digital sehr versierte Bevölkerung.“
Der Bericht „Global VCs Entering African AI Markets“ von „aireports.africa“ (Juni 2025) zeigt einen deutlichen Aufschwung: Obwohl diese Summe nur ein Prozent der globalen KI-Investitionen 2022/23 war, flossen rund 641 Millionen US-Dollar in über 100 Deals. Sequoia Capital, Andreessen Horowitz, Microsoft, Google und IBM steigen verstärkt ein. Im Zentrum: Fintech, Agtech, Healthtech. Dabei bleiben jedoch strukturelle Hürden bestehen, etwa der Frühphasen-Fokus, fehlende Cloud-Infrastruktur, und eine unklare Regulierung; zudem gehen nur rund zwei Prozent des Kapitals an von Frauen geführte Startups.
Afrika unter prüfenden Blicken
Nangia verweist an dieser Stelle auf Unternehmen wie Moove, LemFi oder Taptap Send, die weit über Afrika hinaus skalieren. „Manche unserer europäischen Portfolio-Unternehmen prüfen Afrika als potenziellen Wachstumsmarkt. Wir erwarten, dass sich dieser Trend verstärkt, da Schwellenmärkte nicht länger ignoriert werden können. Es gibt noch andere Wege der Zusammenarbeit mit Europa jenseits von Kapital: Wir bringen jahrelanges Skalierungs-Know-how und Erfahrung ein und unterstützen Gründer sowie Fonds.“ Mit dem Micro GP Summit in Wien bringt Speedinvest etwa Erst- und Zweitfondsmanager weltweit zusammen.
Afrika blickt auf große Märkte, aber …
Für Aistleitner Kisuule hingegen können kleinere europäische Märkte wie Österreich in Afrika perspektivisch tatsächlich eine wichtige Rolle spielen; aktuell sei diese aber noch begrenzt, warnt sie. Hohe Markteintrittskosten, begrenzte Rechenkapazitäten in vielen afrikanischen Märkten sowie die noch frühe Entwicklungsphase zahlreicher Ökosysteme stellen heute zentrale Herausforderungen dar.
„In den nächsten zehn Jahren könnte sich dies allerdings ändern“, sagt sie. Südafrika sei weit entwickelt, besonders in Healthtech. Fintech bleibe der spannendste Sektor. Chancen für österreichische Startups sieht sie bei Prozessautomatisierung, Analytics und Enabler-Technologien.
„Die Regulierung wird sich kurzfristig nicht grundlegend verändern, während die Dynamik auf der Innovationsseite hoch ist“, fasst Aistleitner Kisuule zusammen. „Insgesamt ist es aber noch ‚too soon to say‘, wie sich das Kräfteverhältnis langfristig entwickeln wird. Zugespitzt gesagt spricht aktuell vieles dafür, stärker auf die Innovationsgeschwindigkeit afrikanischer Märkte zu setzen als auf europäische Regulierungskompetenz.“
Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.
