15.07.2019

Was macht eigentlich ein Data Scientist?

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.
/artikel/was-macht-ein-data-scientist
Was macht eigentlich ein Data Scientist? Wir haben das Sclable-Data Science-Team gefragt
(c) Tobias Fittner: Das Sclable-AI- und Data Science-Team (vlnr.): Sanchit Singh, Ronald Luc, Frank Fichtenmüller, Charles Dietz und Viktor Sandner

„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.

+++ Mehr zum Thema Human Ressources +++

„Lauter offene Münder“

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“.

Redaktionstipps
Deine ungelesenen Artikel:
18.08.2026

Während andernorts Träume gebaut werden, verwalten wir den Stillstand

"Vor 15 Jahren war Europa in China der Maßstab. Heute ist es vor allem Kunde", schreibt Thomas Reiter in einem Gastkommentar für den brutkasten. Der PR-Unternehmer war gerade wieder in China und zieht eine Bilanz, die Europa nicht am Wissen scheitern sieht, sondern am Tempo.
/artikel/china-europa-gastkommentar-thomas-reiter
18.08.2026

Während andernorts Träume gebaut werden, verwalten wir den Stillstand

"Vor 15 Jahren war Europa in China der Maßstab. Heute ist es vor allem Kunde", schreibt Thomas Reiter in einem Gastkommentar für den brutkasten. Der PR-Unternehmer war gerade wieder in China und zieht eine Bilanz, die Europa nicht am Wissen scheitern sieht, sondern am Tempo.
/artikel/china-europa-gastkommentar-thomas-reiter
Thomas Reiter führt die Kommunikationsagentur Reiter, die auf Technologieunternehmen und Startups spezialisiert ist. Er bereist China seit 15 Jahren | (c) Sabine Klimpt

Im Hochsommer, vor genau 15 Jahren, reiste ich zum ersten Mal nach China. In dieser schicksalshaften Woche lernte ich nicht nur meine Frau kennen, sondern auch einen nahezu perfekt anmutenden europäischen Exportmarkt mit einer Milliarde Menschen, stark steigenden Einkommen und niedriger Marktsättigung.

Das Straßenbild der 25-Millionen-Metropole Schanghai war unübersehbar von europäischen Autos geprägt. Volkswagen stand damals mit rund einem Fünftel Marktanteil am Zenit seiner Dominanz im wichtigsten Automarkt der Welt. Wer sich einen Audi, BMW oder Mercedes leisten konnte, hatte es im Reich der Mitte geschafft und stellte das zur Schau.

Heute ist die Welt eine andere. Meine damalige Freundin ist längst meine Ehefrau mit österreichischer Staatsbürgerschaft. China hat uns technologisch vielfach überholt und seine Importabhängigkeit radikal reduziert. Die Handelsströme sprechen eine deutliche Sprache, denn das EU-Defizit im Warenhandel mit China erreichte 2025 rund 360 Milliarden Euro, plus 18 Prozent binnen eines Jahres.

Die Zahl neuer chinesischer Marken und Modelle ist überwältigend – heimische Hersteller halten inzwischen rund 70 Prozent des chinesischen Pkw-Marktes. Volkswagen, jahrelang Marktführer in China, liegt heute mit knapp elf Prozent hinter BYD und Geely. Credit: Thomas Reiter 

Im Vergleich zu Europa punktet China heute mit moderner Infrastruktur, seiner Vorreiterrolle bei erneuerbaren Energien und sichtbarem Wohlstandszuwachs. Auch das leistungsorientierte Bildungssystem rückt an die Weltspitze. Jährlich schließen 3,5 Millionen Menschen ein MINT-Studium ab, fast die Hälfte aller Patentanmeldungen weltweit kommt aus China.

Nicht zufällig heißt die erste chinesische Hochgeschwindigkeitsbaureihe auf eigenen Schutzrechten „Fuxing“ – Verjüngung, Wiedererstarken. Ihre Vorgängerin „Hexie“, Harmonie, fuhr noch mit Lizenztechnologie von Siemens, Alstom und Kawasaki.

Rushhour in Schanghais U-Bahn: rund zehn Millionen Fahrgäste täglich – und kaum eine Hand ohne Smartphone. Credit: Thomas Reiter

Auf den Trikots chinesischer Spitzensportler steht „Glory of China“, und BYD, mittlerweile weltgrößter Hersteller reiner Elektroautos, trägt „Build Your Dreams“ im Namen. Dieses Mindset verrät viel über ein Land.

China ist nicht perfekt. Aber es steht heute eher für den amerikanischen Traum vom Tellerwäscher zum Milliardär als Donald Trumps „Make America Great Again“.

Tencent East China Headquarters in Schanghai: Der Konzern hinter der Super-App WeChat zählt 1,42 Milliarden aktive Nutzer im Monat – mehr, als die EU und die USA zusammen Einwohner:innen haben. Credit: Thomas Reiter 

Ich schreibe diese Zeilen am Rückflug von China nach Österreich. Das Europäische Forum Alpbach steht heuer unter dem Motto „How Europe Wins“ und benennt die neue Realität. In einer Welt, in der alle anderen schneller und entschlossener handeln, ist offen, ob Europa in den entscheidenden Fragen noch gewinnen kann. Die Antwort steckt bereits in der Diagnose. Europa muss schneller und entschlossener werden.

Entschieden wird das nicht auf Konferenzen. Europa braucht nicht die nächste Arbeitsgruppe, sondern konkrete Vorhaben mit Datum, Budget und Verantwortlichen, die dafür geradestehen. Ein Plan ist immer nur so gut wie seine Ausführung. Umsetzungsgeschwindigkeit muss das Maß aller Dinge sein.

Zwei Beispiele. Die beschlossene Senkung der Lohnnebenkosten – der Dienstgeberbeitrag sinkt von 3,7 auf 2,7 Prozent, rund zwei Milliarden Euro Entlastung – wirkt erst ab 2028. Die von der Kommissionspräsidentin persönlich unterstützte „EU Inc.“ liegt seit März als Vorschlag am Tisch, anwendbar frühestens 2028. Der Kontinent scheint viel Zeit zu haben. Das Gegenteil ist der Fall.

Die Wucht der Veränderung

BYD hat seinen Absatz in fünf Jahren verzehnfacht, auf 4,6 Millionen Fahrzeuge. Und China ist längst der größte Autoproduzent der Welt. 34,5 Millionen gebaute, acht Millionen exportierte Fahrzeuge allein 2025. Bei Photovoltaikmodulen hält es 85 Prozent Weltmarktanteil, bei Batteriezellen rund 70 Prozent. Veränderung war nie schneller, mit einem hohen Preis für Sieger:innen und Verlierer:innen – die Auswirkungen Künstlicher Intelligenz noch gar nicht eingerechnet.

Botengänge im Hotel erledigt längst der Roboter: 2024 wurden 54 Prozent aller Industrieroboter weltweit in China installiert. Credit: Thomas Reiter 

Wir leben in Österreich weit über unseren Verhältnissen, ohne dafür eine Sensorik zu haben. Zwei Rezessionsjahre, zwölf Prozent Minus bei der abgesetzten Industrieproduktion seit 2021, 25.000 verlorene Industriejobs in zwei Jahren, 6.810 Firmenpleiten im Vorjahr, eine Schuldenquote, die 2027 auf 85 Prozent zusteuert, ein offenes EU-Defizitverfahren. Wer sagt, unser Pensionssystem sei gesichert, rechnet mit Annahmen von gestern. Gut ein Viertel des Bundesbudgets fließt in Pensionen, und 2040 kommen auf einen Menschen im Pensionsalter nur noch zwei im Erwerbsalter – 1950 waren es sechs.

Es mangelt nicht an Lösungen und Wissen, sondern an Bereitschaft – genauer gesagt an den Möglichkeiten einer Dreierkoalition und an den Abläufen zwischen Wien und Brüssel. Was die Politik nicht richten wird, müssen Unternehmerinnen und Unternehmer leisten. Und Arbeitnehmerinnen und Arbeitnehmer, die sich ihres Beitrags bewusst sind.

Der Weg zu neuem Wachstum ist machbar

Vorziehen statt ankündigen. Der Dienstgeberbeitrag, den Arbeitgeber zusätzlich zum Bruttolohn an den Familienlastenausgleichsfonds zahlen, sinkt von 3,7 auf 2,7 Prozent. Das entlastet die Betriebe brutto um rund zwei Milliarden Euro. Ein Prozentpunkt weniger Lohnnebenkosten bringt laut EcoAustria 10.000 bis 12.000 Jobs. Wirksam wird die Senkung aber erst 2028. Wer heuer um Aufträge und Fachkräfte kämpft, hat davon nichts. Also vorziehen auf Mitte 2027, gegenfinanziert aus der Föderalismusreform.

Schnellere Genehmigungen. Eine Umweltverträglichkeitsprüfung dauerte im Zehnjahresschnitt 22,6 Monate. Fast zwei Jahre bereitliegendes Kapital ohne Baustart, während andere Standorte in Monaten entscheiden.

Deshalb sollte nach zwölf Monaten ohne Bescheid die Bewilligung automatisch gelten. Nötig ist der Druck, denn Bürokratie kostet die Unternehmen laut KMU Forschung Austria 21,1 Milliarden Euro und 320 Millionen Arbeitsstunden jährlich, die Leistung von fast 200.000 Vollzeitkräften – ohne Mehrwert für Kund:innen.

Kapital statt Sparbuch. Österreichs Risikokapital brach 2025 um 56 Prozent auf 253 Millionen Euro ein, während europaweit zehn Billionen Euro niedrig verzinst auf Konten liegen. Es braucht eine KESt-Befreiung nach Behaltefrist und Pensionskassen, die heimische Innovation finanzieren dürfen.

Arbeit muss sich lohnen. Mit 47,1 Prozent Abgabenbelastung liegt Österreich laut OECD auf Rang vier. Dazu ein faktisches Antrittsalter unter 62 Jahren bei steigender Lebenserwartung. Dänemark und die Niederlande koppeln ihr Pensionsalter an sie, das schafft Planbarkeit und hält das Thema aus dem Wahlkampf.

Verwertung statt Förderung. Österreich investiert 3,34 Prozent der Wirtschaftsleistung in Forschung, EU-weit Platz drei, im Innovation Scoreboard nur Rang acht. Wir finanzieren Forschung erstklassig und übersetzen sie zweitklassig in Produkte. Förderungen sollten daher an Marktergebnisse gekoppelt werden, nicht an gut geschriebene Anträge.

Mehr denn je zählen Leistung und Einsatz statt Hoffnung auf einen Staat, der selbst eine Verschlankung braucht.

Europäischer Exportschlager: Das größte Legoland der Welt steht seit 2025 nicht in Dänemark, sondern in Schanghai. Credit: Thomas Reiter

Das ist kein Grund für Pessimismus. Europa hat schon große Träume verwirklicht, und keiner davon war einfach oder unumstritten. CERN entstand 1954, neun Jahre nach dem Krieg, als zwölf Staaten ein gemeinsames Labor bauten, in dem Jahrzehnte später das World Wide Web erfunden wurde. Airbus startete 1970 als Konsortium gegen eine amerikanische Dominanz, die als unangreifbar galt, und lieferte 2025 mit 793 Maschinen mehr Verkehrsflugzeuge aus als Boeing mit 600.

Erasmus wurde 1987 erst nach langem Streit über Rechtsgrundlage und Finanzierung beschlossen, begann mit rund 3.000 Studierenden und hat seither mehr als zehn Millionen Menschen in einem anderen EU-Mitgliedstaat ausgebildet. Binnenmarkt und Währungsunion galten als zu groß zum Funktionieren, heute zahlen rund 360 Millionen Menschen in 21 Ländern mit derselben Währung, seit Jänner auch die Bulgaren.

Nicht die Aufgaben sind größer geworden, sondern unsere Bereitschaft kleiner, den Status quo zu verändern, uns festzulegen und unsere Zukunft aktiv zu gestalten. Jacques Delors legte 1985 ein Weißbuch mit 282 Einzelmaßnahmen vor und schrieb einen Stichtag hinein, den 31. Dezember 1992. Jede Maßnahme hatte einen Termin, und die Einheitliche Europäische Akte ersetzte für den Binnenmarkt die Einstimmigkeit durch Mehrheitsentscheidungen. Der Stichtag wurde bis auf wenige Ausnahmen gehalten.

Träume verwirklichen sich nicht durch Absichtserklärungen und Diskussionen, sondern durch Menschen, die täglich daran arbeiten und dafür geradestehen. Wir müssen es unseren Eltern und Großeltern nur gleichtun.


Über den Autor:

Thomas Reiter führt die Kommunikationsagentur Reiter, die auf Technologieunternehmen und Startups spezialisiert ist. Er bereist China seit 15 Jahren. www.reiterpr.com

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

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.

Montag, Mittwoch und Freitag

AI Summaries

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Was macht eigentlich ein Data Scientist?