Stell dich bitte kurz vor.

Hi! Ich heiße Sebastian und arbeite seit fünf Jahren als Application Engineer bei MathWorks, der Firma hinter MATLAB und Simulink. In meinem Beruf habe ich es meistens mit Unternehmen aus Industrie und Technik zu tun. Meine Data Science Projekte drehen sich also eher um Anwendungen wie Predictive Maintenance als um Chatbots und Recommender Systems. Ich bin noch nicht ganz vierzig Jahre alt und wohne in München. Ich liebe komplexe Autoren-Brettspiele und TTRPGs. Gemeinsam mit Freunden brauen wir unser eigenes Bier.

Erzähl uns etwas über deinen Weg.

Was hast du schon gemacht/erlebt?

Wie bist du hierhin gekommen?

Eigentlich habe ich einen Background im Maschinenbau. Wobei ich mich immer am meisten für die Modellierung, Simulation, und Datenauswertung interessiert habe. Das habe ich auch ein paar Jahre beruflich für einen Nutzfahrzeughersteller gemacht. Davor an der TU München habe ich zu datengetriebener Modellierung dynamischer Systeme geforscht. Ziel war es zum Beispiel riesige fluiddynamische Simulationen von Gasturbinen durch kleinere, schnellere Modelle zu ersetzen. Und von dieser klassischen Systemidentifikation hin zu Machine Learning und Data Science war es dann kein allzu großer Schritt. Gleichzeitig hat sich mit diesem Schritt auch meine Rolle geändert vom Entwickler hin zur Schnittstellenfunktion mit viel Kundenkontakt.

Welches Thema wirst du auf der Data Science Mania

beleuchten/unter die Lupe nehmen?

Meine Aufgabe ist es, unsere Kund*innen bei ihren Projekten im Bereich Data Science zu unterstützen. Das heißt auch zu ermitteln, welche Voraussetzungen sie selbst schaffen müssen. Viele meiner Kund*innen kommen aus der Industrie und Technik und haben wenig bis gar keine Erfahrung mit Data Science und KI. Manchmal gibt es Initiativen, die top-down vom Management gewünscht sind, aber es hat sich niemand Gedanken gemacht über einen Anwendungsfall, der machbar ist und einen Mehrwert bringt. Viele unterschätzen auch, wie viele unterschiedliche Rollen an so einem Projekt beteiligt sein können, und es kann Missverständnisse geben, zum Beispiel darüber was eine KI kann und was nicht. In einem idealen Projekt verstehen sich die einzelnen Personen persönlich wie fachlich. Sie sind motiviert, denn sie wissen warum sie etwas tun, und haben Zugang zu allem, was sie für ihre Arbeit benötigen. Was man tun und unterlassen sollte, um diesem Ideal möglichst nahe zu kommen, darüber möchte ich in meinem Vortrag sprechen.

Warum bist du bei der Data Science Mania dabei?

Mich hat die Idee einer nicht-technischen Konferenz sehr angesprochen. Anstatt noch effizienterer Algorithmen sollte uns vielmehr interessieren, ob wir eigentlich das Richtige tun. Und was braucht es, um uns dazu zu befähigen? Ich wünsche mir, dass mein eigener Vortrag vielleicht anderen Frustration erspart und freue mich darauf selbst Neues zu lernen im persönlichen Austausch mit allen Teilnehmer*innen und Vortragenden.

Vielen Dank!