Zuerst zu dir persönlich: Welche Hashtags beschreiben dich am besten?
#lifelonglearning #analytics #connected
Erzähl uns mehr zu den Hashtags.
Wenig überraschend sind meine Hashtags im Bereich Technologie und Analytik zu finden. Ich bin der Meinung, dass besonders im Bereich der Informationstechnologie kontinuierliches Lernen unerlässlich ist. In diesem dynamischen Umfeld ist die Bereitschaft sich ständig weiterzuentwickeln wohl die wichtigste Eigenschaft.
Die Technologie verändert sich laufend und bietet dadurch die Möglichkeit sich mit neuen Aufgabenstellungen auseinanderzusetzen. Zudem müssen durch den fortwährenden technologischen Fortschritt auch bereits bestehende Lösungen laufend überdenkt und gegebenenfalls überarbeitet werden. Nur wer es schafft sich mit aktuellen Informationen zu versorgen, ist in der Lage komplexe analytische Problemstellungen effektiv und effizient zu bewältigen. Aus den oben genannten Gründen habe ich mich für die Laufbahn als Data Scientist entschieden. Ich möchte stets mit neuen Herausforderungen konfrontiert werden, um eine noch bessere Lösung zu finden. Durch ständige Weiterentwicklung, hervorragende Vernetzung und dem richtigen analytischen Werkzeug ist es mir möglich Projekte erfolgreich und nachhaltig umzusetzen.
Nun zu deiner beruflichen Tätigkeit: Was machst du bei Endress+Hauser Flow?
Bei Endress+Hauser Flow bin ich ein Teil des Industrial Engineering Teams, welches dafür verantwortlich ist, Produktionsprozesse zu implementieren, überwachen und zu verbessern.
Mein Aufgabenfeld ist durch die Doppelrolle als Data Engineer / Data Scientist sehr breit gefächert und umfasst ein grosser Teil der digitalen Wertschöpfungskette. Als Data Engineer beschäftige ich mich mit der Bereitstellung und Vorverarbeitung von Daten aus verschiedenen Datenquellen. Ziel dabei ist es, die Daten für die nachfolgenden analytischen Prozesse oder für BI-Aktivitäten bereitzustellen. In der Rolle als Data Scientist setze ich anschliessend an dem Punkt an, wo die bereitgestellten Daten zu Erkenntnissen umgewandelt werden sollen.
Somit bin ich von der Datenbereitstellung, der Verarbeitung über Datenpipelines und der Modellierung im Data Warehouse bis hin zu den analytischen Fragestellungen für einen grossen Teil der Informationsverarbeitung verantwortlich. Grundsätzlich fokussiere ich mich jedoch auf den analytischen Teil und die MLOps-Implementation im Unternehmen. Mein Ziel ist es, ein verlässliches und belastbares Fundament für die Analytik der Endress+Hauser Flow zu erarbeiten. Dadurch ist das Unternehmen in der Lage analytische Fragestellungen zu bewältigen. Zu meinen Tätigkeiten gehört auch die Beratung des Managements in Bezug auf Projekte und deren Implementierung. Zudem habe ich als Core-Team Mitglied eine globale Verantwortung für Data Science Plattform und stimme mich dazu mit meinen Kollegen auf Gruppenebene ab, welche Architektur und Lösungen für eine verlässliche Bereitstellung benötigt werden.
Ich sehe mich eher als Konzeptionierer und Umsetzer wie als Berater, denn dafür liegt mir die Analytik und Technik einfach zu sehr.
Was hast du davor gemacht und weshalb bist du Teil der Endress+Hauser Flow geworden?
Bevor ich im Bereich Data Science tätig wurde, habe ich den Bachelor in “Engineering and Management mit Fachvertiefung Supply Chain Management” an der FHNW absolviert. Bereits während des Studiums habe ich bemerkt, dass mir mathematische und analytische Problemstellungen besonders liegen.
Nach dem Studium arbeitete ich als Projektleiter für Digitalisierungs und Logistikprojekte in einem mittelständigen Unternehmen. Als ich mich für den Masterstudiengang in “Applied Information and Data Science” entschieden hatte, stand fest, dass dies mit einer beruflichen Veränderung einhergeht. Ich bin Teil der Endress+Hauser Gruppe geworden, da das Unternehmen für Innovation und Wandel steht und ich diese Werte teile. Mir ist es wichtig, mit neuen technischen Lösungen Menschen zu begeistern und Werte zu schaffen. Die Endress+Hauser Gruppe ist als führendes Unternehmen im Bereich der Messtechnik international bekannt und bietet ihren Kunden die Möglichkeit ihre Prozesse zu überwachen und zu steuern. Diese Dienstleistungen sind nur durch das Gewinnen und Verarbeiten von grossen Datenmengen möglich. Sie fallen in allen Bereichen der Unternehmung an von der Produktion bis zum eigentlichen Produkt und dessen Betrieb beim Kunden. Mittels analytischer Methoden gelingt es dem Unternehmen ihre Produkte und Prozesse fortlaufend zu verbessern.
Erzähl uns, was das Aufregendste in deinem Job ist.
Grundsätzlich gefällt mir die Vielfalt der Herausforderungen und die Möglichkeit diese im Team durch digitale Technologien zu meistern. Jedes Projekt bietet die Chance sich neu zu erfinden und die bestmögliche Problemlösungsstrategie auszuwählen.
Ob es nun um die Optimierung der Produktion, die Weiterverarbeitung von Sensorwerten, komplexe Prozessmodellierungen oder Kalkulationen anhand von MES-Daten im Process-Mining-Verfahren geht, ich kann täglich neue Ideen selbständig verwirklichen und verschiedenste Algorithmen zur Problemlösung anwenden. Am meisten schätze ich jedoch den aktiven Aufbau der zentralen Datenverarbeitungs-Plattform, wodurch ich einen nachhaltigen Beitrag zum analytischen Fundament der Endress+Hauser Gruppe leisten kann.
Welche Data Scientist Fähigkeiten sind in deinem Job besonders gefragt?
Da ich hauptsächlich in der Konzeption und Implementierung tätig bin, würde ich sagen, dass technische und analytische Fähigkeiten in meinem Job ausschlaggebend sind. Dennoch darf man nie vergessen, dass man im Unternehmen immer auf ein soziotechnisches System einwirkt und somit auch diesen Aspekt immer mitberücksichtigen muss. Data Science ist eine sehr breit gefächerte Disziplin, welche sich kontinuierlich weiterentwickelt und neue Wege geht. Umso wichtiger ist es, sich stets zu hinterfragen, ob diese Lösungsstrategie die beste für das Unternehmen respektive den Kunden darstellt.
Bezeichnest du dich selbst eher als Techie, als Analyse-Freak, als kreatives Genie, als Management Superhero oder als genialer Allrounder?
Ich würde mich als absoluten Techie bezeichnen. Mein Fokus liegt ganz klar in der Konzeption und dem Aufbau von analytischen Konstrukten oder Pipelines. Diese ermöglichen es, auch komplexe Analytik und Machine Learning-Jobs automatisiert und überwacht laufen zu lassen.
Was hat dich während des Studiums (MSc in Applied Information and Data Science) am meisten gepackt?
Am meisten beeindruckt hat mich die Vielfalt der Anwendungsfelder und die Diversität im Feld der Datenwissenschaft selbst. Erst im Studium habe ich gemerkt, wie vielseitig Data Science ist. Sei es durch die Kommilitonen selbst, welche aus ganz unterschiedlichen Bereichen kamen oder durch die Anwendungsfälle und Module.
Positiv zu erwähnen ist auch das grosse Engagement der Dozierenden. Doch auch die vorbildliche Organisation des Studiengangs und die Freiheit seinen Master sehr individuell auszugestalten, habe ich zu schätzen gelernt.
Was sind aktuell die grössten Herausforderungen in deinem Job?
Data Science ist trotz der hohen Bekanntheit doch eine junge Disziplin in Unternehmen. Somit sind Strukturen und Prozesse noch nicht vollumfänglich etabliert, weshalb noch nicht alles reibungslos funktioniert. Diese Herausforderung bietet jedoch auch viel Raum zur Gestaltung und ermöglicht es, eine Firmenkultur langfristig massgebend zu prägen. Mein Ziel ist es, die bestmöglichen Lösungen für meine Arbeitgeber auszuarbeiten, so dass dieser mit einem verlässlichen Fundament in die Zukunft blicken kann. Des Weiteren ist Data Science, wie bereits erwähnt, eine gesamtheitliche Disziplin, welche mit eigenen Prozessen und Mechanismen versehen ist. Diese gilt es nun in die Unternehmung einzugliedern, um die Analytik im Unternehmen nutzbar zu machen.
Welchen Ratschlag würdest du Personen geben, die denselben Job starten?
Einen pauschalen Ratschlag, der für jeden passt, gibt es nicht. Jede Unternehmung kämpft mit eigenen Problemstellungen in den verschiedenen Phasen ihres Bestehens. Data Science als Teilbereich der Digitalisierung und Analytik ist kein Projekt, das abgeschlossen wird, sondern muss vielmehr als Prozess verstanden werden. Wichtig ist hierbei ein holistischer Ansatz und die Fähigkeit zu erkennen, welche Schritte im Prozess gegangen werden müssen. Versucht ein Netzwerk innerhalb der Firma aufzubauen und Fürsprecher für die Vorhaben zu gewinnen. Erst durch Usecases, welche umgesetzt werden, wird der Mehrwert spürbar. Durchsetzungsvermögen und Überzeugungskraft sind ebenso wichtig wie analytische Fähigkeiten. Der Aufbau eines digitalen Ökosystems ist nicht einfach und es gibt keine optimale Lösung, welche man standardmässig implementieren kann. Man ist somit angehalten, wirklich zu verstehen, was die Unternehmung benötigt und wie man nun den nächsten Schritt umsetzen und als dauerhaften Bestandteil einer Wertschöpfung im Unternehmen implementieren kann.
Und nun zum Schluss: Welchen neuen hashtag strebst du 2022 an?
Mein Ziel für 2022 ist es, mich weiterzuentwickeln, neue Projekte zu akquirieren und die bestmögliche technische Umsetzung für mein Unternehmen zu erarbeiten. Auch möchte ich es schaffen, Data Science vom Labor in die Produktion zu bringen und so den Wert von Informationen sichtbar zu machen. Aus diesem Grund bleibt meine Auswahl an Hashtags bestehen.
Herzlichen Dank Stephan Wernli für das aufschlussreiche Interview und die interessanten Einblicke in den Beruf!
