(0:00) Unsere Studierenden möchten die Welt verändern. Sie möchten der Wahrheit auf den Grund gehen. Sie möchten Dinge sichtbar machen, die vorher nicht sichtbar sind. Der Theoretiker, die Theoretikerin, die isoliert und weit weg vom Alltag irgendwo in einem Kämmerlein daten und mit Algorithmen hantiert, das hat ausgedient. Das ist ein völlig veraltetes Konzept.
(0:23) Die Hochschule Luzern präsentiert Applied Data Science UNBOXED. Entdecke die Welt der Data Science.
(0:31) Hallo und herzlich willkommen zu unserer ersten Folge. Mein Name ist Christina Stumpenhausen und ich liebe kreative Projekte, wie zum Beispiel diesen brandneuen Podcast hier. Ihr hört es bereits im Hintergrund, es gibt einen guten Grund zum Feiern, denn unser Masterstudiengang Applied Information and Data Science feiert seinen fünften Geburtstag. Dazu haben wir das Studio mit bunten Girlanden dekoriert und selbstgebackenen Schokokuchen mitgebracht. Den Kuchen muss ich zum Glück nicht allein essen, denn meine Gäste Prof. Dr. Andreas Brandenberg und Dr. Patricia Feubli werden mir bestimmt dabei helfen. Hallo zusammen.
(1:04) Hallo Christina. Hallo Christina. Schön, dass ihr da seid.
(1:09) Prof. Dr. Andreas Brandenberg ist Gründer und Leiter des Masterstudiengangs Applied Information and Data Science an der Hochschule Luzern. Andreas ist von Haus aus Ökonometriker und Data Strategist. Bevor er an die Hochschule Luzern kam, leitete er verschiedene Forschungsinstitute und war Dozent und Unternehmer im Bereich der quantitativen Markt- und Konsumentenforschung.
(1:30) Dr. Patricia Feubli ist stellvertretende Studiengangsleiterin. Neben dieser Funktion hat sie auch noch viele andere Funktionen an der Hochschule Luzern inne. Sie ist promovierte Ökonomin und hat als Data Scientist in der Praxis gearbeitet.
(1:43) Mit den beiden spreche ich heute darüber, was den Master so einzigartig macht, für wen er das Richtige sein könnte und warum ein Studium in Applied Information and Data Science eine lohnende Investition in die eigene berufliche Zukunft sein kann. Zu guter Letzt werfen wir einen Blick in die Zukunft und stellen uns vor, wie sich der Studiengang in den nächsten fünf Jahren entwickeln wird. Los geht's!
(2:05) Patricia und Andreas, für alle, die euch vielleicht noch nicht kennen, könnt ihr euch daran erinnern, wie und wann ihr euch genau kennengelernt habt?
(2:11) Ich kann mich noch gut an diese Situation erinnern. Eigentlich wollte ich eine wissenschaftliche Mitarbeitende einstellen. Ich habe danach entsprechende Bewerbungen erhalten und eine ist grossartig herausgestochen, ein tolles Profil, promoviert, junge Frau, dynamisch aus dem Bereich, wo ich eben jemanden gesucht habe. Dann habe ich mich kurz daran entschlossen, sie zur stellvertretenden Studiengangsleiterin zu machen.
(2:35) Wir haben uns vor vier Jahren kennengelernt am Vorstellungsgespräch. Da habe ich Andreas zum ersten Mal gesehen und mich sofort in den Studiengang verliebt, wie auch, sozusagen, in Andreas und sein Team.
(2:48) Wer euch beide kennt, der weiss, dass ihr ein eingespieltes Team seid. Wie sieht euer Job denn genau aus und was und wer alles gehört noch dazu?
(2:58) Das, was der Studiengang bietet, ist eine Gemeinschaftsleistung. Da wirken sehr viele Leute mit. Selbstverständlich unser Kernteam, unser Kernteam, das aus einer Studienbetreuung, Studienadministration besteht, aus einer kleinen Marketing, kleinen, aber feinen Marketingabteilung und aus dem Programmmanagement. Selbstverständlich sind wir eingebettet in eine grosse Organisation. Der Studiengang wäre nicht möglich ohne die Mitwirkung von vier anderen Departementen. Wir sind ein Studiengang, der auf der Hochschulebene angesiedelt ist und darauf angewiesen ist, dass uns auch andere Departemente Dozierende zur Verfügung stellen. Es ist eigentlich der erste Studiengang in dieser interdisziplinären Ausrichtung und wir sind sehr stolz darauf und das Modell hat sich sehr bewährt.
(3:46) Ja, das stimmt. Der Studiengang ist sehr erfolgreich, seitdem du, Andreas, ihn vor fünf Jahren gegründet hast. Was hat dich damals eigentlich motiviert, diesen Master ins Leben zu rufen?
(3:56) Ich hatte ein kleines AHA-Erlebnis. Ich war schon damals 2017 engagiert in der Frage und in Arbeitsgruppen, was Data Science wohl ist, was Data Scientists können müssen, wie sie ausgebildet werden, was das Berufsprofil ist. Damals war alles sehr, sehr verschwommen, noch nicht klar definiert. Aber was mir sofort aufgefallen ist, ist die Brücke zwischen Technologie und Anwendung, die damals schon ein grosses Thema war. Man hatte recht viele gut ausgebildete vor allem auch Physiker, Statistiker, Mathematiker, die sich in Data Science entwickelt haben und profiliert haben. Was aber gefehlt hat, ist einfach die Brücke zur Anwendung. Und dort ist der Gedanke entstanden, einen Studiengang zu bauen, und zwar der erste in der Schweiz, einen Studiengang zu bauen, der diese Anwendungsseite und technische Seite zusammenbringt. Das ist bis heute unsere Positionierung und wirkt sich eigentlich in ganz, ganz vielen anderen Design-Elementen in unserem Studiengang aus.
(4:54) Deshalb heisst der Studiengang ja auch nicht nur Information and Data Science, sondern der Fokus liegt ganz stark auf der Anwendungsorientierung, sprich auf Applied. Und das spricht ja auch sehr für euren Erfolg.
(5:04) Patricia, du bist auch praktisch von Beginn an dabei als Co-Leiterin. Was fasziniert dich eigentlich an deiner Rolle?
(5:10) Ich arbeite mit sehr, sehr grosser Leidenschaft für diesen Studiengang. Was mich vor allem am Studiengang fasziniert, ist genau diese Philosophie, die jetzt Andreas erklärt hat. Wir vertreten die Philosophie, dass Data Science alles durchdringt und für alle zugänglich sein soll. Und genau das entspricht auch meinem Mindset. Wir haben eine sehr, sehr gute Faculty. Wir haben wunderbare Studierende. Und es ist einfach grossartig, mit ihnen zusammenzuarbeiten und auch mit unserem Team zusammenzuarbeiten. Wir sind ein kleines, sehr feines Team. Wir sind schlagkräftig und wir können tatsächlich sehr viel bewegen. Wir sind rasch unterwegs und innovativ. Und das alles begeistert mich.
(5:48) Das hört und spürt und sieht man auch sofort, wenn man mit euch, den Dozierenden und den Studierenden spricht. Aber wer sind wir? Und vor allem, was machen wir ganz konkret?
(5:56) Hier ein paar Fakten zu unserem Studiengang. Rund 300 Studierende aus über 50 Ländern sind aktuell bei uns eingeschrieben. Davon circa 36% weibliche und 64% männliche Studierende. Die überwiegende Mehrheit arbeitet neben dem Studium. Und unsere Fakultät kann sich sehen lassen. Rund 70 Dozierende bieten fast 60 Lehrveranstaltungen zu Themen wie Big Data in the Cloud, Ethics, Linear Algebra und viele, viele mehr an.
(6:22) Patricia und Andreas, wie beeinflusst dieses Thema, also Applied Data Science, eigentlich euren ganz persönlichen Alltag?
(6:29) Ja, für mich ist dieser Begriffszusatz Applied ganz entscheidend, weil wir fest der Überzeugung sind, dass nicht nur technisches Verständnis, das technische Verständnis von Data Science, von Artificial entscheidend ist, sondern sehr, sehr wichtig ist das Wissen um die Anwendung, um die Monetarisierung dieser neuen Technologien, um die Einbettung in Organisationsprozesse und um das Wissen, wie sich Organisationsprozesse, Produkt- und Servicelandschaften verändern. Ich glaube in der Tat, dass das die echte knappe Ressource ist. Also Wissen, wie man mit diesen neuen Technologien eben Werte schafft, sehr oft wirtschaftliche Werte, aber auch andere Werte, künstlerische Werte, ökologische Werte, soziale Werte.
(7:13) Mein Verständnis für Applied Data Science geht in die genau gleiche Richtung. Ich kann es vielleicht noch in ein paar anderen Worten darstellen. Applied Data Science hat einen Impact, sei dies in Unternehmen, in der Gesellschaft oder auch in Organisationen. Der Theoretiker, die Theoretikerin, die isoliert und weit weg vom Alltag irgendwo in einem Kämmerlein Daten und mit Algorithmen hantiert, das hat ausgedient. Das ist ein völlig veraltetes Konzept. Was wir brauchen, sind Data Scientists, die sowohl ihr Handwerk verstehen, aber auch tief verwurzelt sind in ihrer Domäne, damit sie die Sorgen und Nöte eben genau ihrer Branche verstehen und dementsprechend auch mit Daten darauf reagieren können. Sie sind also sehr stark vernetzt und sehr praxisorientiert. Das verstehe ich unter Applied Data Science.
(7:59) Patricia, du hast es gerade sehr schön gesagt. Data Science hat einen grossen Einfluss auf unser aller Leben. Und ich weiss, dass das Masterprogramm genau diesen Ansatz verfolgt. Was genau macht unser Programm eigentlich so einzigartig und unterscheidet es von anderen, ähnlichen?
(8:13) Es gibt sehr viele technische Angebote im Bereich Data Science, Artificial Intelligence, sehr häufig eben auch stark konzentriert auf technische Fragestellungen, wie das Patricia vorhin angetönt hat. Ich glaube, wir leben "Applied" wirklich in jeder Phase unseres Studiengangs. Das wirkt sich in unserem Modulangebot aus, das wirkt sich in unseren didaktischen Konzepten aus, indem wir beispielsweise unsere Studierenden sehr früh, eigentlich vom ersten Semester an, also von ganz zu Beginn des Studiums, an Anwendungsbereiche, konkrete Anwendungsbereiche heranführen. Bei anderen Studiengängen, eher diszipliniert aufgebauten Studiengängen, ist sehr häufig der Fall, dass diese Anwendungsbereiche dann den Einsatz der Technologien eher gegen Ende des Studiums unterrichtet wird. Also wir haben diese Pyramide sozusagen umgekehrt. Ich glaube, das ist ein sehr, sehr grosser Spezifika. Besonders ist an unserem Studiengang sicher auch, dass wir diesen Studiengang von Beginn weg wirklich seit Start flexibel designt haben. Flexibility by design, sage ich immer. Und das bedeutet, dass unsere Studierenden wirklich zu einem beliebigen Zeitpunkt das Studium starten können, ihre Arbeitsbelastung, ihre persönliche Situation, ihre berufliche Situation anpassen können und frei skalierbar zwischen vier bis acht Semester ihr Studium absolvieren dürfen.
(9:38) Ich sehe das genau gleich und ich glaube auch, dass die Philosophie, die wir hier vertreten, uns einzigartig macht, wie das Andreas bereits schon gesagt hat. Und was sicher ganz speziell ist bei uns, wir sind offen für Quereinsteiger. Wir vertreten die Meinung, dass vor allem das Domänenwissen sehr, sehr wichtig ist und dass Data Science in allen Bereichen des Lebens, der Berufswelt, der Wirtschaft eben Bedeutung hat. Und deshalb sind wir kein disziplinärer Studiengang, sondern interdisziplinär und offen für alle, die sich interessieren, ihre Probleme auch datenbasiert zu lösen.
(10:13) Ich möchte gerne noch einmal auf das Thema Quereinstieg zurückkommen. Viele Studieninteressierte, die keinen technischen Hintergrund haben, fragen sich vielleicht, ob der Master das Richtige für sie ist. Diese und andere Fragen hört ihr ja oft auch in euren regelmässigen Online-Info-Veranstaltungen. Was sagt ihr solchen Menschen? Ist der Master wirklich so schwer, wie man vielleicht denkt?
(10:32) Tatsächlich hört man sehr oft bei Interessentinnen und Interessenten unseres Studiengangs die Frage, habe ich dann eine Chance, wenn ich keinen technischen Background habe? Kann ich dann überhaupt mithalten mit meinen Kolleginnen und Kollegen, die zum Beispiel Informatik studiert haben? Sehr häufige Fragen. Unsere Antwort ist ja. Es gibt am Anfang dieses Delta. Es gibt diese Differenz. Das ist sicher da. Es lässt sich nicht wegdiskutieren. Aber der Studiengang ist auch zeitlich so ausgelegt, dass diejenigen, die noch Defizite haben im technischen Bereich oder vor allem im technischen Bereich, dass die aufholen können. Und sie tun das auch. Das sieht man auch, wenn man unsere Best Student Awards der letzten Semester anschaut. Da hat es dann doch die Mehrheit von Studierenden, die ohne Vorkenntnisse technischer Art oder programmtechnischer Art in unser Studium gestartet sind und eine ganz, ganz tolle Performance geleistet haben. Vielleicht ein zweiter Punkt, das ist eher ein Softfaktor, aber den finde ich schon auch sehr wichtig.
(11:33) Unsere Dozierenden leisten einen hervorragenden Job. Es ist überhaupt nicht einfach, mit Studierenden in der gleichen Klasse mit sehr unterschiedlichen Eingangsvoraussetzungen und Eingangskompetenzen ein gemeinsames Lernziel zu erreichen. Sehr viele unserer Dozierenden leben diesen Coaching Approach. Also die fördern individuell und versuchen, individuell mit den Studierenden ihre Ziele zu erreichen. Finde ich eine grossartige Leistung.
(12:00) Ich werde auch in Eignungsgesprächen oftmals mit solchen Berührungsängsten konfrontiert, gerade Studierende oder Interessierte, die keinen technischen Background haben oder noch keine Programmiersprache kennengelernt haben, haben oft etwas Berührungsängste. Die sind aber unbegründet, weil wir starten im ersten Semester wirklich bei den Basics. Das heisst, wir holen alle Studierenden dort ab, wo sie sich gerade befinden. Und wir wissen ja, dass wir Quereinsteiger bei uns haben. Das heisst, wir bieten ihnen auch zusätzliche Hilfsmittel, zum Beispiel über Online-Plattformen, die viel Lernmaterial zusätzlich noch haben, damit sich diese Studierenden rasch in die Thematik einarbeiten können. Was wir auch beobachten, was sehr schön ist, dass die Studierenden sich gegenseitig helfen. Also die technisch orientierten Studierenden helfen anderen Studierenden, wenn es um Programmiersprachen geht zum Beispiel. Und die managementorientierten Studierenden helfen dann den technisch orientierten Studierenden, wenn es um Projektmanagement geht und so weiter.
(13:04) Der Community-Gedanke spielt eine grosse Rolle. Ihr habt es gerade sehr schön beschrieben. Und ein Studiengang lebt halt auch von Menschen.
(13:10) Andreas, du bezeichnest viele unserer Studierenden als Idealisten. Was genau meinst du denn damit?
(13:16) Das ist etwas, was ich damals oder zu Beginn, als ich diese Eintrittsgespräche noch selbst geführt habe, sehr häufig gehört habe. Unsere Studierenden möchten die Welt verändern. Sie möchten der Wahrheit auf den Grund gehen. Sie möchten Dinge sichtbar machen, die vorher nicht sichtbar sind. Und sehr viele unserer Studierenden setzen sich auch ein für Fragen aus dem Bereich Nachhaltigkeit, soziale Themen, ökologische Themen. Das sieht man dann auch bei der Wahl unserer Masterarbeitsthesis, wo es doch erfreulich viele Arbeiten gibt, die sich eben mit eher übergreifenden gesellschaftlichen, ökologischen, sozialen Themen befassen.
(13:55) Ja, das Thema Nachhaltigkeit spielt, wie du es gerade gesagt hast, Andreas, eine grosse Rolle. Nicht nur während unseres Studiums, sondern auch darüber hinaus.
(14:02) Wenn wir aber nochmal unser Programm genauer unter die Lupe nehmen, könntest du, Patricia, bitte noch einmal umreissen, welche Big Topics, also Kernthemen, bei uns auf der Agenda stehen. Also was lernen die Studierenden eigentlich so bei uns?
(14:14) Wir bilden unsere Studierenden entlang der gesamten Datenwertschöpfungskette aus. Das heisst, sie starten bei Data Engineering und Database Management, um die Daten überhaupt bereitstellen zu können, dann geht es natürlich über den ganzen Analytics-Teil, das heisst Machine Learning, bis hin zu Visualisierung und Storytelling, um eben die Geschichten hinter den Resultaten und den Daten zu erzählen. Dann besprechen wir aber auch datenbasierte Geschäftsmodelle, ethische Fragen, die sehr, sehr wichtig sind, schon immer waren und nun deutlich mehr an Bedeutung gewinnen und auch Management-Themen, weil Data-Science-Projekte immer sehr komplex sind. Und wie das Andreas vorhin schon gesagt hat, unsere Studierenden erhalten sehr, sehr früh Einblicke in verschiedene Domänen, um eben herauszuspüren, wie Data Science in unterschiedlichen Branchen, in unterschiedlichen Industrien gelebt wird. Denn zum Beispiel Data Science im Bereich Healthcare ist mit ganz anderen Herausforderungen konfrontiert als Data Science im Bereich Supply Chain Management.
(15:17) Ich glaube, es ist ein ganz wichtiges Element unseres Studiengangs, dass wir hochmodularisiert sind. Unsere Studierenden kommen aus sehr, sehr unterschiedlichen Bereichen und wollen in ganz unterschiedliche Bereiche hin. Und dazwischen liegt unser Studium und es muss möglich sein, dass sich die Studierenden ganz individuell in unserem Studium entwickeln können. Und da hilft unsere modulare Struktur mit vielen Wahloptionen sehr.
(15:42) Ja, und ein Studium kann in der Tat eine grosse Herausforderung sein. Andreas, du sagst unseren Studierenden immer wieder bei unseren Willkommensveranstaltungen, der Master ist kein Walkthrough-Master. Also es geht um Teamwork, es geht um das gemeinsame Ziel, das Entwickeln eines gemeinsamen Spirits. Aber letzten Endes muss man sich selbst durchs Studium durchbeissen. Weshalb lohnt sich der ganze Aufwand und vielleicht auch ein bisschen Stress trotzdem?
(16:06) Ich glaube, und das bestätigt sich auch in Gesprächen mit unseren Absolvent:innen, es geht ihnen eine neue Welt auf. Ich glaube, unser Studiengang ist prädestiniert dank seiner Offenheit, dank seinem starken Anwendungsbezug, er ist prädestiniert, dass junge Absolvent:innen wirklich eine neue berufliche Orientierung kriegen. Sie finden teilweise schon während des Studiums neue Jobs, in neuen Bereichen, in datenorientierten, datenfokussierten Bereichen oder dann spätestens mit dem Eintritt in den Arbeitsmarkt. Also ich glaube, es gelingt unserem Studiengang den Leuten, den Absolventinnen, Absolventen völlig neue berufliche Perspektiven zu öffnen.
(16:49) Hier kann ich noch eine sehr schöne Anekdote bringen. Andreas, das hast du wahrscheinlich auch schon oft erlebt, aber an unserer letzten Diplom-Feier ist ein Absolvent auf mich zugekommen und hat mir gesagt, vielen lieben Dank für das Studium. Jetzt konnte ich endlich den Job bekommen, den ich mir immer gewünscht habe. Das sind dann die ganz, ganz schönen Momente.
(17:09) Fallen euch spontan weitere Momente oder Situationen ein, die euch in Erinnerung geblieben sind?
(17:15) Ja, für mich sind es eigentlich drei Dinge. Das Erste ist eigentlich, dass wir das Riesenglück hatten, mit einer ganz tollen ersten Studierendenkohorte zu starten. Wir sind gemeinsam in diesen Studiengang eingestiegen. Es gab keine Legacy, er wurde noch nie durchgeführt. Und für mich sind die ersten paar Studierendengenerationen auch Gründergenerationen. Das sind Pioniergenerationen und das hat uns enorm geholfen. Das ist vielleicht das Erste, was für mich sehr, sehr eindrücklich war. Das Zweite ist, dass wir so eine Art Co-Creation leben in unserem Studiengang. Das heisst, das Studien- oder Programmmanagement diktiert die Inhalte nicht einfach ohne Weiteres und hat das Gefühl, dass es ihnen klar ist, in welchen Bereichen welche Kompetenzen ausgebildet werden müssen, sondern wir beziehen unsere Studierenden ein. Viele unserer Studierenden haben Erfahrung aus der Berufswelt, sind tagtäglich mit datenbasierten Themen befasst, konfrontiert und können sehr wohl äusserst wertvolle Inputs zur Gestaltung des Studiums liefern. Ich glaube, das ist ein grosses Merkmal, also dieses Design des Curriculums von unten herauf, von Seite der Anwendung. Und das Dritte, das ist das, was mich eigentlich immer am meisten berührt an diesen Diplom-Feiern, ist, dass wenn Eltern unserer Absolvent:innen zu uns kommen und wirklich glücklich sind und sehr häufig auch Eltern mit einem Migrationshintergrund, die sich wirklich bedanken. Und da wird mir jedes Mal bewusst, und das berührt mich auch immer sehr, dass ein Studium eigentlich ein Familienprojekt ist. Ist eine Einzelleistung, klar, man muss durch, aber es ist eigentlich ein Familienprojekt. Dieser Aspekt, also dieser weitere Rahmen der Menschen um unseren Studiengang herum, die für uns gar nicht sichtbar sind, das finde ich eine ganz tolle Geschichte.
(19:04) Nun unsere Frage an euch. Was haltet ihr von unserem Masterstudiengang? Schreibt uns gerne auf LinkedIn einen Kommentar. Ihr findet uns unter dem Suchbegriff Hochschule Luzern minus Applied Data Science. Wir freuen uns über eure Meinungen.
(19:17) Vielleicht haben wir ja auch mit dieser Folge euer Interesse an unserem Masterstudiengang geweckt. Alle Infos dazu findet ihr unter www.hslu.ch/master-ids.
(19:28) Ihr habt es ja schon erwähnt, unsere Diplom-Feiern. Wir haben jetzt im Herbst über 100 Absolventinnen und Absolventen feierlich verabschiedet. Was macht man denn dann nach dem Studium?
(19:38) Unsere Absolventinnen und Absolventen landen am Ende des Tages in ganz unterschiedlichen Positionen, weil unser Studium auch eben sehr unterschiedliche Profile zulässt. Wir beobachten ganz genau, wo unsere Absolventinnen und Absolventen schlussendlich eine Stelle erhalten. Das ist für uns ein Qualitätssignal. Wir beobachten, dass unsere Studierenden, wie das Andreas schon gesagt hat, bereits teilweise während der Masterarbeit in einen Data Science Job wechseln. Das kann bei ganz grossen Unternehmen sein. Viele Studierende übernehmen aber auch einen sehr verantwortungsvollen Job in kleineren Unternehmen, in denen sie die Digitalisierung, den ganzen Data Science Bereich vorwärtsreiben. Wir haben aber auch Studierende bzw.Absolventinnen und Absolventen, die ihre eigene Firma gründen und dann so gemeinsam unterwegs sind.
(20:29) Andreas, du hast den Studiengang gegründet, das habe ich eingangs schon erwähnt. Aber welche Vision hast du denn für den Studiengang? Wie sollte er sich bestenfalls entwickeln?
(20:38) Ich glaube, der Job der Hochschulen wird immer schwieriger. Gerade wenn man unseren Bereich anschaut, Data Science, Artificial Intelligence, man mag sich gar nicht vorstellen, was in drei Jahren, schon gar nicht, was in fünf und schon gar überhaupt nicht, was in zehn Jahren sein wird. Wie diese Technologien und unsere Produktlandschaft, unsere Organisation, die Art, wie wir arbeiten, verändern werden. Und für ein Hochschulsystem, das sehr stark in Studiengängen denkt, Planungszeiten von drei und mehr Jahren hat, relativ früh sich auf Inhalte verpflichten muss, die dann angeboten werden sollen. Ich glaube, die Entwicklung in unserem Bereich überfordert ein Hochschulsystem. Deshalb arbeiten wir an einem Konzept, wo wir Praxis- und Hochschulausbildung zu einem früheren Start zusammenbringen möchten und den Studierenden eigentlich zukunftsorientierte Kompetenzen beibringen möchten. Ich glaube, diese Integration von Praxisarbeit und von Hochschulausbildung ist ein ganz, ganz wichtiger Entwicklungsschritt. Und dieser Schritt wird uns in den nächsten Jahren begleiten. Er wird unser Studienprogramm auch verändern, aber ich glaube, in eine gute, in die richtige Richtung.
(21:54) Patricia, wenn wir noch mal zurückkommen auf das Thema ChatGPT in der Lehre, was kannst du dazu sagen? Wie gehen wir damit um?
(22:00) Ein sehr, sehr wichtiges Thema, auf jeden Fall. Die gesamte Landschaft der Generative AI wird unsere Berufstätigkeit, unsere Rollen fundamental ändern, auch im Bereich Data Science. Wir wissen noch nicht genau, wie unsere Rolle als Data Scientist in Zukunft aussehen wird. Mit dieser Unsicherheit müssen wir leben. Wir versuchen, so frühzeitig wie möglich diese Technologien zu integrieren, im Unterricht, im Prüfungswesen, in unserer Ausbildung. Und es beschäftigt uns alle, die Hochschule insgesamt, uns auch. Wir versuchen hier einfach mit der Entwicklung mitzugehen und sozusagen auch mitzugestalten, wie Generative AI auch im Bereich Data Science zur Anwendung kommt und wie wir unsere Leute ausbilden in diesem Bereich.
(22:51) Ich glaube, zu dem, was Patricia gesagt hat, wird es noch ein paar Änderungen geben. Es werden in Zukunft noch Kompetenzen gebraucht werden, die wir jetzt noch nicht ausbilden. Diese Künstliche Intelligenz löst viele Probleme, aber sie schafft auch sehr viele neue Probleme. Zwei Dinge, glaube ich, sind in Zukunft enorm wichtig. Das erste ist das ganze Thema Explainable AI, dass sich Algorithmen erklären, diese Blackbox öffnen, dass man eine gewisse Sicherheit hat oder bestimmte Informationen, weshalb Algorithmen zu diesen und jenen Ergebnissen gelangen. Und die zweite ganz, ganz wichtige Fähigkeit wird in Zukunft sein, falsche von richtigen Informationen oder vollständige von unvollständigen Informationen zu unterscheiden. Das ist etwas, was in vielen, vielen Bereichen eine zentrale Rolle spielen wird. Und ich glaube, dass sich da auch ganz neue Geschäftsfelder öffnen werden. Wenn es jemandem, einem Anbieter gelingt, sozusagen Informationen zu labeln, zu verifizieren, plausibilisieren und dann für richtig zu erklären, ich glaube, das ist ein Riesengeschäftsfeld. Und ich weiss, dass unterschiedliche Firmen in diesen Bereichen bereits tätig sind. Also Künstliche Intelligenz wird eine ganz grosse Rolle spielen, auch in unserem Studiengang. Es wird aber ganz bestimmt dazu führen, dass wir in Zukunft noch andere Dinge ausbilden werden.
(24:17) Andreas, du hast den Begriff Blackbox erwähnt. Unser Podcast heisst ja Applied Data Science UNBOXED. Das heisst, wir möchten Einblicke gewähren in das Feld Data Science. Und wir haben jetzt viel auch über die Vergangenheit geredet, aber vor allem über die Zukunft. Apropos Zukunft, meines Wissens ist kein KI-Programm in der Lage, uns die Zukunft vorherzusagen. Aber ich schlage uns etwas anderes vor. Wir benutzen eine Zeitkapsel. Das ist ein langes, zylinderförmiges Gefäss aus Edelstahl, wasserfest und zeitüberdauernd. Und mit unserer Zeitkapsel können wir den Menschen in der Zukunft etwas über unser Leben und die Welt von heute erzählen. Und ganz zufällig hätte ich auch eine hier dabei im Studio. Wenn ihr möchtet, habe ich hier zwei kleine Kärtchen und Stifte mitgebracht. Und ihr habt jetzt die Chance, eure ganz persönliche Botschaft hineinzuschreiben. Vielleicht auch ein Glückwunsch zum fünften Geburtstag des Studiengangs. Ja, legen wir mal los.
(25:04) Also ich werde etwas zu unseren Absolventinnen und Absolventen schreiben.
Es wäre toll, dass, wenn diese Zeitkapsel irgendwann in ferner Zukunft geöffnet wird, dass man sich dort dann an Absolventinnen und Absolventen erinnert, die mit dem, was sie hier gelernt haben, etwas Gutes getan haben. Sei es im sozialen, ökologischen Bereich, sei es als Unternehmensführer, sei es als Top-Spezialisten, sei es in der Forschung, wo auch immer. Es wäre schön, wenn unser Studiengang Spuren hinterlässt, da draussen, das würde mich echt stolz machen. Das wäre mein grosser Wunsch.
(25:43) Ich werde meine Karte mit einem Wunsch ausfüllen, und zwar, dass die nächsten fünf Jahre genauso erfolgreich werden wie die vergangenen fünf Jahre, dass unsere Entwicklung so weitergehen möge und dass wir weiterhin so innovativ unterwegs sein können.
(26:01) Auf dass alle unsere Wünsche in Erfüllung gehen.
(26:05) Sehr schön. Vielen Dank dafür. Und danke, dass ihr, Patricia und Andreas, heute meine Gäste wart. Es hat sehr viel Spass gemacht, mit euch zu reden.
(26:17) Liebe Data-Science-Begeisterte, wir hoffen, dass euch diese Episode gefallen hat. In der nächsten Episode sprechen wir über die Karrierewege unserer Alumni. (26:26) Ihr dürft euch freuen. Abonnieren lohnt sich. Mein Name ist Christina Stumpenhausen. Schön, dass ihr dabei wart bei Applied Data Science UNBOXED, ein Podcast der Hochschule Luzern. Bis zum nächsten Mal.