Über uns
Wer wir sind, was uns motiviert
Team
Wenn sich Manager:innen mit den Kampftermini Industrie 4.0, AI, KI etc. auf den Podien der Welt gegenseitig übertrumpfen, kommt mir mittlerweile ein müdes Schmunzeln aus. Im Grunde geht es immer um Daten, wie man sie sammelt, wie man sie verarbeitet, welche Usecases daraus entstehen und schon vorhanden sind und vor allem deren operative Umsetzung. Gerade letzteres beschäftigt mich die letzten Jahre meiner beruflichen Karriere. Wie bringe ich meine Daten an zentrale Stellen? Wie speichere ich sie performant? Wie mache ich sie hochverfügbar und wie vereine ich die wissenschaftlichen Ansätze mit praktikablen Businessanforderungen. Diesen Themen wurde bisher noch zu wenig Aufmerksamkeit geschenkt. Als ich damals beim ersten Industrial Data Science Meetup von Thomas und Stefan als Gast teilnahm, habe ich dafür endlich eine Plattform vorgefunden und es war klar, dass ich mich dem Organisationsteam anschließe, um den Austausch weiter voranzutreiben.
In meinem Kunststofftechnik Studium habe ich mich das erste mal mit datenbasierten Ansätzen zur Prozessüberwachung beschäftigt. Seit dem setze ich mich immer mit der Frage auseinander, wie man Data Science im industriellem Umfeld aus der Nische spezieller Anwendungen hin zum profitablen Geschäftsbestandteil bewegt. Und wie setzt man die neuesten AI-Entwicklungen so um, dass sie von produzierenden Unternehmen im Alltag verwendet werden können? Ich organisiere das industrial data science meetup mit, weil ich genau wie Stefan und Christoph überzeugt bin, dass wir diese Herausforderungen am besten durch den gemeinsamen Austausch überwinden können.
Als theoretischer Physiker, der lange auf dem Gebiet der String Theorie und Hochenergie Physik forschte mag ich es Rätsel mit der Hilfe von Mathematik zu lösen. Schon in dieser Zeit interessierten mich machine learning Algorithmen und deren Anwendungsmöglichkeiten. Als ich mich schließlich genauer mit diesem Thema als Data Scientist in der Industrie auseinandersetzte, offenbarten sich schnell die vielen anderen Aspekte die zu berücksichtigen sind um Projekte erfolgreich umzusetzen. Neue Use cases abseits der prototypischen zu finden ist langwierig und hart. Damit funktionierende Algorithmen genutzt und akzeptiert werden, müssen sie oft in bestehende Systeme integriert werden, der Entwicklungsaufwand steigt. All diese Faktoren sind in einem Projekt, vor allem als Einzelperson, schwierig umzusetzen. Um dies zu erleichtern gründete ich dieses Netzwerk um sich auszutauschen und voneinander zu lernen.