Channel

Ecosystem

Bawag Hackathon

24 Stunden Pizza und Programmieren: Studierende holen Data Science nach Österreich

Gegenseitiger Erfahrungsaustausch bringt meistens nicht nur mehr Wissen, sondern wirkt auch entsprechend motivierend. Das gilt besonders in einem schnell-lebigen und -lernenden Bereich wie Data Science. Ein Hackathon kann da einen richtigen Boost auslösen. Zu einem solchen trudeln am Freitagmorgen die Teilnehmer im Studio 28 des Startup & Innovation Hub weXelerate ein. In Turnschuhen und mit Laptop-Rucksack. Vom zweiten Stock sehen sie auf den Donaukanal, wenn am Bildschirm schon die Zahlen verschwimmen. Raummiete und Verpflegung sponsern TCI Consult und die Bawag Group. Letztere stellt auch die Datensätze zur Verfügung. In Teams werden 18 Millionen Zeilen analysiert, ein Vorhersagemodell entwickelt und visualisiert.

2.000 Euro Preisgeld

Die jungen Entwickler vertiefen sich an den beiden Hackathon-Tagen in die Analyse von synthetische Datensätzen aus dem Bankbereich, die in Kooperation mit dem Wiener Startup „Mostly AI“ kreiert wurden. Die Aufgabenstellung haben Experten der Bawag Group im Vorfeld aufbereitet. Sie erforderten von den Teams sowohl analytisches Geschick als auch Kreativität. Je Datensatz wurden zwei Challenges gelöst. Die Gewinner-Teams durften sich insgesamt über ein Preisgeld von 2.000 Euro freuen. Im Rahmen von Impulsvorträgen konnten die Teilnehmer zudem ihr technisches Know-how vertiefen.

Hinter dem ganzen Projekt steht Tobias Krause. Der Student ist vor einem Monat aus den USA zurückgekehrt. Das letzte halbe Jahr dort hat ihn bestätigt: Jedes Unternehmen braucht irgendwann Statistik und Data Science. Sein Austausch-Semester führte ihn an die University of Chicago, wenige Häuserblocks von Obamas Heimat entfernt. „Die Welt bewegt sich schnell, es passiert viel. Europa muss investieren, um mithalten zu können“, sagt er. „Das heißt jetzt kein neues Google zu gründen, aber in Europas starken Branchen wie dem Automotivbereich und in punkto Schwarmintelligenz gibt es gute Chancen. Da muss man Datenwissenschaft pushen!“, meint Krause.

Eigentlich wollte er Data Science studieren, aber damals 2015 gab es nur einen Bachelor in Holland. Also entschied er sich für Statistik und holte interessierte Studienkollegen zusammen, um als Data Science Initiative Vorträge und Workshops über die Programmiersprache Python und über neuronale Netze zu organisieren. Die studentische Initiative war der erste Schritt in Österreich. Schnell kamen bei den Veranstaltungen 50 bis 60 Studierende zusammen.

12 neue Professuren für Data Science

Zwei Monate später gründete sich auf der Wirtschaftsuni die Data Science Society, Mittlerweile haben die Universitäten die Dringlichkeit erkannt. Die Uni Wien schuf die Forschungsplattform „Data Science @ Uni Wien“ und hat nun 12 Professuren ausgeschrieben. „Derzeit gibt es in Österreich eine große Nachfrage nach qualifizierten Personen, die mittels Datenanalyse Vorhersagen erstellen und damit Entscheidungen effektiv unterstützen. Deshalb zielt die studentische Data Science Initiative darauf ab, Studierende der Universität Wien auf die Herausforderungen am Data Science Markt vorzubereiten“, sagt Krause. An Data Science faszinieren ihn insbesondere die vielfältigen Anwendungsgebiete von Algorithmen und die Geschwindigkeit, in der neue Methoden entwickelt werden. Die Initiative soll Studentinnen und Studenten helfen, sich über die Techniken auszutauschen. Und so fand im Juli 2018 der erste Hackathon statt. Leute sollen aus der Praxis lernen und young professionals vor den Vorhang geholt werden.

„Einen richtigen Abschluss gib es in diesem Bereich ja noch gar nicht“

Zirka 20 Prozent der Teilnehmer sind schon voll im Berufsleben, 80 Prozent Studenten. Einer von ihnen ist Clemens Holzkorn. „Solche Events sind super, weil man sein Können zeigen kann. Einen richtigen Abschluss gib es in diesem Bereich ja noch gar nicht“, sagt der VWLer, der jetzt Wirtschaftspädagogik studiert. Die TU startete ein Masterprogramm vergangenes Wintersemester, an Fachhochschulen nimmt man sich des Themas an, doch großteils stammt all das Wissen in Österreich durch autodidaktisches Lernen zum Beispiel über Onlinekurse wie Coursera und Udemy. „Ich habe aus Büchern gelernt und geh immer wieder zu den Vorträgen“, erzählt er. Beim letzten Wettbewerb ging es um Daten eines Freizeitparks. Gefragt war ein Vorhersagemodell: An welchen Tagen werden wie viele Besucher erwartet?

Gute Kombi: Statistik und Psychologie

„Das ist schon ziemlich scary am Anfang“, erzählt Krause. Aber mit anderen tauscht man sich aus und hat man rasch Erfolgserlebnisse. „Bei Hackathons lernt man echt viel“, findet Christine Ning. Sie ist eines der acht Gründungsmitglieder der Data Science Initiative und studiert Statistik und Psychologie. „Man kann mit Daten viele spannende Dinge herausfinden und kommt zu neuen Wissenserkenntnissen“, sagt sie. Die Psychologie hilft ihr dann beim Interpretieren. Data Science komme im Bachelor wenig vor. „Programmieren habe ich schon im Bachelor Statistik gelernt. Die Anwendungen von Vorhersagemodellen bei großen Datensätzen erst durch die Initiative“, erzählt Ning.„Generell möchte ich etwas Positives zur Gesellschaft beitragen und das Leben angenehmer machen. Je akkurater eine Zeitanzeige vorhersagt, wann der nächste Zug kommt, desto besser“, nennt sie ein Beispiel aus der Praxis. In der Psychologie sei es schwer an Daten zu kommen. Sie erzählt von einem cleveren Fall: „Die Forscher haben einen Selbsttest auf Facebook eingesetzt, mit Fragen zu persönlichen Charaktereigenschaften. Zusätzlich hatte man noch die Daten, welche Seiten geliked wurden.“

Die männerlastige Informatik

Ning klassifiziert Bilder für ein Forschungsprojekt und arbeitet auch für ihr Praktikum bei A1 viel mit Daten. Beim Hackathon ist sie mit dem Sinologie- und Informatikstudenten Daniel Lang im Data Science Initiative Team, das sich außer Konkurrenz engagiert hat. Die beiden versuchen den großen Datensatz, der anonymisiert und synthetisiert Bankabhebungen von Bankomaten darstellt, zu nutzen. Datenset 2 umfasste Kreditkartentransaktionen. Die Aufgabenstellung: Alter und Postleitzahl vorhersagen, Schlüsse für den Standort und die Zukunft zu ziehen und die Daten kreativ visualisieren. „Bankkunden tätigen eine Vielzahl ihrer täglichen Bankgeschäfte bereits über digitale Kanäle. Junge Entwickler haben ein gutes Gespür für User Experience-Themen und liefern interessante und neue Ansätze bei der Datenanalyse“, sagt der Chief Financial Officer der Bawag Group, Enver Sirucic. Die Bank möchte außerdem als Arbeitgeber für junge und technik-affine Talente bei solchen Events Präsenz zeigen. Sie kooperiert aktuell mit einigen nationalen und internationalen FinTechs, um Technologien und Services für Kunden weiterzuentwickeln und förderte auch im Vorjahr auch den F10 FinTech Hackathon, der von der Schweizer NPO „F10 Incubator & Accelerator“ veranstaltet wurde und ebenfalls im weXelerate stattfand.

Beim ersten Hackathon der Data Science Initiative haben 24 Teilnehmer mitgemacht. Heute sind es fast doppelt so viele gekommen – zirka ein Drittel davon Frauen. Christine Ning findet es schade, dass nicht so viele Frauen dabei sind. Sie erklärt sich das aus ihrem Spezialgebiet der Psychologie – da gehe es viel um Erziehung, Erwartungshaltungen, Vor- und Rollenbilder. Informatik sei recht männerlastig, Statistik und Volkswirtschaftslehre ausgeglichen. Das sind auch die drei Hauptstudienrichtungen im Kreis der Data Scientists hier, aber auch Studierende aus Mathematik, Logik und Sprachwissenschaft sind zum Hackathon eingetroffen.

„Ein Data Scientist ist ein Statistiker aus San Francisco“

Organisator Krause mag das interdisziplinäre, alleine die Uni Wien habe immerhin mehr als 90 Studienrichtungen und als Data Scientist kann man in ganz unterschiedlichen Feldern arbeiten: von physikalischen Applications über die Biologie bis hin zum Banken- und Versicherungswesen. Und was unterscheidet Statistik von Data Science? Erstens geht es verstärkt um das Vorhersagen. Data Scientists gehen in das Businessmodell hinein, das machen die Statistiker nicht. Clemens Holzkorn mag das Analysieren gern und zwar am liebsten im VWL-Bereich: Das Wissen lässt sich ideal verbinden: bei der Regionalanalyse, in der Kostenrechnung und in der Mikro- und Makroökonomie. Zweitens ist alles digitaler. Tobias Krause sagt dazu lachend: „Ich mag den Spruch recht gern: „Ein Data Scientist ist ein Statistiker aus San Francisco.“

Springe zu:

Ganzen Artikel lesen