{"id":172879,"date":"2023-03-20T20:11:36","date_gmt":"2023-03-20T19:11:36","guid":{"rendered":"https:\/\/liora.io\/de\/?p=172879"},"modified":"2026-02-06T06:58:24","modified_gmt":"2026-02-06T05:58:24","slug":"data-experts-und-wenn-der-richtige-mitarbeiter-bereits-in-deinem-team-ist","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/data-experts-und-wenn-der-richtige-mitarbeiter-bereits-in-deinem-team-ist","title":{"rendered":"Data Experts: Und wenn der richtige Mitarbeiter bereits in Deinem Team ist?"},"content":{"rendered":"<p><strong>In den letzten Jahren ist die Nachfrage nach Data-Profilen und insbesondere nach Experten f\u00fcr Machine Learning explosionsartig gestiegen. Die Nachfrage ist gro\u00df, aber auch das Angebot w\u00e4chst.<\/strong><\/p>\nObwohl die Talente ungleichm\u00e4\u00dfig \u00fcber die Berufsfelder verteilt sind (folgt man der Burtch Works Studie 2018, nach der 44 % der Data Scientists im Technologiesektor besch\u00e4ftigt sind &#8211; mehr als in den Bereichen Gesundheit, Beratung, Marketing, Einzelhandel, Bildung und Regierung zusammen), tendiert dieser Trend allm\u00e4hlich zum Verschwinden.\n\n<style><br \/>\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style>\n<h3>Weiterbildungen waren lange Zeit zu schwer zug\u00e4nglich<\/h3>\nDer Grund, warum es heute so schwierig ist, Data Scientists zu finden, liegt vor allem darin, dass die <a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Ausbildung in Data Scienc<\/a>e jahrelang auf ein sehr kleines, bestimmtes Publikum ausgerichtet war.\n\nDie wissenschaftlichen F\u00e4cher, die zum Verst\u00e4ndnis und zur Anwendung von KI erforderlich sind, erfordern eine solide Ausbildung und sind der Grund daf\u00fcr, dass es nur wenige Talente auf dem Markt gibt: Fast 60 % der KI-Entwickler haben einen Master in angewandter Mathematik.\n\nUnd je mehr sich der Bereich Big Data auf Unternehmen aller Gr\u00f6\u00dfen und Branchen ausbreitet, desto mehr rei\u00dfen sich die Unternehmen um diese Spezialisten. Dies hat zur Entstehung von spezialisierten Masterstudieng\u00e4ngenan den bekannten Unis und zur Demokratisierung der <a href=\"https:\/\/liora.io\/de\/data-science-und-big-data-im-zeitalter-von-big-data-die-business-intelligence-abloest\">Big-Data<\/a>-Ausbildung im akademischen Bereich gef\u00fchrt. An der franz\u00f6sischen Universit\u00e4t Paris Dauphine wurde beispielsweise 2019 ein neuer Masterstudiengang ins Leben gerufen <strong>(IASD: Artificial Intelligence and Data Sciences).<\/strong>\n\nAndere Hindernisse, wie die Komplexit\u00e4t, Zugang zu gro\u00dfen (oder zumindest relevanten) Datenbanken zu erhalten, haben die Entwicklung und Demokratisierung der Ausbildung in Data Science lange Zeit behindert. Gl\u00fccklicherweise werden neue Initiativen ergriffen, um Daten zu \u00f6ffnen und mit m\u00f6glichst vielen Menschen zu teilen, wie z.B. die <a href=\"https:\/\/www.destatis.de\/DE\/Service\/Datenbanken\/_inhalt.html\">Seite des Statistischen Bundesamtes.<\/a>\n<h3>Wie kommt es, dass sich der Markt ausgleicht ?<\/h3>\nHeute gibt es eine gr\u00f6\u00dfere Anzahl von Data Scientists auf dem Markt. Dieser Trend l\u00e4sst sich durch drei Faktoren erkl\u00e4ren.\n\n<em>Erstens ist das &#8222;reine Wissen&#8220;, das f\u00fcr den Aufbau von Kompetenzen erforderlich ist, dank der Entwicklung von Sprachen wie Python leichter zug\u00e4nglich und leichter umsetzbar. Tats\u00e4chlich macht <a href=\"https:\/\/liora.io\/de\/top-10-der-nativen-python-funktionen\">Python<\/a> das Codieren dank seiner Bibliothek, Scikit-Learn, einfacher, da man mit wenigen Codezeilen Algorithmen testen kann.<\/em>\n\nIn einem zweiten Schritt erm\u00f6glichte der erleichterte Datenzugang den Nutzern, ihr Wissen h\u00e4ufiger in die Praxis umzusetzen, indem sie Use-Cases erstellten. Einer wachsenden Anzahl von Menschen den <a href=\"https:\/\/liora.io\/de\/api-mit-python-datenbank-verbinden\">Zugang zu gro\u00dfen Datenbanken<\/a> zu erm\u00f6glichen, ist die Grundlage des Open-Data-Gedankens. In diesem Sinne wurden auch Schulungen in Data Science ins Leben gerufen, die sich sowohl auf Unternehmen als auch auf Privatpersonen erstrecken.\n\nLetztendlich war es die Verbreitung von leistungsstarken und preisg\u00fcnstigen Maschinen, die die Zahl der Datenprofile exponentiell ansteigen lie\u00df. Der fehlende Zugang zu Rechenressourcen war lange Zeit ein Hindernis f\u00fcr die Entwicklung der Data Science.\n\n<style><br \/>\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/03\/data-science-data-expert-1024x564.jpg\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/03\/data-science-data-expert-1024x564.jpg 1024w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/03\/data-science-data-expert-300x165.jpg 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/03\/data-science-data-expert-768x423.jpg 768w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/03\/data-science-data-expert.jpg 1136w\" sizes=\"(max-width: 800px) 100vw, 800px\" width=\"800\" height=\"441\">\n\nDank der <a href=\"https:\/\/liora.io\/de\/cloud-computing\">Entwicklung von Clouds<\/a>, die die Speicherkapazit\u00e4t erh\u00f6hen, der Technik, aber auch der Systeme zur Vermietung von Maschinen, ist Rechenleistung heute kein Problem mehr, wie es in der Vergangenheit der Fall war. Der Preis f\u00fcr erh\u00f6hte Rechenmaschinen ist extrem niedrig, wenn man bedenkt, welche Auswirkungen sie in einem Unternehmen haben k\u00f6nnen.\n\nDas Zusammenspiel dieser Elemente f\u00fchrt also dazu, dass die Praxis des <a href=\"https:\/\/liora.io\/de\/machine-learning-data-sets-top-5-websites\">Machine Learning<\/a> banalisiert wird. Vor 30 Jahren war die Theorie zwar schon vorhanden, aber es fehlten die Mechanismen, um sie in die Praxis umzusetzen.\n\nDiese Demokratisierung geht einher mit der Verbreitung von Bildungsangeboten im Bereich <a href=\"https:\/\/liora.io\/de\/weiterbildung-data-scientist\">Data Science.<\/a> Sowohl Privatpersonen als auch Fachleute wollen sich weiterbilden und diese neuen, attraktiven Bereiche entdecken, auf der Suche nach neuen Herausforderungen, einer guten Bezahlung oder einfach einem Job in einer angenehmen Branche (75 % der KI-Fachleute sind mit ihrem derzeitigen Job zufrieden).\n\nSich in jedem Alter in diesem Bereich neu zu orientieren, erscheint daher f\u00fcr einige als eine Notwendigkeit. Dar\u00fcber hinaus sorgt der Mangel an Talenten f\u00fcr ein hohes Gehalt, das laut Glassdoor-Studien im Juli 2019 bei rund 70.000 \u20ac pro Jahr liegt.\n\nKI-Entwickler geh\u00f6ren zu den bestbezahlten Entwicklern auf dem Markt und ihre Geh\u00e4lter steigen nur noch: Mehr als die H\u00e4lfte hat in den letzten drei Jahren von einer Gehaltserh\u00f6hung von 20 % oder mehr profitiert, wenn man den auf mmcventures.com kommentierten Studien Glauben schenken darf.\n<h3>Einblick in die Zukunft<\/h3>\nIm Laufe der Zeit werden leichter zug\u00e4ngliche <a href=\"https:\/\/liora.io\/de\/praediktive-wartung-von-aufzuegen-herausforderungen-und-technologien-der-kuenstlichen-intelligenz\">KI-Tools<\/a> und eine wachsende Zahl an qualifizierten Data-Science-Fachkr\u00e4ften daf\u00fcr sorgen, dass das Potenzial der KI voll ausgesch\u00f6pft wird. Sowohl Regierungen als auch Unternehmen und Universit\u00e4ten sollten massiv in diesen Bereich investieren, um ihre jeweiligen Probleme zu l\u00f6sen.\n\nDazu k\u00f6nnten auch vermehrte Bildungsangebote und die vom \u00f6ffentlichen und privaten Sektor zur Verf\u00fcgung gestellten Ressourcen beitragen.\n\nDas Qualifikationsniveau im <strong>Bereich der KI<\/strong> d\u00fcrfte hingegen sinken, da dieser Sektor f\u00fcr immer weniger spezialisierte Entwickler zug\u00e4nglich sein wird. Diese Entwickler arbeiten an Problemen, die sich st\u00e4ndig weiterentwickeln.\n\nW\u00e4hrend die meisten von ihnen im Bereich der neuen Technologien eingesetzt werden, wird die Demokratisierung und die Zunahme von qualifizierten Arbeitskr\u00e4ften im Bereich Data Science den Einsatz von <a href=\"https:\/\/liora.io\/de\/data-analysis\">Data Analysts,<\/a> Data Scientists und Data Engineers in den unterschiedlichsten Bereichen erm\u00f6glichen.\n\nDiese Demokratisierung zeigt sich vor allem im Unternehmensbereich. Laut einer Umfrage von Gartner sind nur 9 % der Unternehmen nicht an KI interessiert. F\u00fcr 14 % der Befragten ist KI bereits in ihrem Unternehmen vorhanden, w\u00e4hrend 23 % sagen, dass sie KI-L\u00f6sungen innerhalb von 12 Monaten und 52 % der Befragten innerhalb von 1 bis 3 Jahren einf\u00fchren werden.\n\nAllerdings k\u00f6nnte es zu folgendem Ph\u00e4nomen kommen: Heutzutage gibt es in den Unternehmen Mitarbeiter, die genug Berufserfahrung haben, um <strong>Data Scientists<\/strong> zu werden. Absolut gesehen verf\u00fcgen sie \u00fcber die Kernkompetenzen, die es ihnen erm\u00f6glichen, den Schritt zu wagen. Diese F\u00e4higkeiten erm\u00f6glichen es ihnen, eine beliebte Programmiersprache f\u00fcr Data Science wie Python zu erlernen, dann ihre F\u00e4higkeiten in der Datenverwaltung durch <a href=\"https:\/\/liora.io\/de\/numpy\">NumPy<\/a> und Pandas und in Machine Learning durch Scikit-Learn, <a href=\"https:\/\/liora.io\/de\/tensorflow-installieren-mit-anaconda-auf-macos\">TensorFlow<\/a> und andere spezialisierte Bibliotheken zu erweitern.\n\nSo kann man davon ausgehen, dass die Unternehmen auf ihren zuk\u00fcnftigen Data Scientists sitzen, ohne es zu wissen: Sie erkennen nicht das Potenzial ihrer Mitarbeiter, die leicht umqualifiziert werden k\u00f6nnen.\n\nDas ist \u00fcbrigens auch das Ziel von <strong>Liora:<\/strong> Wir haben eine Plattform f\u00fcr die Ausbildung in Data Science entwickelt, um die Teams der gr\u00f6\u00dften franz\u00f6sischen und internationalen Konzerne zu qualifizieren.\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/community\">Mehr \u00fcber Liora<\/a><\/div><\/div>\n\n\nWenn du Dehr Informationen \u00fcber unsere Data-Trainings erhalten m\u00f6chtest,<a href=\"https:\/\/liora.io\/de\/terminvereinbarung\"> kontaktiere uns!<\/a>","protected":false},"excerpt":{"rendered":"<p>In den letzten Jahren ist die Nachfrage nach Data-Profilen und insbesondere nach Experten f\u00fcr Machine Learning explosionsartig gestiegen. Die Nachfrage ist gro\u00df, aber auch das Angebot w\u00e4chst. Obwohl die Talente ungleichm\u00e4\u00dfig \u00fcber die Berufsfelder verteilt sind (folgt man der Burtch Works Studie 2018, nach der 44 % der Data Scientists im Technologiesektor besch\u00e4ftigt sind &#8211; [&hellip;]<\/p>\n","protected":false},"author":74,"featured_media":172880,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-172879","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/172879","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/74"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=172879"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/172879\/revisions"}],"predecessor-version":[{"id":217660,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/172879\/revisions\/217660"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/172880"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=172879"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=172879"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}