Angewandte Data Science (B.Sc.)

"Data Science" ist an der Schnittstelle der Mathematik, der Informatik, der Statistik und dem Maschinellen Lernen angesiedelt. Data Science beschäftigt sich mit dem Erkenntnisgewinn aus Daten sowie den benötigten Techniken zum Verarbeiten von großen und häufig unstrukturierten Datenmengen. Im Bachelorstudiengang "Angewandte Data Science" werden aufbauend auf den Grundlagen der Informatik und Mathematik vertiefende Kenntnisse der Datenanalyse sowie der Datenverarbeitung und -speicherung vermittelt. Weiterhin lernen Studierende in einem Anwendungsfach den praktischen Einsatz der erlernten Methoden der Data Science kennen. Zu den vermittelten Kenntnissen gehören zum Beispiel Aspekte des maschinellen Lernens, der Statistik, der Mustererkennung und der für eine effiziente Analyse benötigten Infrastrukturen. Als Anwendungsfächer können Studierende Digital Business Administration, Biologie/Bioinformatik, Digital Humanities, medizinische Informatik, Züchtungsinformatik, Physical Modeling and Data Analysis sowie Computational Sustainability wählen.

Die Anwendungsfächer im Bachelorstudiengang Angewandte Data Science ermöglichen die Vertiefung in verschiedenste Fachrichtungen:

Digital Business Administration

Im Anwendungsfach Digital Business Administration hat man die Möglichkeit, sich wirtschaftswissenschaftliche Fachkenntnisse anzueignen. Damit qualifiziert man sich für die Analyse großer Datenmengen aus Bereichen wie zum Beispiel Marketing und Produktion sowie aus der wirtschaftswissenschaftlichen Forschung.

Biologie/Bioinformatik

Das Anwendungsfach Biologie/Bioinformatik behandelt insbesondere Mikrobiologie und Genetik. Data Science hilft aus den riesigen Mengen gesammelter Daten Erkenntnisse zu gewinnen und trägt damit zu schnellerer und einfacherer Datenanalyse bei.

Digital Humanities

Die Digital Humanities befassen sich mit der Nutzung von Data Science Methoden in den Geistes- und Sozialwissenschaften. Mögliche Anwendungsbereiche sind zum Beispiel die Analyse von Texten oder digitale Ergänzungen zur Unterstützung der Rekonstruktion von historischen Stätten oder Plastiken.

Medizinische Informatik

In dem Anwendungsfach Medizinische Informatik werden Grundkenntnisse aus der Biomedizin und medizinischen Informatik mit Data Science kombiniert, um beispielsweise die Auswertung klinischer Studien zu verbessern, neue Erkenntnisse aus bereits gesammelten Daten zu gewinnen oder mithilfe von maschinellem Lernen neue Methoden im Bereich der Diagnostik zu entwickeln.

Züchtungsinformatik

In der Züchtungsinformatik geht es um die Nutzung von unterschiedlichen Daten zur Verbesserung der Tier- und Pflanzenzucht. Dabei werden zum Beispiel Daten zu Genomsequenzen genutzt, um vorteilhafte Eigenschaften gezielt zu züchten oder auch Daten zu Feldern oder Tierbeständen mit maschinellem Lernen verarbeitet, um möglichst zielgerichtet eingreifen zu können.

Physical Modeling and Data Analysis

Im Anwendungsfach Physical Modeling and Data Analysis werden die riesigen Mengen an experimentellen und simulierten Daten aus allen Bereichen der Physik verarbeitet und analysiert (beispielsweise Bilddaten zu Galaxien, Daten aus Experimenten mit Lasern oder Messungen zu elektrischen Strömen aus Gehirnarealen). Data Science wird unter anderem eingesetzt, um die Daten mithilfe statistischer Modelle und Methoden aus Machine Learning und Deep Learning möglichst schnell und effektiv auszuwerten und damit den Erkenntnisgewinn sowie die Entwicklung neuer Methoden zu unterstützen.

Computational Sustainability

Das Anwendungsfach Computational Sustainability beschäftigt sich mit der Analyse von Daten aus den Bereichen Geologie sowie Forst- und Agrarwissenschaften. Der Fokus liegt auf klimatischen Daten und Daten, die Ökosysteme und deren Zustand beschreiben. Daraus lassen sich mithilfe von Data Science zum Beispiel Modelle entwickeln, die Prognosen über den CO2-Austausch ermöglichen oder Satellitenbilder hinsichtlich Landschaftseigenschaften analysieren.

Der Fachbereich Data Science wächst mit der Nachfrage in Forschung und Industrie, weltweit, aber auch lokal in Göttingen. In unserem Studiengang legen wir einen besonderen Wert auf die enge Verknüpfung der Data Science mit den Anwendungsbereichen. Zahlreichen Fachrichtungen sind im Studiengang „Angewandte Data Science“ als Anwendungsgebiete beteiligt. Damit erreichen wir eine besondere fachliche Vielfalt und zahlreiche Möglichkeiten zur individuellen Gestaltung des Studiums. Im Rahmen des Göttingen Campus gibt es unter anderem Kooperationen mit Max-Plank-Instituten, dem Deutschen Primatenzentrum und der Universitätsmedizin Göttingen. Hinzu kommt das in 2019 neu gegründete Campus-Institut Data Science (CIDAS), das mit seiner Arbeit maßgeblich zur Attraktivität Göttingens als Wissenschaftsstandort für Data Science beiträgt.

Wer Angewandte Data Science als Studienfach wählt, sollte sowohl an einer mathematisch formalen als auch an einer anwendungsbezogenen, computerbasierten Arbeitsweise Interesse haben. Die Fähigkeit zur Teamarbeit und zum analytischen Denken sind wichtige Voraussetzungen für den späteren Berufsalltag. Lust am Umgang mit Statistik und auf die Interpretation von Daten auf Basis der Mathematik sind eine gute Grundlage. Genauso auch die Neugier auf maschinelles Lernen und auf die wissenschaftlichen Arbeitsweisen zum Erkenntnisgewinn aus Daten, insbesondere übertragen auf ein Anwendungsgebiet. Kenntnisse der englischen Sprache sind erforderlich und können im Rahmen des Studiums ausgeweitet werden. Spezielle Fachkenntnisse, insbesondere in der Programmierung, werden nicht vorausgesetzt.

Data Scientists werden derzeit in nahezu allen Fachdisziplinen gesucht, sowohl in der Forschung, als auch in der Wirtschaft.
Durch immer genauer werdende Messmethoden und Experimente wird auch die Menge an gesammelten Daten aus der datengetriebenen Forschung immer größer. Damit steigt der Bedarf an unterschiedlichen Datenanalyse-Tools und entsprechender Expertise stetig. In öffentlichen Forschungsinstituten sowie Hochschulen und Universitäten leisten Data Scientists einen wichtigen Beitrag, in dem sie sich an der Schnittstelle zwischen den Methoden der Data Science, z.B. der computer-gestützten, mathematisch-statistischen Modellierung von Daten, und der Interpretation der Analyseergebnisse im Kontext des jeweiligen Forschungsgebiets bewegen. Durch die Nähe der Ausbildung zu den Anwendungsbereichen direkt an der Universität sind insbesondere Forschungsabteilungen, die sich mit datengetriebener Forschung in den betrachteten Domänen beschäftigen, mögliche Arbeitgeber.
Auch in der Wirtschaft wird heutzutage mit Big Data gearbeitet, sowohl mit Kund*innen-Daten als auch mit Daten zu internen Prozessen. Mögliche Arbeitgeber finden sich insbesondere im Marketing, in Banken, Versicherungen und Rückversicherungen, im IT-Bereich, in Unternehmensberatungen sowie in Entwicklungs- und Forschungsabteilungen in Unternehmen. Darüber hinaus bestehen im Pharmabereich (Klinische Studien) sowie im öffentlichen Gesundheitswesen zahlreiche Einsatzgebiete für Data Scientists. In allen diesen Domänen mangelt es derzeit in Deutschland und international an Spezialist*innen.