Artifical Intelligence & Data Analytics

Berufsbild:
Machine Learning Engineers beherrschen Software-Engineering im Bereich datengetriebener Systeme und konzipieren Architekturen zur Nutzbarmachung von Daten. Dabei setzen sie insbesondere die passenden Technologien und Toolchains aus den Bereichen AI, ML, Big Data und Cloud Computing ein, um die Skalierbarkeit der Architektur auf große Datenmengen sicherzustellen. Im Fokus der Arbeit steht der komplette Datenlebenszyklus, von der Datenerzeugung bis zur Datennutzung. ML Engineers arbeiten vorwiegend auf der operativen und architektonischen Ebene und häufig losgelöst von einer bestimmten Industrie.
Oft spezialisieren ML Engineers sich auch auf ein konkreteres Anwendungsszenario (z.B. Computer Vision, …).

Aufgaben:

• konzipieren von Strategien
  • zur Datenintegration innerhalb einer Organisation
  • zur Umsetzung von Datenauswertung
  • skalierbarer Analysesysteme und für Systemlandschaften

• begleiten von datengetriebenen Anwendungen in den Themenbereichen Anforderungsmanagement (Change-Control) und Betrieb (Operations)
• implementieren datengetriebener Anwendungen und Systeme mittels durchgängiger (end-to-end) Toolchains
• produktivsetzen spezifischer ML, AI & Data Analytics Anwendungsszenarien 

Artifical Intelligence & Data Analytics

Berufsbild:
Data Scientists arbeiten an datengetriebenen Geschäftsmodellen. Sie identifizieren vielversprechende datenbasierte Initiativen und geeignete Datenquellen, verstehen die Daten, führen sie zusammen und bereinigen sie. Sie erstellen und evaluieren ML und AI Modelle, kommunizieren deren Qualität und Return of Investment, und bereitet die Produktivsetzung vor. Sie verfügen über fundiertes fachliches Know-How (domain knowledge). Die Kernaufgaben liegen auf operativer und Management-Ebene, sowie dem Vorbereiten datenbezogener Entscheidungen auf strategischer Ebene. Sie verfügen über aktuelles und breitgefächertes Wissen im Bereich datengetriebener Geschäftsmodelle, ML, AI & Data Analytics, und nehmen daher oft auch die Rolle des Technologie-Scouts wahr.

Aufgaben:

• entwickeln strategischer Optionen und Vorbereiten von strategischen Entscheidungen
• entwickeln von datengetriebenen Geschäftsmodellen mit Blick auf die Anwendungsdomäne
• analysieren von Unternehmensdaten für verschiedene Fachbereiche
• beraten von Fachbereichen im Umgang mit Daten
• Technologie- und Methoden-Scouting
• beraten von Fachbereichen im Hinblick auf die Compliance von Produkten/Projekten auch im Hinblick auf den Datenschutz, Ethik, Social Responsibility

Artifical Intelligence & Data Analytics

Berufsbild:
Manager für AI & Data Analytics Teams koordinieren Projekte und Organisationseinheiten im Kontext datengetriebener Anwendungen und Geschäftsmodelle. Je nach Organisationsstruktur des Unternehmens können sie entweder in der IT-Organisation oder auch in einer Fachabteilung verortet sein. Im Vordergrund der täglichen Arbeit steht die Kombination von Wissen aus dem ML, AI & Data Analytics Bereich und Know-How aus der Anwendungsdomäne mit Management- und Führungskompetenzen. In dieser Rolle arbeiten die Personen vorwiegend auf der Management- und strategischen Ebene und bilden oft die Schnittstelle zu anderen Fachbereichen.

Aufgaben:

• wahrnehmen von Managementaufgaben bei Durchführung und Betrieb datengetriebener Projekte
• führen von Mitarbeitern im Kontext facheinschlägiger Teams
• konzipieren des strategischen Einsatzes von Daten
• bilden der Schnittstelle zu anderen Unternehmensbereichen
• durchführen von Aufwandsschätzungen für Projektressourcen
• bewerten der Compliance von Produkten/Projekten auch im Hinblick auf den Datenschutz, Ethik, Social Responsibility