Neu­er Stu­di­en­gang Data Sci­ence an der FAU

Symbolbild Bildung

Die Fried­rich-Alex­an­der-Uni­ver­si­tät Erlan­gen-Nürn­berg (FAU) erwei­tert ihr Stu­di­en­fach­an­ge­bot kon­ti­nu­ier­lich. Im Win­ter­se­me­ster 2020/21 beginnt der neue Bache­lor-Stu­di­en­gang Data Sci­ence. Ein ent­spre­chen­des Master-Pro­gramm folgt ein Jahr spä­ter. Damit ist die FAU einer der weni­gen Stand­or­te deutsch­land­weit, an denen Stu­die­ren­de von Grund auf das wis­sen­schaft­li­che Hand­werks­zeug für das Auf­be­rei­ten, Aus­wer­ten und Visua­li­sie­ren von Daten erwer­ben kön­nen, um geeig­ne­te Schlüs­se dar­aus zie­hen zu kön­nen. Absol­ven­tin­nen und Absol­ven­ten, die über sol­che Fähig­kei­ten ver­fü­gen, sind momen­tan äußerst gefrag­te Fachkräfte.

Wie all­ge­gen­wär­tig die Welt der Daten ist, ver­deut­li­chen eini­ge pro­vo­kan­te Fra­gen, mit denen Stu­di­en­in­ter­es­sier­te auf der Web­site der FAU ange­spro­chen wer­den. Die­se lau­ten bei­spiels­wei­se: „Woher weiß Goog­le, was ich gleich suchen möch­te?“, „War­um lan­den in mei­nem Ama­zon Waren­korb immer mehr Arti­kel als ich ursprüng­lich kau­fen woll­te?“ oder „War­um ver­brei­ten sich Fake News häu­fig schnel­ler als die Wahrheit?“.

So wird deut­lich, dass die mei­sten von uns im All­tag zahl­rei­che Inter­net­an­wen­dun­gen nut­zen, die auf gro­ßen Daten­strö­men basie­ren. Auch in Wirt­schaft und Indu­strie spie­len daten­ge­trie­be­ne Ansät­ze auf­grund des tech­no­lo­gi­schen Fort­schritts eine immer wich­ti­ge­re Rol­le. Auto­ma­ti­sie­rung, Robo­tik, Künst­li­che Intel­li­genz und Indu­strie 4.0 sind Schlag­wör­ter, die in die­sem Zusam­men­hang häu­fig fal­len. Doch auch in der Logi­stik, in der Finanz- und Ver­si­che­rungs­bran­che oder in der Bio­tech­nik ist Data Sci­ence auf dem Vormarsch.

Ohne Data Sci­ence geht nichts mehr

„Immer wie­der berich­ten Unter­neh­men aus der Regi­on, wie hoch ihr Bedarf an Daten­spe­zia­li­st/-innen ist. Doch bis­lang gibt es nur sehr weni­ge Per­so­nen mit einer pass­ge­nau­en Aus­bil­dung“, erläu­tert Frau­ke Liers, Pro­fes­so­rin für Ange­wand­te Mathe­ma­tik, die in ihrer kürz­lich zu Ende gegan­ge­nen Amts­zeit als Stu­di­en­de­ka­nin den Data-Sci­ence-Stu­di­en­gang koor­di­nier­te und gemein­sam mit Betei­lig­ten aus den Depart­ments Mathe­ma­tik und Infor­ma­tik plan­te. „Das bedeu­tet im Umkehr­schluss sehr gute beruf­li­che Aus­sich­ten für Data Sci­en­tists.“ Das neue Bache­lor­pro­gramm soll wis­sen­schaft­li­che Grund­la­gen­kennt­nis­se ver­mit­teln, die direkt in der Pra­xis ein­setz­bar sind, denn nicht nur das Erhe­ben mög­lichst gro­ßer Daten­men­gen, son­dern der intel­li­gen­te Umgang mit ihnen stellt eine Schlüs­sel­dis­zi­plin für das digi­ta­le Zeit­al­ter dar. Des­halb gestal­tet sich Data Sci­ence inter­dis­zi­pli­när. Ange­sie­delt ist der Stu­di­en­gang am Depart­ment für Mathe­ma­tik, aber auch eng mit dem Depart­ment Infor­ma­tik verzahnt.

Stu­di­en­gangauf­bau: Soli­de Grund­la­gen – prak­ti­sche Anwendung

In den ersten bei­den Seme­stern ste­hen daher zunächst Grund­la­gen­mo­du­le sowohl in Mathe­ma­tik als auch Infor­ma­tik auf dem Stun­den­plan. Die Stu­die­ren­den besu­chen etwa Lehr­ver­an­stal­tun­gen zu linea­rer Alge­bra und Ana­ly­sis, Algo­rith­mik und Pro­gram­mie­ren. In den fol­gen­den Auf­bau­mo­du­len besteht die Gele­gen­heit, die­se Kennt­nis­se zu erwei­tern, so dass eine hohe Pro­blem­lö­sungs­kom­pe­tenz ver­mit­telt wird. Im Rah­men von Ring­vor­le­sun­gen mit FAU-inter­nen sowie exter­nen Vor­tra­gen­den haben Stu­die­ren­de außer­dem die Mög­lich­keit, sich über aktu­el­le Anwen­dungs­mög­lich­kei­ten von Data Sci­ence in For­schung, Indu­strie und Wirt­schaft zu informieren.

„Zwar gibt es vie­le der Lehr­ver­an­stal­tun­gen schon an der FAU“, erklärt der aka­de­mi­sche Rat Dr. Dani­el Ten­brin­ck am Lehr­stuhl für Ange­wand­te Mathe­ma­tik. „Mit dem neu­en Stu­di­en­gang kön­nen wir die für Data Sci­ence rele­van­ten Ange­bo­te bei­der Depart­ments aber nun gezielt bün­deln. Dafür bie­tet die FAU schon auf­grund der räum­li­chen Nähe beste Vor­aus­set­zun­gen. Gleich­zei­tig wol­len wir das Stu­di­en­an­ge­bot stän­dig wei­ter­ent­wickeln, um spe­zi­fi­sche Data-Sci­ence The­men aufzugreifen.“

Ab dem vier­ten Seme­ster kön­nen sich die Stu­die­ren­den dann für einen Schwer­punkt ent­schei­den und Ver­tie­fungs- sowie Wahl­pflicht­fä­cher bele­gen, zum Bei­spiel in Künst­li­cher Intel­li­genz und Opti­mie­rung oder in Simu­la­ti­on und Nume­rik. Das Ange­bot wird durch Schlüs­sel­qua­li­fi­ka­tio­nen auch aus dem nicht-tech­ni­schen Bereich flan­kiert, die einen Blick über den Tel­ler­rand hin­aus gewähren.

Die Seme­ster fünf und sechs wid­men sich im Anwen­dungs­fach reel­len Fra­ge­stel­lun­gen aus der Pra­xis – etwa aus der Phy­sik, Wirt­schafts­in­for­ma­tik, den digi­ta­len Gei­stes­wis­sen­schaf­ten oder der Medi­zin­tech­nik. Die­sen nähern sich die Stu­die­ren­den mit ihren erlern­ten wis­sen­schaft­li­chen Metho­den, bevor im sech­sten Seme­ster schließ­lich die Bache­lor-Arbeit ansteht.

Stu­di­en­zie­le und Ausblick

Ziel ist es, dass Absol­ven­t/-innen mit struk­tu­rier­ten und unstruk­tu­rier­ten Daten­quel­len umge­hen kön­nen und Metho­den zu ihrer Ana­ly­se, Aus­wer­tung und Visua­li­sie­rung ent­wickeln und anwen­den ler­nen. Doch dies ist selbst­ver­ständ­lich nicht nur Selbst­zweck. Viel­mehr soll dies dazu die­nen, fun­dier­te Ent­schei­dun­gen zu tref­fen und sogar Vor­her­sa­gen für die Zukunft zu berech­nen. Auch Risi­ko­be­wer­tung soll Teil des Auf­ga­ben­spek­trums von Data Sci­en­tists sein, betont Prof. Dr. Liers – etwa, wenn Ent­schei­dun­gen auto­ma­tisch durch Künst­li­che Intel­li­genz anhand der Daten­la­ge getrof­fen wer­den sol­len oder was die Sicher­heit sen­si­bler per­sön­li­cher Daten angeht.

Wer sich nach dem Bache­lor-Abschluss wei­ter ver­tie­fend mit dem The­ma Data Sci­ence befas­sen möch­te, kann den Master anhän­gen, der im Win­ter­se­me­ster 2021/22 star­tet. Die­ser steht auch Bache­lor-Absol­ven­t/-innen ver­wand­ter Fächer offen, die eine Spe­zia­li­sie­rung in die­sem Bereich anstreben.

Zugang, Vor­aus­set­zun­gen und Vorkenntnisse

Das Bache­lor-Pro­gramm ist aktu­ell mit 50 Stu­di­en­plät­zen geplant. Vor­aus­set­zung für den Zugang ist die all­ge­mei­ne Hoch­schul­rei­fe. Der Stu­di­en­gang ist zulas­sungs­frei, so dass sich Inter­es­sen­tin­nen und Inter­es­sen­ten ab dem 25. Mai bis Ende Sep­tem­ber 2020 über das Online-Por­tal „cam­po“ der FAU ein­schrei­ben können.

Wer mit dem Gedan­ken spielt, Data Sci­ence zu stu­die­ren, soll­te sich für The­men­kom­ple­xe wie Digi­ta­li­sie­rung und daten­ge­trie­be­ne Tech­ni­ken begei­stern, aber auch eine Affi­ni­tät zum Fach Mathe­ma­tik haben. „Um den Stu­di­en­ein­stieg zu erleich­tern, bie­ten wir vor dem eigent­li­chen Stu­di­en­be­ginn Ori­en­tie­rungs­ver­an­stal­tun­gen an“, sagt Dr. Ten­brin­ck, Stu­di­en­gangs­be­ra­ter für Data Sci­ence. Auch Pro­gram­mier­kennt­nis­se sei­en von Vor­teil, die ent­we­der vor­ab oder im Lau­fe des Stu­di­ums erwor­ben wer­den kön­nen. „Auf jeden Fall aber soll­te man kom­ple­xe Zusam­men­hän­ge erfas­sen kön­nen, die Fähig­keit zum Abstra­hie­ren und prä­zi­sen Arbei­ten sowie jede Men­ge Wis­sens­durst mitbringen.“

Die Ori­en­tie­rungs­wo­che unmit­tel­bar vor Seme­ster­be­ginn bie­tet auch Gele­gen­heit, sich mit den Ein­rich­tun­gen vor Ort am Cam­pus Erlan­gen-Süd der FAU ver­traut zu machen und schon erste Kon­tak­te mit zukünf­ti­gen Mit­strei­ter/-innen zu knüpfen.

Infos zum Stu­di­en­gang auf der Web­sei­te des Depart­ments für Mathe­ma­tik: https://​www​.math​.fau​.de/​s​t​u​d​i​u​m​/​i​m​-​s​t​u​d​i​u​m​/​b​a​c​h​l​o​r​s​t​u​d​i​e​n​g​a​e​n​g​e​-​d​e​s​-​d​e​p​a​r​t​m​e​n​t​s​/​b​a​c​h​e​l​o​r​-​d​a​t​a​-​s​c​i​e​nce