Datenwissenschaft (Data Science)

Datenwissenschaft (Data Science) ist ein interdisziplinäres Studienfach an der Schnittstelle von Informatik, Mathematik und Statistik mit dem Ziel, aus großen und heterogenen Datenbeständen belastbares Wissen zu extrahieren. Inhaltlich verbindet das Fach algorithmische und Software-Kompetenzen mit statistischer Modellbildung und maschinellem Lernen; es geht ebenso um Datenmanagement und Infrastruktur wie um die saubere Interpretation und Visualisierung von Ergebnissen. Typische Module umfassen Mathematik (Lineare Algebra, Analysis, Optimierung), Wahrscheinlichkeitsrechnung und Statistik (inferenzstatistische Verfahren, Regressionsmodelle, Bayessche Methoden), Programmierung in Python und R, Datenbanken (SQL, NoSQL) und verteilte Datenverarbeitung (Spark, Cloud-Plattformen), Algorithmen und Datenstrukturen, Machine Learning (überwachtes, unüberwachtes und Reinforcement Learning), Deep Learning, Natural Language Processing und Computer Vision, Datenvisualisierung sowie Themen wie Datenethik, Datenschutz und Reproduzierbarkeit. Methodisch arbeiten Studierende projektorientiert mit realen Datensätzen und üben den vollständigen Workflow von der Datenakquise über Bereinigung und Modellierung bis zum Deployment. Angeboten wird Datenwissenschaft an Universitäten und Hochschulen für angewandte Wissenschaften meist als Bachelor of Science und – häufiger – als Master of Science, oft mit Anwendungsschwerpunkten (Wirtschaft, Medizin, Engineering, Naturwissenschaften). Berufsfelder liegen als Data Scientist, Data Analyst, Machine Learning Engineer, Data Engineer oder MLOps Engineer in Industrie, Finanzdienstleistung, Logistik, Gesundheitswesen, Forschung und im öffentlichen Sektor. Im Vergleich zur klassischen Informatik liegt der Fokus stärker auf Statistik und Modellierung; gegenüber der Statistik überwiegen Programmier-, Systems- und ML-Anteile.