Aufgrund der rasant gewachsenen Möglichkeiten, Daten maschinell zu verarbeiten, sowie der fortschreitenden Vernetzung aller Bereiche durch das Internet und der damit einhergehenden leichten Verfügbarkeit großer und informativer Daten, kommen Methoden der Data Science mittlerweile in allen Bereichen der Wirtschaft, Wissenschaft und Gesellschaft zum Einsatz. Zu den großen Anwendungen gehören dabei Ingenieuranwendungen wie das Autonome Fahren, das neben der Elektromobilität zum wichtigsten Thema der Automobilbranche avanciert ist, und Anwendungen in der Internetökonomie wie Websuche und Empfehlungssysteme, die in den letzten 20 Jahren Unternehmensgiganten wie Google und Amazon aus dem Nichts haben entstehen lassen. Entsprechend den riesigen betriebswirtschaftlichen, ökonomischen und gesellschaftlichen Potentialen besteht seitens Unternehmen und anderer Organisationen eine sehr hohe Nachfrage nach Spezialisten im Bereich der Data Science, aufgrund der Breite der Anwendungen aber darüber hinaus auch nach Absolventen anderer Fächer, die die Brücke zwischen ihren fachlichen Anwendungen und der Data Science sicher schlagen können.
Ärzte erhalten zunehmend Unterstützung bei der evidenzbasierten Diagnose und einer personalisierten Medizin, Lehrer können computerunterstützte Analysen des Lernverhaltens und des Lernfortschritts von Schülern nutzen, um individualisierte Aufgaben zu gestalten und adaptive Unterstützung anzubieten. Im Gefolge internationaler Large-Scale-Untersuchungen hat sich auch im Bildungsbereich die Forderung nach einer evidenzbasierten Praxis durchgesetzt, die wachsende Anforderungen an Data-Science-Kompetenzen bei in der Bildungsadministration tätigen Personen und an die Data Literacy von Lehrkräften nach sich zieht.
Die Anwendungen der Data Science sind mittlerweile so allgegenwärtig, dass Data Science, die Fähigkeit, aus Daten Schlüsse über den darunterliegenden Prozess zu ziehen, neben Lesen, Schreiben, Rechnen und Programmieren mittlerweile oft als fünfte elementare Kulturtechnik im Bereich Wissen und Kommunikation bezeichnet wird.
Doch so wichtig eine solche Grundkompetenz im Bereich der Data Science, eine Data Literacy, auch ist, so wenig fühlen sich die meisten Arbeitnehmer derzeit vorbereitet. In einer Studie von Qlik2 unter 5500 Mitarbeitern und Managern verschiedener Organisationen aus fünf europäischen Ländern schätzen sich nur 17% selbst als datenkompetent ein, in Deutschland gar nur 14%.
Die Universität Hildesheim möchte ihre Expertise im Bereich der Data Science, die im internationalen Masterstudiengang Data Analytics, dem derzeit größten Data Science-Studiengang in Deutschland, und im Aufbau eines Research and Innovation Centers Data Science Ausdruck gefunden haben, mit der Expertise in den an der Universität angesiedelten Studiengängen kombinieren, um allen Studierenden ein Bildungsangebot im Bereich der Data Science zu unterbreiten, das die unterschiedlichen Anforderungen und Schwerpunkte der Fächer berücksichtigt, ohne dabei die Vermittlung der zugrundeliegenden Methoden zu opfern. Im Kern steht dabei ein Gespann aus zwei Einführungs-Kursen in die Data Science, die mikromodular aufgebaut sind, d.h., in Einheiten von maximal 10 Minuten gegliedert sind: methodische Mikromodule, die für alle Fächer gleich sind, und Beispiel-Mikromodule, die eine Methode anhand eines Beispiels verdeutlichen. Die Beispiel-Mikromodule können dann fachspezifisch so spezialisiert werden, dass die Studierenden für jede Methode stets Beispiele aus ihrem eigenen Fach studieren können. Wir möchten so ein Angebot einer Einführung in die Data Science für Alle machen, das weder alle Studierende über einen Kamm schert und ihre fachspezifischen Bedürfnisse und die fächerspezifischen Anknüpfungspunkte ignoriert, noch völlig unterschiedliche, in der Konsequenz schwer zu pflegende und (unnötig) teure Angebote für jedes einzelne Fach macht.
Beginn: 01.10.2018
Ende: 01.12.2019
Stiftung Universität Hildesheim
