Vor- oder Rückhand, Top- oder Sidespin, Konter, Flip, Block: Im Tischtennis entscheidet die richtige Technik über Sieg oder Niederlage. Verschiedene Schlagtechniken wirken sich auf die Flugbahn, Rotation und Geschwindigkeit des Balls aus. Julian betreibt diesen Sport bereits sein halbes Leben und überlässt dabei nichts dem Zufall. Er kategorisiert und analysiert die Aufschläge, visualisiert die Daten und lässt Schlussfolgerungen ins nächste Spiel einfließen. „Der damit einhergehende sportliche Erfolg hält sich jedoch in Grenzen“, schmunzelt Julian.
Ganz anders ist das in seinem Beruf: Als Data Scientist im Service der ZEISS Research Microscopy Solutions ist Julians Datengespür von großer Bedeutung. Die Abteilung betreut Nutzer und Nutzerinnen von Elektronen-, Licht- und Röntgenmikroskopen in der Forschung und Industrie, in den Lebens-, Material- und Geowissenschaften. Erfordern die Geräte eine Wartung, kümmern sich Mitarbeitende der Servicetechnik beim Anwendenden vor Ort darum. Manche der hochpreisigen Mikroskope sind mit einer Software verbunden, die Maschinendaten an ZEISS sendet. Und hier kommt Julian ins Spiel.
Erkenntnisse mit großem Potenzial
Er sammelt und analysiert gesendete Daten wie Temperaturwerte, Ströme und Spannungen der Mikroskope, erstellt Diagramme und macht sich mithilfe von Algorithmen auf die Suche nach Anomalien und Korrelationen. „Diese Auswertungen ermöglichen mir unter anderem Vorhersagen über den Verschleiß von Komponenten“, beschreibt er. Versprechen Julians Aufschlüsse weiteren Nutzen, entwickelt er Machine- oder Deep-Learning-Modelle, welche beispielsweise bei Auffälligkeiten Mitarbeitende der Servicetechnik informieren.
Von den wertvollen Erkenntnissen des Datenwissenschaftlers profitieren sein Team, benachbarte Abteilungen sowie Kundinnen und Kunden: Sie machen die Einsätze der Servicetechnik planbarer und effizienter. Ausfälle am Mikroskop lassen sich vorhersehen, verringern und immer häufiger remote lösen. „Das hebt unseren Kundenservice auf ein neues Niveau“, erzählt Julian stolz. Gleichzeitig fließt seine Arbeit in die Entwicklung neuer Geräte ein und auch der Vertrieb macht von den Einblicken ins Nutzungsverhalten der Anwendenden Gebrauch.
Sind die benötigten Daten nicht vorhanden oder ist deren Qualität ungenügend, stimmen die Resultate meiner Arbeit ebenfalls unzufrieden. Daher ist es wichtig, frühzeitig mit Produktentwicklungsteams den Bedarf und das Erfassen relevanter Daten abzustimmen.
Das Ziel vor Augen
Julians größte Herausforderung: Der Erfolg im Bereich Data Science steht und fällt mit den verfügbaren Daten. Er erklärt: „Sind die benötigten Daten nicht vorhanden oder ist deren Qualität ungenügend, stimmen die Resultate meiner Arbeit ebenfalls unzufrieden. Daher ist es wichtig, frühzeitig mit Produktentwicklungsteams den Bedarf und das Erfassen relevanter Daten abzustimmen.“
Julian hat seine Berufung gefunden. Diese konnte er jedoch nicht vorhersehen. „Ich habe die Welt der Daten erst während meines Dualen Studiums bei ZEISS entdeckt“, berichtet der ehemalige Informatik-Student. „Zudem haben mich Themen wie Deep Learning, Robotik und Sprachassistenz gereizt“, begründet Julian seine Wahl für sein anschließendes Masterstudium „Machine Learning & Data Analytics“, nach welchem er in seiner neuen Rolle als Data Scientist zu ZEISS zurückkehrte. Und seine Entwicklung steht nicht still: Das Ziel, sein Expertenwissen in der Fachlaufbahn bei ZEISS weiter auszubauen, hat er fest vor Augen. Die Chancen dafür stehen gut. Das hat er bereits analysiert.
ZEISS sucht Dich!
Stellenangebote und Bewerbungen
Die verschiedenen Unternehmensbereiche sowie die zentralen Konzern- und Servicefunktionen bei ZEISS bieten zahlreiche berufliche Möglichkeiten für alle Fachrichtungen.