Was macht eigentlich ein Artificial Intelligence & Data Science Specialist?

Die Digitalisierung verändert unsere Arbeitswelt von Grund auf. Deshalb entstehen neue Berufsbil- der. Doch was versteckt sich hinter den Bezeichnungen? Das möchten wir in „Und was machst du so?“ greifbar machen. Heute: Fidel Gil, Artificial Intelligence & Data Science Specialist bei Matelso.

Was macht eigentlich ein Artificial Intelligence & Data Science Specialist?

BASIC thinking: Hallo Fidel, du arbeitest als Artificial Intelligence & Data Science Specialist beim MarTech-Unternehmen Matelso. Beschreibe uns doch einmal in vier Sätzen, wie du deinen Beruf Freunden erklärst.

Das ist manchmal eine echte Herausforderung, weil ich immer etwas ausholen muss. Wirklichen Laien erkläre ich erst einmal immer, was wir als Unternehmen machen: Das MarTech-Unternehmen Matelso entwickelt Software-Lösungen für Marketingabteilungen in Unternehmen – aber auch für andere Bereiche wie Vertrieb oder Service.

Dazu zählt unsere renommierte Call Trackingen-Technologie, die Marketer dabei unterstützt, mehr über ihre Kunden zu erfahren und ihre Onlinemarketing-Strategien effizienter zu machen.

Aber vor allem unser neues Produkt, die Matelso Platform, mit der wir (Video)Telefonie, Chat, Mail und andere direkte Kommunikationskanäle zwischen Unternehmen und deren Kunden an einem Ort zusammenführen. Diese Daten ermöglichen dann bessere und wertschöpfende Business-Entscheidungen.

Erst dann komme ich auf meinen Job zu sprechen: Als KI-Experte baue ich für unsere Plattform Anwendungen, die die gesammelten Daten automatisiert analysieren und in Echtzeit Möglichkeiten aufzeigen, wie die Customer Experience, also das Kundenerlebnis, verbessert werden kann. Ich mache also unser System schlauer.

Der Berufsalltag als Artificial Intelligence & Data Science Specialist

Wie sieht ein normaler Tag in deinem Beruf aus?

Ein normaler Tag im Leben eines KI-Specialists sieht in der Regel so aus: Erstens Rechner anmachen, zweitens auf unseren agilen Planning-Tools, wir nutzen Jira, checken, was aktuell ansteht und drittens Mails lesen und im Kalender prüfen, was sonst noch geplant ist. Dann geht die Arbeit los!

Und das heißt für mich: Datenmodelle entwickeln, aufsetzen und optimieren, die Daten visualisieren, Trends finden oder aus größeren Datensätzen Informationen ziehen.

Diese fließen dann in unsere Algorithmen und in das KI-System ein. Zudem entwickle ich Modelle, die die konkreten Inhalte direkter Konversationen über Mail, (Video)Calls, Chats oder Kontaktformularen analysieren und nutzbar machen sowie Insights über die Kommunikationsgewohnheiten der Menschen bieten.

Nebenbei laufen dann noch die Standards, die jeder ITler kennt: Tägliche Besprechungen und Meetings, in denen wir Ziele und Aufgaben verteilen und die Ergebnisse des Vortages abgleichen. Diese sind für uns auch immer Impulsgeber, da wir hier Ideen und Erfahrungen austauschen.

Die Aufgaben als Artificial Intelligence & Data Science Specialist

Und womit startest du in den Tag?

Hier falle ich, glaube ich, unter den Entwicklern etwas aus der Rolle – diese sind oftmals echte Kaffee-Junkies. Bei mir geht es etwas nervenschonender zu: Ich hole mir als erstes einen frischen Fruchtsaft aus dem Kühlschrank oder mache mir einen Tee – je nach Wetterlage. So sammle ich erst einmal Energie und bekomme gute Vibes für den Tag. Erst dann geht meine Morgenroutine los.

Welche Aufgaben fallen in deinen Bereich?

Wenn es um den Bereich KI geht und wie diese Technologie in unsere Digital Customer Experience-Plattform integriert werden und wirken soll, bin ich der Ansprechpartner für das gesamte Product Management-Team. Ich entscheide maßgeblich mit, welche KI-Tools zum Einsatz kommen, um spezifische Herausforderungen zu lösen oder neue Features in unser System zu implementieren.

Und natürlich programmiere und integriere ich die Anwendungen, Algorithmen und Datenmodelle auch.
Ein weiterer wichtiger Aspekt meines Jobs ist es, kontinuierlich die Durchführbarkeit unserer Projekte und potenzielle Risiken aufzuzeigen und zu evaluieren, um diese frühestmöglich zu erkennen und realistische Lösungen aufzuzeigen und zu entwickeln.

Dabei gilt es, immer den Blick auf das große Ganze zu richten und alle Gewerke der Plattform im Blick zu behalten – alle Funktionalitäten und Elemente müssen stets nahtlos ineinander greifen. Es ist schlicht kein gutes Gefühl, wenn man etwas konzeptioniert, was dann aus technischen, logischen oder computativen Gründen wieder in der Schublade verschwindet – oder auf der Festplatte digitalen Staub fängt.

Jobdefinition

Wie definierst und interpretierst du deinen Job als Artificial Intelligence & Data Science Specialist persönlich?

Kurz gesagt: Für mich besteht die Aufgabe darin, relevante Daten zu beschaffen und aus diesen eine wertschöpfende Bedeutung für unsere Kunden abzuleiten. So einfach dieser Satz auch klingt, das was dahinter steckt, hat es in sich – auf eine positive und herausfordernde Art. Es gilt etwa, Fragen zu beantworten wie: Woher bekommen wir diese Daten?

Sind sie repräsentativ für die Realität? Können wir mehr Daten sammeln – und wenn ja, wo? Und: Gibt es rechtliche Konsequenzen für den Umgang mit diesen konkreten Daten? Und bei den Daten liegt auch schon der Hase im Pfeffer: Eine der herausforderndsten Aufgaben in meinem Tätigkeitsfeld ist die richtlinienkonforme Erhebung der relevanten Informationen.

Denn: Ohne sie sind alle anderen Aspekte praktisch zum Scheitern verurteilt. Erst dann kommt meine weitere Expertise zum Tragen: wissen, welche konkreten Schlüsse aus diversen Daten erhoben werden können und wie man diese für unsere Kunden actionable macht – also analysieren und bewerten, wie diese wertschöpfend zum Einsatz kommen können.

Als Tools kommen dafür einige in Frage: Grafiken, die schwer erkennbare Trends visualisieren, oder Modelle, mit denen Objekte klassifiziert oder Vorhersagen über künftige Ereignisse gemacht werden können. Es ist also spannend, womit ich mich täglich beschäftige.

Einlieferung in die Unternehmensstruktur

Wie ist deine Stelle in die Unternehmensstruktur eingegliedert? Sprich: An wen berichtest du und mit wem arbeitest du zusammen?

Ich bin direkt unserem Head of Product Management unterstellt, der übergeordnet alle drei Bereiche unseres Produkt-Teams leitet – Base Services, Product, IT-Infrastructure. Das Thema künstliche Intelligenz ist für die Entwicklung unseres Unternehmens so hoch angesiedelt, da es in sämtliche andere Bereiche der Software-Entwicklung hineinreicht.

Deshalb arbeite ich kontinuierlich mit allen anderen Unternehmensbereichen sehr eng zusammen, um weitere Anwendungsfälle und Technologien zu erforschen und zu entwickeln. Ich muss immer auf dem Laufenden sein, was meine Kollegen für ihre Module vorhaben und wie ich sie mit meiner Arbeit und meinem Know-how unterstützen kann – und wie dann alles zusammenpasst.

Selbstverständlich wird die Rolle des Artificial Intelligence & Data Science Specialist in jedem Unternehmen unterschiedlich ausgelegt. Welche Perspektiven kommen bei dir zu kurz, die grundsätzlich zum Berufsbild gehören?

Aktuell mache ich genau das, was ich mir vorgestellt habe und was der Jobbeschreibung für mein Profil entspricht. Wir befinden uns mit unserer Matelso Platform aber nun einmal auf einer Entwicklungs-Reise, die bei weitem nicht abgeschlossen ist.

Ich freue mich schon darauf, wenn wir den nächsten Meilenstein angehen. Analyse- und Visualisierungs-Tools entwickeln, die es ermöglichen, Trends und Vorhersagen aus den gesammelten Daten abzuleiten und so wertige Verhaltensprognosen zu geben.

Noch sind wir nicht ganz so weit, aber nur, weil uns noch die notwendige Menge an Nutzerdaten im System fehlen. Aber das ist nur eine Frage der Zeit. Wir sind dran und bereit!

Spaß und Dankbarkeit im Beruf

Was macht dir an deinem Job am meisten Spaß?

Ich habe Glück mit diesem Job bei Matelso. Ich konnte hier direkt damit anfangen, das zu tun, was ich liebe und worauf ich mich so lange vorbereitet habe. Es war schon einer meiner Kindheitsträume, mit Computern zu arbeiten. Und jetzt setze ich sie nicht nur ein, sondern bringe ihnen auch noch bei, eine Vielzahl komplexer Aufgaben automatisiert und intelligent zu erledigen.

Und auch der Gesichtsausdruck meiner Kollegen, die voller Staunen beobachten und ausprobieren, wie die Maschinen, die ich programmiert habe, live und in Farbe genau das tun, was sie tun sollen, gibt mir ein großes Gefühl des Stolzes auf meine Arbeit. Das ist echt unbeschreiblich.

Wofür bist du besonders dankbar?

Es mag wie ein Klischee klingen, aber am dankbarsten bin ich wirklich dafür, dass ich an etwas arbeiten kann, das mir gefällt und mich erfüllt. Und: Dass ich bei einer Firma tätig bin, die nicht nur mit ihrer Vision, sondern auch mit einem außergewöhnlichen Team inspiriert und Perspektiven für die Zukunft aufzeigt – sowohl technologisch als auch persönlich.

---

---

Wie wird man Artificial Intelligence & Data Science Specialist?

In der Digital-Branche gibt es häufig nicht mehr die klassische Ausbildung. Wie bist du zu deiner Stelle gekommen?

Nach Abschluss meines Masterstudiums an der TU Kaiserslautern begann ich, nach Stellen im Bereich Data Science & Machine Learning zu suchen. Und mit der allerersten Bewerbung landete ich gleich einen Treffer: bei Matelso.

Der Rest ist quasi schon Geschichte. Ich glaube, ich habe den Job bekommen, weil ich mich in meiner Masterarbeit mit dem Thema “Accent Based Speech Emotion Recognition for Human Robot Interaction” beschäftigt habe – konkret: Ich habe Datenmodelle entwickelt, die es einer Maschine ermöglichen, Emotionen aus der menschlichen Stimme herauszulesen.

Das hat genau zum bisherigen Profil des Unternehmens sowie zum Matelso-Motto “Voice Matters” gepasst. Zudem bringe ich die richtige Hands-on-Mentalität mit, um dieses für uns noch relativ neue Feld zu besetzen und zusammen mit meinen Kollegen weiter voranzutreiben.

Tipps für Quer- und Neueinsteiger

Welchen Tipp würdest du einem Neueinsteiger oder interessierten Quereinsteiger geben, der auch Artificial Intelligence & Data Science Specialist werden will?

Neueinsteigern empfehle ich vor einer Bewerbung, sich mit einfachen Datensätzen einen eigenen Proof-of-Concept (POC) zu bauen. Die Daten können dabei an allem ausgerichtet sein, etwa einem persönlichen Hobby.

Anhand dieser sollte dann eine vollständige Pipeline durchgeführt werden – von der Datenvisualisierung und -analyse bis hin zum Modell-Training und -Testing. So beweist man bei einem potenziellen Arbeitgeber sein komplettes Know-how am Besten. Für Quereinsteiger habe ich denselben Tipp parat.

Allerdings sollten sich die verwendeten Daten in diesem Fall am bisher erarbeiteten Fachwissen orientieren. Das Wichtigste ist aber: Geduld! Und: üben, üben, üben! Vieles bezüglich des Zusammenspiels von Daten, Algorithmen und Modellen erschließt sich erst, wenn man Prozesse mehrmals durchgespielt hat. Aber das gehört nun einmal dazu. Also, gebt Gas!

Vielen Dank, Fidel!

Auch interessant: 

• Auswandern: Das sind die 10 besten Städte zum Arbeiten und Leben
• PR aus München: So arbeitet Startup Communication
• Digitale Berufe: Was macht eigentlich ein Vice President Extended Reality?
• Digitale Berufe: Was macht eigentlich ein Cloud Developer?