DEKRA Arbeitsmarkt-Report 2022: Data Scientists sind gefragte Experten
Unternehmen mit einem fähigen Data-Analytics-Team verstehen ihre Kunden besser, entwickeln innovativere Produkte oder kommen in der Forschung schneller voran. Für den DEKRA Arbeitsmarkt-Report 2022 wurden 350 Stellenangebote analysiert, um herauszufinden, welche Aufgaben ein Data Scientist am neuen Arbeitsplatz übernehmen soll und was er hierfür können muss.
Kenntnisse in Advanced Analytics wichtig
Jedes Unternehmen verfolgt andere Ziele und auch die Zusammenstellung der Teams wirkt sich auf die Aufgaben von einem Data Scientist aus. Die meisten der gesuchten Expertinnen und Experten befassen sich mit fortgeschrittenen Analysemethoden. Neben allgemeinen Kenntnissen in Datenanalyse benötigen sie Erfahrung im Bereich Machine Learning. Außerdem setzt nicht ganz jeder fünfte Arbeitgeber Erfahrung mit Deep Learning voraus (18,3 %). In den Stellenbeschreibungen finden sich zudem Aufgaben, die den gesamten Analyseprozess abdecken: Die zukünftigen Mitarbeitenden sollen beispielsweise Modelle und Methoden entwickeln und evaluieren oder Daten so aufbereiten, dass sie sich in die entsprechenden Analyse-Tools exportieren lassen.
Technisch-analytische Fähigkeiten sind das eine. Ein Data Scientist arbeitet eng mit denjenigen zusammen, die später ihre Analysen nutzen, zum Beispiel aus den Fachabteilungen oder der Geschäftsführung. Hier kommt es darauf an, komplexe Fragestellungen oder Ergebnisse verständlich zu erklären und zu präsentieren.
Benötigte Kenntnisse und Aufgaben von DATA Scientists
Die Analytics-Werkzeugkiste
Die Datenmenge wächst täglich. Unternehmen stoßen schnell an die Grenzen ihrer Speicherkapazitäten und verlegen sie in die Cloud oder verfolgen ein hybrides Modell. Jobsuchende müssen sich daher gut mit Technologien wie Cloud Computing oder Datenbanken auskennen. Frameworks wie Hadoop und Spark setzen sie im Bereich Big Data ein, um sehr große Datenmengen zu verarbeiten.
Data Scientists benötigen konkrete Kenntnisse in
Wer außerdem Python beherrscht, ist für die Jobsuche gut aufgestellt: Es ist die geläufigste Programmiersprache im Bereich Data Analytics. Das spiegelt sich auch in den Anforderungsprofilen, wo Python sehr oft vorkommt (84,0 %). In jeder zweiten Offerte findet sich außerdem die Programmiersprache R und SQL als Anforderung (50,0 bzw. 49,4 %). R wurde speziell für statistische Berechnungen entwickelt, wogegen ein Data Scientist die Datenbanksprache SQL benötigt, um beispielsweise Datenbankstrukturen zu definieren.
Hochschulabschluss und Berufserfahrung optimal
In den Beruf führen verschiedene Wege. Ein Studium ist optimal, aber viele Arbeitgeber sind offen gegenüber anderen Werdegängen, wenn Jobsuchende entsprechende Erfahrungen vorweisen können (29,1 %). Auch bei den Fachrichtungen sind Personalabteilungen flexibel: Sie zählen durchschnittlich 3,7 Studiengänge auf, die für eine Stelle infrage kommen. Am häufigsten ist es Informatik (70,0 %). Mathematik (53,4 %), Statistik (31,4 %) und Physik (30,9 %) sind in Kombination mit IT-Kenntnissen ebenfalls eine gute Basis. Fachspezifische Ausbildungen finden sich hingegen erst an neunter Stelle der Nennungen (15,4 %). Sie sind vergleichsweise jung und Absolventen noch nicht sehr verbreitet.
Die meisten Offerten richten sich an erfahrene Data Scientists. Recruiter bleiben jedoch oft vage, wie lange sie schon im Beruf arbeiten sollten (20,9 %). Fast ebenso häufig wünschen sie, dass die zukünftigen Beschäftigten schon seit vielen Jahren im Bereich Data Analytics tätig sind (19,1 %). Jobsuchende am Beginn ihrer Laufbahn haben bei gut jeder zehnten Position eine Chance (12,3 %).
Verantwortungsbewusste Data Scientists gewünscht
Arbeitgeber legen größten Wert auf verantwortungsbewusste Datenexperten. Unbedachtes Handeln kann fatale Folgen haben, nicht nur wirtschaftlich. Data Analytics hat auch eine ethische Dimension, beispielsweise im Bereich autonomes Fahren. Außerdem muss ein Data Scientist motiviert sein, um immer wieder neue Lösungswege zu suchen oder sie wieder zu verwerfen, um aus Daten das Beste herauszuholen. Viele der gewünschten Soft Skills beziehen sich auf die Kernaufgaben, beispielsweise die Fähigkeit, komplexe Aufgaben zu bewältigen oder eine analytische und strukturierte Denk- und Arbeitsweise. Die interdisziplinäre Zusammenarbeit funktioniert nur, wenn Mitarbeitende kommunikations- und teamfähig sind, was Arbeitgeber in den Anforderungsprofilen auch betonen. Sicher aufzutreten und durchsetzungsfähig zu sein, hilft im Umgang mit dem Management.
Wichtige soft Skills von Data Scientists
Arbeiten in der New-Work-Welt
Der Bewerbermarkt ist eng, was sich auch an den Rahmenbedingungen im Job bemerkbar macht. An erster Stelle der langen Liste an Benefits findet sich das Angebot, die Arbeitszeit flexibel zu gestalten (56,0 %). Oft können Data Scientists auch im Homeoffice oder hybrid arbeiten (46,6 %). Gute Datenexperten sind wissbegierig und möchten sich weiterentwickeln. Mehr als jeder zweite Arbeitgeber stellt deshalb Weiterbildungen und Zertifizierungen in Aussicht (53,1 %). Die vielen weiteren Zusatzleistungen reichen von Gesundheits- und Fitnessangeboten über Fahrrad-Leasing und soziale Services bis hin zur Möglichkeit von Sabbaticals. Ein attraktives Gehalt ist wohl selbstverständlich und findet sich erst an zehnter Stelle (23,1 %). Recruiter stellen daher eher die Zusatzleistungen in den Vordergrund, die für die tendenziell junge Zielgruppe interessant sind.
„Immer mehr Unternehmen und Branchen benötigen Data Scientists“, erklärt
Katrin Haupt, Geschäftsführerin der DEKRA Akademie. „Der Beruf bietet nicht nur jungen Menschen in der Berufsfindungsphase hervorragende Perspektiven. Auch für erfahrene Fachkräfte mit einem Hintergrund in IT oder Naturwissenschaften kann es eine hoch interessante Weiterentwicklungsmöglichkeit sein.“
Inhalte des DEKRA Arbeitsmarkt-Reports 2022:
Im Kernerhebungszeitraum vom 21. bis 27. Februar wurden Stellenanzeigen in zwei Online-Jobbörsen sowie zehn deutschen Tageszeitungen ausgewertet. Der Report beinhaltet eine/n
Überblick über die Entwicklung der Berufe und Tätigkeitsfelder
- vertiefende Analyse der Tätigkeit von Data Scientists
- vertiefende Analyse der Tätigkeit von Ingenieuren in der Automobilbranche
- Exkurs zum Thema „Mobiles Arbeiten“
- sowie Expertenkommentare
HandelIn vielen Branchen ist die berührungslose Identifikation von Produkten und Gegenständen Pflicht oder zumindest sinnvoll. Wenn du selbst die Entscheidungsgewalt hast, wirst du irgendwann vor der Frage stehen, ob Barcodes oder RFID-Etiketten die sinnvollere Lösung für dich und dein Business sind. Beide Möglichkeiten haben einen Mehrwert, unterscheiden sich aber deutlich voneinander. Für welche Lösung du dich entscheidest, hängt von deinen Bedürfnissen und von der jeweiligen Industrie ab. Das sind die größten Unterschiede zwischen RFID und Barcode Um die richtige Wahl zu treffen, musst du zunächst die Unterschiede zwischen den beiden Systemen kennen. Während der klassische Barcode auf optischer Erkennung basiert, nutzt RFID (Radio Frequency Identification) elektromagnetische Wellen. Das hat massive Auswirkungen auf deinen Arbeitsalltag.
WirtschaftIn der heutigen Industriewelt ist ein Produkt ohne Kennzeichnung fast undenkbar geworden. Ob es sich um eine winzige Schraube in einem Flugzeugtriebwerk, ein medizinisches Skalpell oder ein einfaches Bauteil aus dem Maschinenbau handelt jedes Teil benötigt heute eine Identität. Diese Identität sorgt nicht nur für Ordnung im Lager, sondern ist das Fundament für Sicherheit und Vertrauen. Früher reichten oft einfache Aufkleber oder Tintenstrahlaufdrucke aus, um Informationen zu vermitteln. Doch die Anforderungen sind gestiegen. In einer Zeit von globalen Lieferketten und strengen gesetzlichen Vorgaben muss eine Kennzeichnung mehr können: Sie muss extremen Temperaturen trotzen, Chemikalien standhalten und auch nach Jahrzehnten noch perfekt lesbar sein. Genau hier setzt die Laserbeschriftung an. Sie hat sich von einer teuren Nischentechnologie zu einem echten Allrounder für den Mittelstand entwickelt. Anstatt Material aufzutragen, verändert der Lichtstrahl die Oberfläche des Werkstücks direkt. Das Ergebnis ist ein digitaler Fingerabdruck, der so dauerhaft ist wie das Produkt selbst.
WirtschaftDer Mittelstand ist das Rückgrat der deutschen Wirtschaft, doch dieses Rückgrat muss derzeit enorme Lasten tragen. Digitalisierung, der Wandel der Arbeitswelt und ein immer schärfer werdender Fachkräftemangel setzen Unternehmen unter Druck. In vielen Betrieben zeigt sich dabei ein deutliches Muster: Was früher funktionierte, greift heute oft nicht mehr. Starre Hierarchien und das klassische „Ansagen und Abarbeiten“ stoßen bei modernen Teams auf Widerstand und bremsen die nötige Agilität aus. Führung im Mittelstand bedeutet heute nicht mehr nur, Prozesse zu steuern und Zahlen zu kontrollieren. Es geht vielmehr darum, Menschen zu begeistern, Talente zu binden und in einem dynamischen Marktumfeld handlungsfähig zu bleiben.