StartseiteBioInfoWelten

Vom Mut, eigene Ideen zu verwirklichen

Von / 13. Oktober 2016 / 3 Kommentare
Mehr

Name: Konstanze Olschewski
Aktueller Job: Geschäftsführerin von Alpha Analytics

Hinweis: Dieser Beitrag wurde NICHT gesponsert. Dieser Beitrag ist ein persönliches Interview. 

Warum hast du dich für das Bioinformatik-Studium entschieden?

Nach dem Abitur habe ich mich für verschieden Fachbereich interessiert; u.A. für Medizin und Informatik. Nur Informatik war mir nicht genug und so habe ich eine Möglichkeit gesucht, das miteinander zu verbinden. Der Studiengang Bioinformatik war dann genau das Richtige.

Wo hast du Bioinformatik studiert und wie fandest du das Studium?

Ich habe an er Friedrich-Schiller-Universität in Jena studiert. Es gab viele Kombinationsmöglichkeiten und Vertiefungsrichtungen, die man wählen konnte. Das fand ich sehr gut, da man nach den eigenen Interessen gehen konnte. Es gab sowohl die Möglichkeit, sich eher mathematisch-informatisch als auch biologisch auszurichten. Im Besonderen waren die spezifischen Bioinformatik-Vorlesungen interessant, die zum Zeitpunkt meiner Studienortwahl eher selten anzutreffen waren.

Wie bist du zu deinem aktuellen Job gekommen?

Nach meiner Arbeit am Institut für Physikalische Chemie stand für mich die Entscheidung an, was ich in Zukunft machen möchte. Am Institut war ich einer der zuständigen Personen für die Datenauswertung und Algorithmenentwicklung zur Identifikation von Bakterien und Viren.

Alpha AnalyticsGerade die Möglichkeiten von Predictive Analytics interessieren mich sehr und ich habe viele Einsatzgebiete dafür gesehen: Von der Biologie, also klassische Bioinformatikbereiche bis hin zur industriellen Fertigung. Viele kleine und mittelständische Unternehmen können sich keinen Spezialisten (wie es sie am Institut gab) leisten, oft, weil es dann doch nur wenig Arbeit über das Jahr verteilt geben würde, könnten jedoch stark vom Einsatz maschinellen Lernens profitieren. Auf dieser Basis erschien es mir sinnvoll, das Ganze als Dienstleistung anzubieten. Schlussendlich haben ich mich für eine Unternehmensgründung (Alpha Analytics) zusammen mit einem ehemaligen Arbeitskollegen aus der Promotionszeit entschieden und somit meine aktuelle Stelle selbst geschaffen.

Was genau machst du in deinem Job?

Zum einen kümmere ich darum, neue Kunden zu gewinnen, zum anderen arbeite ich dann neben einem Kollegen auch in den Kundenprojekten. Dort analysiere ich Sensordaten und entwickle Vorhersagemodelle, die dann z.B. in der industriellen oder biotechnologischen Produktion zum Einsatz kommen. Diese Modelle werden dann genutzt, um z.B. vorherzusagen, wann eine Maschine ausfallen wird, oder ob ein Produktionsprozess erfolgreich verlaufen wird. Allgemein benutze ich maschinelles Lernen, um Projekte im Bereich Digitalisierung und Industrie 4.0 umzusetzen.

Was magst du an deinem Job?

Die Kundenprojekte bringen immer wieder neue und spannende Herausforderungen mit sich, da es kaum standardisierte Datenformate gibt. Jedes Projekt bringt eine neue Mischung an Daten aus verschiedensten Quellen und individuellen Sensorenzusammenstellungen mit sich. Predictive Analytics ist für viele neu und oft geht es darum, festzustellen, was überhaupt mit den vorhandenen Daten möglich ist. Dadurch sind viele Projekte wie kleine Forschungsprojekte.

Daneben ist es für mich sehr spannend und auch fordernd, zu versuchen, aus einer Idee ein Unternehmen zu entwickeln.

Welchen Bezug hat dein Job noch zur Bioinformatik und welche Kenntnisse aus dem Studium nützen dir in deinem heutigen Job?

Allgemein sind die Programmierkenntnisse von Vorteil. Ich arbeite sehr viel mit R für eine Erstanalyse. Die daraus entstehenden Erkenntnisse werden dann mit verschiedenen Sprachen in Software umgesetzt, um die Analysen zu automatisieren. Projekte aus dem Biotechnologie-Bereich fordern biologisches Fachwissen. Dieses Wissen habe ich vorrangig im Studium erworben.

Welche Tipps würdest du Leuten geben, die gerne in dieser Richtung arbeiten möchten?

Ich denke, für sehr viele Richtungen sind Programmierkenntnisse in mindestens einer Sprache sowie umfangreiche Statisitk-Kenntnisse essenziell. Ein weiterer Punkt ist das Netzwerken: Es wird nie wieder so einfach wie in der Studien- und Promotionszeit.

Weitere Interviews findet ihr hier.

Stichworte: , ,
Mehr

Kommentare (3)

  1. #1 Laie
    13. Oktober 2016

    Welche Arten des maschinellen Lernens wurden denn eingesetzt, und welche Hard- und Software dafür verwendet?

    Die Begriffsbildung “Industrie 4.0” höre ich immer wieder. Gab es zu vor auch eine “Industrie 3.0” und “Industrie 2.0”, und worin unterscheiden sie sich inhaltlich?

  2. #2 Konstanze
    14. Oktober 2016

    @Laie: Wir benutzen vorrangig überwachte Methoden wie z.B. Künstliche Neuronale Netze, Support Vector Machines oder z.T. auch Random Forests. Die Wahl hängt von der Beschaffenheit des Datensatzes, von der eigentlichen Fragestellung und auch der späteren Infrastruktur, auf dem z.B. ein Vorhersagemodell automatisiert funktionieren soll, ab.
    Für viele Fragestellungen, die uns bisher begegnet sind, ist ein handelsüblicher PC ausreichend. Für umfangreichere Projekte gibt es Cloud-Computing-Services oder eine passende Infrastruktur beim Kunden. Primäranalysen führen wir meist mit R durch, da R schnell und flexibel ist. Ist dann klar, wo die Reise hingeht, wird das entwickelte Verfahren automatisiert und in einer zur Kundeninfrastruktur passenden Sprache implementiert (z.B. C++ oder Java).

    Zur Begrifflichkeit: Hinter Industrie 4.0 verbirgt sich vor allem die Digitalisierung und Vernetzung: Dies umfasst nicht nur Produkte und Prozesse, sondern auch Menschen. Innerhalb intelligenter Netze kann so z.B. der Lebenszyklus eines Produktes transparent von der Entwicklung und Produktion über die gesamte Nutzungszeit bis hin zum Recycling nachverfolgt und optimiert werden.
    Mit Industrie 3.0 wird ganz allgemein die Automatisierung durch Roboter und Computerisierung der Produktion bezeichnet.
    Die zweite industrielle Revolution ist durch die Einführung von Elektrizität in die Produktion und die Produktion am Fließband und damit Massenproduktion gekennzeichnet.

    Diese Beschreibungen sind sehr kurz und lassen viele Merkmale der einzelnen Stufen, vor allem der vierten, weg. Je nach Kontext und Branche sind auch verschiedene Aspekte mehr oder weniger relevant. Ich hoffe trotzdem, ich konnte einen groben Überblick liefern.

  3. #3 Laie
    22. Oktober 2016

    Danke für die Klarstellung. Ich las vor kurzem, Google entwickelte für KNN eigene Mikro-Chips, mit denen sich gewisse Problemstellungen besser/schneller/effektiver lösen lassen. Haben Sie Performance-Unterschiede zwischen Implementierungen in C++ und Java feststellen können?

    Industrie 4.0 verstehe ich nun etwas besser. Könnte wohl zur Effizienzsteigerung bei der Entwicklung beitragen. Vielleicht findet man später mal einen griffigeren Begriff, um das genauer auszudrücken.