Data Science Lab

Digitale Transformation und Künstliche Intelligenz sind – ganz besonders im Jahr 2024 nach dem fulminanten Start von LLM-basierten Technologien (wie etwa ChatGPT von Open AI) – ein zentrales Thema, das sich auch immer mehr im Alltag nahezu aller Menschen manifestiert.

Das WU Data Science Lab wurde mit dem Start des Bachelorprogramms "Data Science" im Wintersemester 2017 ins Leben gerufen. Sein Ziel ist es, ausgewählten Studierenden die Technologien und Anwendungsmöglichkeiten im Bereich Data Science in Wirtschaft und Verwaltung näherzubringen. Zudem soll die Entwicklung und Erweiterung der digitalen Fähigkeiten und Data Science Kompetenzen der Teilnehmer*innen gefördert werden. Dafür wurde ein innovatives Lehrkonzept entwickelt, das speziell auf die Heterogenität der Studierenden dieser Lehrveranstaltung zugeschnitten ist.

Die beiden zentralen Elemente der Lehrveranstaltung – Forschungsorientierung und digitale Transformation – werden dadurch integriert, dass jedem*jeder Studierenden zwei persönliche Data Coaches zugewiesen werden, jeweils eine*r seitens der WU sowie eine*r seitens des jeweiligen Partner*innenunternehmens, dem die*der jeweilige Studierende zugeteilt ist. Der WU Data Coach repräsentiert dabei die forschungsorientierte Perspektive der LV, denn die Projekte der Studierenden sollen stets dem state-of-the-art der wissenschaftlichen Forschung folgen, während der Data Coach des jeweiligen Unternehmens die Unternehmenssicht einbringt. Durch die klar definierte Kommunikation zwischen Data Coaches und den Studierenden sowie den Data Coaches miteinander ergibt sich die Möglichkeit, in kurzer Zeit neueste wissenschaftliche Erkenntnisse direkt in Geschäftsprozesse von Unternehmen zu integrieren. Dies hatte schon mehrfach zum Ergebnis, dass die Lösungen der Studierenden nach Abschluss der LV im Unternehmen direkt zum Einsatz kamen, was für die Studierenden sehr motivierend ist.

Durch diese praxisnahe Arbeit und durch die Möglichkeit, die Daten in einem realen Kontext zu verwenden, ist eine direkte Kompetenzentwicklung im Bereich der Digitalen Transformationen sowohl für Unternehmen als auch die Studierenden auf höchster Ebene der Entwicklungen der Künstlichen Intelligenz sowie verwandter Disziplinen gegeben.

Die Data Coaches der Industriepartner stellen dabei eine Schlüsselrolle dar, da sie nicht nur ihre Business-Cases einbringen, sondern auch eine Doppelrolle als Kund*innen und Fachexpert*innen spielen. Sie arbeiten während des gesamten Semesters mit den Teams zusammen, um Anforderungen zu priorisieren, Fachwissen einzubringen, Feedback zu Zwischenergebnissen zu geben und sich an den Diskussionen bei den Abschlusspräsentationen zu beteiligen. Die Industriekooperationen des Labs decken eine Vielzahl von Branchen (im Wintersemester 2022 etwa Finanz- und Bankwesen, E-Commerce, Medien, Beratungsdienste, öffentlicher Verkehr, Fertigung, Logistik) und Firmengrößen ab – von Start-ups und KMUs über bedeutende österreichische Unternehmen des öffentlichen und privaten Sektors bis hin zu großen multinationalen Konzernen. Dabei wird stets eine gute Mischung angestrebt, bestehend einerseits aus langjährigen Partnerschaften mit Data Coaches, die bereits über mehrere Iterationen des Kurses mit oft neuen Themen teilgenommen haben sowie andererseits neuen Partner*innen mit innovativen Ideen und Problemstellungen.

Indem den Studierenden die Möglichkeit geboten wird, bei der Gruppenbildung explizit die Präferenzen bezüglich ihrer Projektwünsche auf Grundlage ihrer Interessen und auch bisherigen Erfahrungen bekanntzugeben, werden die unterschiedlichen, oft auch sehr heterogenen Vorerfahrungen der Studierenden aktiv von Beginn des Kurses an miteinbezogen. Dies führt zu einer ausgesprochen kreativen Atmosphäre, in der die Studierenden selbsttätig forschen und sich je nach Bedarf des Projektes durch Heranziehen offener Ressourcen häufig zusätzliche methodische Fähigkeiten aneignen, die in den Grundlagenkursen der Spezialisierung nicht behandelt werden. Insbesondere die wissenschaftliche Freiheit ermöglicht es in diesem Rahmen, beeindruckende Ergebnisse zu erzielen, was sich auch häufig daran zeigt, dass Unternehmenspartner*innen die entstandenen Ergebnisse direkt nach dem Kurs in ihre analytischen Prozesse und Abläufe integrieren.

Das Design des Kurses wird um das zentrale Thema des Gruppenprojekts der Studierenden mit einer Industriepartner*in in Gruppengrößen von drei bis fünf Personen strukturiert. Dieses Gruppenprojekt, welches soweit als möglich autonom von den Studierenden bearbeitet wird, wird durch entsprechende Lehr-/Lernformate ergänzt - darunter fallen insbesondere Kurzvorträge der WU Data Coaches, Workshops der Industriepartner*innen, interne sowie externe Präsentationen und Diskussionen sowie individuelle Beratungsgespräche mit den WU Data Coaches. Neben den Abschlusspräsentationen, bei denen alle Studierenden und Data Coaches teilnehmen, bilden zwei Events zentrale Säulen der Lehrveranstaltung: Einerseits die Mid-Term-Präsentationen, in denen ein Panel aus vier WU Data Coaches den Gruppen ausführliches Feedback gibt, sowie die Sparring-Treffen. Dazu werden jeweils zwei bis drei Gruppen anhand von Thema und Methodik zu Sparringpartner*innen eingeteilt. Die Sparringgruppen treffen sich mindestens zwei Mal je Semester und haben die Aufgabe, die andere Gruppe einerseits herauszufordern und andererseits Verbesserungsvorschläge zu geben. Von diesen Sparringsessions sind Protokolle zu erstellen und abzugeben, wodurch unter anderem sichergestellt wird, dass fachliches Feedback auch zwischen den Studierenden formalisiert ausgetauscht wird. 

Aus der Erfahrung aller bisherigen Labs heraus hat sich die Gruppenarbeit als eine sehr effektive Kernlehrmethode für diesen Kurs erwiesen. Insbesondere erwerben die Teilnehmer*innen damit die für die erfolgreiche Durchführung von Data Science-Projekten im Business-Kontext in einem Team erforderlichen Kompetenzen.

Hierbei handelt es sich um den Erwerb der folgenden vier Skills: 1. Technische Kompetenzen, 2. Strategische Aspekte aus Business-Sicht, 3. Soft Skills (Kommunikation, Kollaboration und Innovation) sowie 4. Domain-Expertise. Diese Skills lassen sich der Erfahrung nach in den Gruppen unserer Lab Studierenden ausgesprochen gut gemeinsam erarbeiten bzw. Defizite einzelner Studierender durch den Gruppenaspekt stets nach oben ausgleichen (Upward-Spiraling).

Der praktische Ansatz ermöglicht es den Studierenden dabei, in einer realen Umgebung zu lernen und fördert intrinsische Motivation, Selbstorganisation, selbstmotiviertes Entdecken und Kreativität.

Die interdisziplinäre Zusammenarbeit zwischen den Departments (Information Systems and Operations Management; Finance, Accounting and Statistics; Strategy and Innovation) und Instituten (Data, Process and Knowledge Management; Statistics and Mathematics; Production Management; Corporate Governance) der WU ist für die Erreichung der Lernziele der Lehrveranstaltung ebenso entscheidend wie die externen Partnerschaften mit Unternehmen. Der vielfältige Hintergrund der Lehrenden trägt dazu bei, die große Vielfalt an Themen in Bezug auf Methodik und Fachwissen abzudecken. Jedem Team wird ein Haupt-Coach zugewiesen, die*der als Ansprechpartner*in sowohl für den Industriepartner als auch für das Studierendenteam fungiert und die Gruppe während des gesamten Semesters mit ihrem jeweiligen Fachwissen unterstützt. Darüber hinaus profitieren alle Gruppen während des gesamten Kurses von der Pluralität der Sichtweisen aller WU Data Coaches - insbesondere auch durch das gemeinsame Feedback aller WU Data Coaches in den Mid-Term-Presentations.

Das relevante und innovative didaktische Element des Kurses ist das hochgradig realistische Projektumfeld, welches durch die Industriepartner*innen gegeben ist. Klassische didaktische Elemente in ähnlichen Lehrveranstaltungen – wie Fallstudien oder hypothetische Projekte, die auf öffentlich zugänglichen Daten basieren – können Studierenden zwar durchaus praktische Perspektiven bieten, stellen aber keine zum WU Data Science Lab vergleichbare reale Lernumgebung dar, die interaktives und gemeinschaftliches Problemlösen auf der Grundlage von direktem Engagement mit Interessenvertreter*innen der Industrie fördert.

Dieser Ansatz des erfahrungsbasierten Lernens bettet die selbstgesteuerte Projektarbeit in ein umfassend praxisnahes Umfeld ein, was einen erheblichen Mehrwert darstellt und zu einem außergewöhnlichen Maß an Motivation und Engagement bei den Studierenden führt. Dies führt zur Entwicklung innovativer Problemlösungskapazitäten, was sich auch im Feedback und der hohen Zufriedenheit der Industriepartner zeigt, von denen viele von den innovativen Lösungen der Teams beeindruckt waren. Dies hat nicht nur Karrierechancen für die Studierenden eröffnet (bis hin, dass bereits Absolvent*innen des Labors als Data Coaches zurückgekehrt sind), sondern auch zu einer wiederholten Teilnahme der Praxispartner*innen und langfristigen Industriepartnerschaften geführt.