Philipp Großer

Philipp Großer ist leidenschaftlicher Machine-Learning-Engineer und -Consultant sowie Geschäftsführer von Limebit, Data Scientist und Hochschuldozent. Zuvor hat Philipp sechs Jahre bei IBM gearbeitet und an der Universität Potsdam und der Hochschule für Wirtschaft und Recht in Berlin seinen Abschluss in Wirtschaftsinformatik gemacht.

REFERENZEN 

Philipp hat mit seinem Team von Limebit unter anderem schon für Wikipedia und Bayer gearbeitet. Weitere Referenz-Kunden finden Sie auf der Website https://limebit.de/referenzen

INTERVIEW MIT PHILIPP GROßER 

1. Welche Art von Problemen kann ich als Data Scientist lösen?

Data Scientists sind Generalist_innen und in der Lage, mithilfe großer Datenmengen komplexe Fragen zu beantworten. Beispielsweise zeigt sich in medizinischen Daten die Wirksamkeit von Medikamenten sehr genau. Auch seltene Nebenwirkungen, die bei klinischen Studien nicht auftreten, können anhand von Echtwelt-Daten abgebildet werden. Data Scientists wenden Methoden und Werkzeuge an, um relevante Bewegungen in Datensätzen vom zufälligen Rauschen zu unterscheiden. Sie können Muster in Daten identifizieren und abstrahieren. Damit sind sie zum Beispiel in der Lage, Vorzeichen eines Schlaganfalls zu erkennen und über Ärzt_innen Betroffene zu warnen, bevor dieser Schlaganfall auftritt.

2. Für welche Herausforderungen und Zukunftsthemen ist Deep Learning besonders nützlich?

Ich bin davon überzeugt, dass KI unsere Gesellschaft massiv verändern wird und wir aktuell erst ganz am Anfang stehen. Mit Deep Learning lässt sich jedes Daten-Muster identifizieren. Wenn jemand lange arbeitet und dabei Daten erzeugt, dann lässt sich aus diesen Daten das Muster der Arbeit erzeugen und reproduzieren. So können bspw. Tätigkeiten von Buchalter_innen innerhalb der nächsten Jahre stark automatisiert werden. Genauso kann auf der Basis von Deep Learning neue Kunst oder Literatur erschaffen werden – aber eben auch Deep Fakes. Methoden des maschinellen Lernens können gleichermaßen nützlich und gefährlich sein. Eines der relevantesten Zukunftsthemen wird es sein, sinnvolle und effiziente Strukturen zur Datenverarbeitung zu entwickeln, Datenmanagementstandards, Strategien und Leitlinien zu etablieren und damit die digitale Unternehmenskultur verantwortungsbewusst zu gestalten.

3. Warum macht Dir Deine Aufgabe Freude und Spaß, was ist daran besonders für Dich?

Wir bewegen uns auf der Speerspitze der Innovation im Umgang mit Daten. Es gibt zahlreiche Herausforderungen, die komplett neu sind und noch nie gelöst wurden. Der Transfer von Software Engineering-Know How in Data Science-Prozesse macht mir viel Spaß und generiert viele Best Practice-Fälle, welche die Qualität und die Geschwindigkeit der Problemlösung steigern.