Der studentische Data-Science-Inkubator

Zusätzlich etablieren wir einen von Studierenden eigenverantwortlich gestalteten und geleiteten Data Science-Inkubator, in dem die Zusammenarbeit über Fakultäten hinweg vor allem durch Studierende gedeihen soll. Data-Science-Kompetenz haben wir nicht nur bei Lehrenden verschiedener Fakultäten gefunden, sondern in sehr beachtlichem Maße auch bei unseren Studierenden. Diese Kompetenz entstammt längst nicht immer unserer Lehre, sondern die Studierenden haben sie in Eigeninitiative oder in Nebenjobs bei Unternehmen der Region erworben. Es sind nicht viele Studierende, und sie sind über die Fakultäten verstreut, aber wir sind überzeugt, dass gerade diese Gruppe der Schlüssel zum Erfolg unserer Data-Literacy-Initiative sind.

Studentische Führung

Der Inkubator ist eine studentische Einrichtung. Ihm können Studierende unterschiedlicher Fakultäten angehören, und ihn mit ihrem persönlichem Engagement prägen. Ähnlich dem Student Developers-Konzept der UC Berkeley sind diese Studierenden in die Entwicklung der Data-Literacy-Ausbildung eingebunden. Sie bearbeiten in Eigeninitiative Data-Science-nahe Projekte und entwickeln aus den Erfahrungen ihrer Use-Cases praktische Übungen, die entweder in existierenden Data-Science-Veranstaltungen von Lehrenden genutzt werden, oder als eigenständige ergänzende Veranstaltungen von Studierenden an Studierende in die Lehre einfließen.

Diese Arbeit kann sich der Inkubator von den profitierenden Fakultäten und Lehrstühlen in SHK-Stundensätzen bezahlen lassen. Alternativ können in einigen Studiengängen Inkubator-Projekte als Praktikumsleistungen anerkannt und mit regulären Leistungspunkten "entlohnt" werden. Auch eine Daten-Analyse für ein Forschungsprojekt kann der Inkubator übernehmen und - wenn erfolgreich - mit dem PI abrechnen. Die so entstehenden Einnahmen können die Studierenden selbst verwalten und einsetzen. Das schließt SHK-Verträge für die Leistungsträger des Inkubators mit ein.

Data-Science-Start-Up

Man kann den Inkubator als inneruniversitäres Data-Science-Start-Up sehen. Unternehmerische Skills wie strategische Vernetzung, Werbung, Priorisierung von Projekten, Budgetierung, Buchhaltung und Berichtswesen werden so „nebenbei“ geübt. Erste Ideen von interessierten Studierenden sind schon an uns herangetragen worden und erstrecken sich vom Aufsetzen eines Kubernetes Clusters, das Umstellen existierender Kurse auf Jupyter Notebooks, einem Python-basierten Kurs in Data-Acquisition (APIs, Data-Streams, Live-Analysis, Web-Crawling, etc.) bis hin zur Moderation einer Diskussionsreihe zu ethischen und rechtlichen Herausforderungen der digitalisierten Gesellschaft. Auch haben einzelne Lehrstühle die Entwicklung von praktischen Data-Science-Lehreinheiten bereits von Studierenden federführend gestalten lassen. So geht der Prototyp der Data 101-Vorlesung und die darin genutzten Swirl-Programme auf die engagierte Zusammenarbeit von acht Doktorandinnen und Doktoranden zurück. Mit dem Inkubator wollen wir die Rolle der Studierenden weiter stärken.

Im Vergleich zu klassischen - den Lehrstühlen zugewiesenen - Tutoren sehen wir in dem studentischen Inkubator gleich mehrerer Vorteile:

  • Data-Science-affine Studierende finden sich zusammen und bilden eine Gemeinschaft.
  • Es gibt eine fachschaftsähnliche Repräsentation und Vernetzung der Data-Science-Studierenden.
  • Es entsteht eine Kultur fakultätsübergreifender Zusammenarbeit von unten.
  • Die Teamfähigkeit, Eigenverantwortlichkeit und Strukturfähigkeit von Studierenden wird gefördert.

Zuletzt bearbeitet am