Zur Publikation Forum Hochschulentwicklung 1|2018„Data Science“ bzw. Datenwissenschaft etabliert sich als rasch wachsende Wissenschaftsdisziplin mit hohem Innovationspotenzial an der Schnittstelle zwischen Angewandter Informatik, Mathematik, Statistik und weiteren Fachgebieten. Da die neuen Methoden der Aus- und Verwertung von großen Datenmengen weitreichende Auswirkungen auf die Geschäftsmodelle von Unternehmen und auf die Ansprüche von BürgerInnen und der Politik an die Akteure im öffentlichen Bereich haben, kommt der Wissenschaftsdisziplin Data Science eine hohe volkswirtschaftliche und gesellschaftliche Relevanz zu. Zugleich gehen mit automatisierten Formen der Wissensproduktion weitreichende Herausforderungen einher, die einer Reflexion und Bewertung u. a. in ethischer und rechtlicher Hinsicht bedürfen.
Hochrechnungen und Prognosen zum Fachkräftebedarf nach DatenwissenschaftlerInnen deuten auf eine erhebliche Nachfrage nach Personen mit fortgeschrittenen Datenkenntnissen am Arbeitsmarkt hin. Angesichts des vielfach diagnostizierten Mangels an ExpertInnen in diesem Bereich, der unterschiedlichen Potenziale von Data Science für die Hochschulentwicklung sowie der gesellschaftlichen Herausforderungen, die mit automatisierten Formen der Datenanalyse verknüpft sind, hat HIS-HE eine Studie durchgeführt, die Aufschluss darüber gibt, welche Rolle Hochschulen bislang bei der Ausbildung von Data Science-ExpertInnen, der Vermittlung von Datenkompetenzen sowie der Entwicklung entsprechender Forschungs- und Lernumgebungen zukommt.
Bestandsaufnahme der Studiengänge und weiteren Studienangebote für Data Science
Im Rahmen der HIS-HE-Untersuchung wurden eine systematische Literaturrecherche, eine Bestandsaufnahme der Studiengänge und weiteren Studienangebote an deutschen Hochschulen sowie eine Expertenbefragung durchgeführt. Die Bestandsaufnahme des Studienangebots für Data Science an Hochschulen in Deutschland dokumentiert, dass die Hochschulen insbesondere seit 2014 erhebliche Anstrengungen unternommen haben, um das Spektrum an Studienangeboten im Bereich der Datenwissenschaft kontinuierlich zu erweitern. Mittlerweile existieren rund 30 Bachelor- und Masterstudiengänge sowie einige Kontaktstudienangebote bzw. Zertifikatskurse für Data Science – bei steigender Tendenz.
Die Studiengänge sind weit überwiegend generalistisch konzipiert. Es handelt sich mehrheitlich um Masterstudiengänge (58 Prozent), welche vielfach an zuvor absolvierte Informatik- oder Mathematikstudiengänge anknüpfen. Im Vergleich zu den Vereinigten Staaten sind jedoch Bachelorstudiengänge an deutschen Hochschulen noch stark unterrepräsentiert. Auch weitere Studienangebote (z. B. Zertifikatskurse) und alternative Qualifizierungswege scheinen bislang noch kaum entwickelt. Insgesamt ist an deutschen Hochschulen ein Mangel an flexibleren Angebotsformen zu verzeichnen. Bachelorstudiengänge werden ausnahmslos ohne berufsbegleitende Studienmöglichkeit oder die Option eines Fernstudiums angeboten. Auch bei Masterstudiengängen ist die Option eines berufsbegleitenden Studiums nur selten explizit ausgewiesen. Die Kapazität des Studienangebots ist überwiegend durch geringe Studierendenzahlen (meist 10 bis 30 Studierende) gekennzeichnet.
Daneben existieren Data Science-Qualifizierungsangebote, die überwiegend auf internationalen MOOC-Plattformen bereitgestellt werden (z. B. Microcredential- oder Nanodegree-Programme), sowie in begrenztem Umfang Data Science-Weiterbildungen und berufsbegleitende Online-Trainings, die von Unternehmen und Start-ups für Unternehmen und Privatpersonen angeboten werden.
Herausforderungen für die Hochschulen und Empfehlungen
Die Studie beleuchtet darüber hinaus spezifische Herausforderungen, die beim Aufbau eines Data Science-Studiengangs zu berücksichtigten sind, darunter die Rekrutierung von Dozierenden, der Aufbau einer geeigneten technischen Infrastruktur, die Etablierung von Kontakten zu Industrie und Wirtschaft, um realistische Praxisfälle bearbeiten zu können, und unterschiedliche Finanzierungsformen. Abschließend werden nach Zielgruppen differenzierte Handlungsempfehlungen vorgelegt, die aufzeigen, wie Hochschulen die Potenziale von Data Science für die Hochschulentwicklung künftig stärker nutzen – und dabei mittelfristig auch Impulse zur gesellschaftlichen Reflexion der weitreichenden Herausforderungen in diesem Feld geben – können. U. a. bietet die Etablierung von Data Science-Labs (im Sinne von interdisziplinären Arbeitsplattformen für Forschung, Lehre und Verwaltung) Hochschulen bei der Verbreitung von Data Science auch in andere Fachdisziplinen erhebliches Potenzial. Auch eine Förderung von Summer Schools und die Graduiertenförderung könnten zur weiteren Diffusion von Data Science-Methoden außerhalb der Kerndisziplinen Informatik und Mathematik beitragen.