podcast.de
Anmeldung
Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Data Science mit Milch und Zucker Podcast

Episoden

Nische oder nichts: Datenberatung im Zeitalter der KI

34 Minuten
**(English version below)** ++++ **Unsere 35. Podcast-Episode: Der deutsche Data-Beratungsmarkt – Spezialisierung, KI und der Weg in die Branche** ++++ **Der deutsche Data-Beratungsmarkt umfasst rund 2.000 Unternehmen. Rocky Khan (Master of Data, BI & AI) spricht über Databricks, Snowflake, Nearshoring und darüber, wie der Einstieg in die Datenberatung gelingt.** In dieser Folge sprechen wir mit Rocky Khan, Advisor und Host des Podcasts „Master of Data, BI & AI“. Nach Stationen bei MicroStrategy (heute Strategy), SAS und Databricks berät er heute selbst Data-Beratungen und hat dadurch einen umfassenden Überblick über den DACH-Markt gewonnen. Wie findet man sich in diesem Markt zurecht? Wie recherchiert man sinnvoll – und wie gelingt der Einstieg in die Branche? Wir sprechen über Hersteller-Ökosysteme von Strategy, Qlik und Tableau bis hin zu Databricks, Snowflake und Microsoft Fabric, über ungewöhnliche Karrierewege wie den Einstieg über Inside Sales und darüber, warum klassische Kaltbewerbungen oft nicht zum Ziel führen. Rocky erklärt, wie man stattdessen mit einer klaren Positionierung und einem eigenen Point of View bei Entscheidern überzeugt. Ein weiteres großes Thema ist der zunehmende Wettbewerbsdruck – nicht nur durch KI, sondern auch durch Near- und Offshoring. Während deutsche Beratungen preislich oft nicht mithalten können, sieht Rocky die Zukunft in einer klaren Spezialisierung und tiefem, projektspezifischem Wissen, das sich nicht einfach durch ein LLM ersetzen lässt. Außerdem sprechen wir darüber, welche Datenplattformen heute bei Konzernen, Digital Natives und im Mittelstand tatsächlich eingesetzt werden, ob man sich eher auf eine Technologie oder eine Branche spezialisieren sollte und welche drei konkreten Empfehlungen Rocky Berufseinsteigern mit auf den Weg gibt, angefangen beim Konzept *Ikigai*. +++++ **Episode 35: The German Data Consulting Market – Specialization, AI, and How to Get In** +++++ **The German data consulting market consists of around 2,000 companies. Rocky Khan (Master of Data, BI & AI) discusses Databricks, Snowflake, nearshoring, and how to break into the data consulting industry.** In this episode, we talk to Rocky Khan, advisor and host of the podcast *Master of Data, BI & AI*. After working at MicroStrategy (now Strategy), SAS, and Databricks, he now advises data consultancies, giving him a unique perspective on the DACH consulting landscape. How do you navigate such a crowded market? How do you research it effectively, and how do you break into the industry as a newcomer? We discuss technology ecosystems ranging from Strategy, Qlik, and Tableau to Databricks, Snowflake, and Microsoft Fabric, unconventional career paths such as starting in inside sales, and why traditional cold applications rarely stand out. Rocky explains why approaching decision-makers with a well-researched point of view is often a far more effective strategy. Another major topic is competition—not only from AI, but also from nearshoring and offshoring, where international consulting firms can often compete on price. Rocky argues that long-term success comes from deliberate specialization and deep, project-specific expertise that no LLM can simply replicate. We also explore which data architectures are actually being used by large enterprises, digital natives, and mid-sized companies, whether it makes more sense to specialize in a technology or an industry, and the three practical pieces of advice Rocky shares for anyone starting a career in data, beginning with the concept of *Ikigai*. Links aus dieser Episode Mehr über das AI Innovation Lab von Datamics erfahren: https://ai-lab.datamics.com/ Rocky Khan und den Podcast „Masters of Data, BI & AI“ entdecken: https://mastersofdatabiai.buzzsprout.com/ Mit Rocky Khan auf LinkedIn vernetzen: https://www.linkedin.com/in/khanrocky/ Buchempfehlung aus dieser Episode: Ikigai von Ken Mogi

Hard Hats & Smart Data: Machine Learning for Construction Safety

18 Minuten
(english version below) ++++ Unsere 34. Podcast-Episode: Machine Learning auf der Baustelle – Sicherheit, Sensoren & smarte Templates ++++ In dieser Folge sprechen wir mit Joel Aytunc Un von Holcim - einem internationalen Konzern, der in mehr als 60 Ländern aktiv ist – über die Herausforderungen und Chancen beim Einsatz von Data Science im Bereich Arbeitssicherheit auf Baustellen. Wie lässt sich mit Hilfe von Audio-, Sensor- und Kameradaten erkennen, ob Sicherheitsvorgaben eingehalten werden? Welche Rolle spielen ML-Modelle in einem realen, oft chaotischen Baustellenumfeld – und wie bringt man diese überhaupt produktiv zum Laufen? Joel gibt uns Einblick in seine Projekte, erzählt von praktischen Erfahrungen bei der Implementierung von Machine Learning im Produktionsumfeld, von der Bedeutung eines guten MLOps-Setups und warum der Einstieg in strukturierte ML-Projekte nicht in Jupyter Notebooks enden sollte. Auch Themen wie Akzeptanz im Team, Datenschutz und Annotation im industriellen Umfeld kommen zur Sprache. Ein spannender Use Case, der zeigt, wie weit Data Science bereits in industrielle Kontexte vorgedrungen ist – und was es braucht, damit Innovation nicht nur ein Buzzword bleibt. +++++ Episode 34: Data Science on Construction Sites – Safety, Sensors, and Smart Use Cases +++++ In this episode, we talk to Joel, a data scientist working at a large international company operating in over 60 countries. The topic: using data science and machine learning to improve safety on construction sites. How can audio, sensor, and camera data help detect whether safety protocols are being followed? What does it take to get machine learning models running in the unpredictable reality of construction environments? Joel shares insights from real-world projects, explaining how ML can be effectively applied in industrial contexts. We dive into topics like MLOps, annotation challenges in production settings, data privacy, and why it's often a mistake to start with just a Jupyter notebook. A fascinating use case that shows how data science is already shaping safety and efficiency far beyond the tech industry—and what it takes to turn innovation into real impact. Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil: https://www.linkedin.com/in/joel-aytunc-un/

Chemometrie -Authentifizierung und Qualitätssicherung in der Lebensmittelindustrie mit Data Science

26 Minuten
++++ Unsere 33. Podcast-Episode: Natalie Gerhardt über Chemometrics in der Lebensmittelauthentifizierung und Qualitätssicherung ++++ Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“! Im Podcast Nr. 33 geht es um den Einsatz von Data Science und chemometrischen Methoden zur Authentifizierung von Lebensmitteln und der Sicherung von Qualität. Zu Gast ist Natalie Gerhardt, Professorin für Analytische Chemie mit dem Schwerpunkt Chemometrie und Data Science. Sie ist Expertin im Bereich der Überprüfung der Authentizität und Echtheit von Lebensmitteln und gewährt uns tiefgehende Einblicke in die praktischen Herausforderungen sowie innovative Lösungsansätze – insbesondere durch den Einsatz von "Profiling"- oder "Fingerprinting"-Analysen, die zur Sicherstellung der Herkunft und Echtheit von Lebensmitteln beitragen. Natalie erklärt, wie in der Lebensmittelindustrie oft mit komplexen Datensätzen gearbeitet wird, die über 40.000 Variablen umfassen können. Dabei geht es darum, mit klassischen Methoden wie der Hauptkomponentenanalyse (PCA) und Klassifikationsalgorithmen wie der linearen Diskriminanzanalyse (LDA), die relevanten Muster zu identifizieren und Authentizität zu prüfen. Durch den Einsatz verschiedener chemometrischer Ansätze werden die Daten reduziert, wesentliche Informationen extrahiert und Korrelationen sowie verborgene Zusammenhänge aufgedeckt. Besonders bei hochwertigen Lebensmitteln wie Safran, Honig, Olivenöl und Fleisch wird die Gefahr von Fälschungen thematisiert, die immer raffinierter werden. Hier hilft der Einsatz von Data Science, um Fehlerquellen schnell zu erkennen und fälschungssichere Referenzdatenbanken aufzubauen. Die Datenqualität und die Probenplanung spielen eine entscheidende Rolle, um zuverlässige Ergebnisse zu erzielen. Dabei ist es wichtig, dass Data Scientists und Industriepartner gut zusammenarbeiten und die Ziele des Projekts klar kommuniziert werden. Natalie betont zudem die Bedeutung der Datenprozesse: Wie geht man mit Fehlwerten, Ausreißern und Rauschen in den Daten um? Sie hebt hervor, dass einfache Modelle oft besser geeignet sind als komplexe Deep Learning-Algorithmen, besonders bei kleineren Datensätzen. Zum Schluss gibt sie noch Tipps, wie man erfolgreich mit Data Science-Projekten arbeitet: Ziele klar definieren, den Workflow sorgfältig planen und vernetzt bleiben, um von den neuesten Entwicklungen in der Branche zu profitieren. Vielen Dank fürs Zuhören und viel Spaß mit der Episode! Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil: https://www.linkedin.com/in/natalie-gerhardt

Wie A/B-Testing und KI Unternehmen transformieren

24 Minuten
+++ Unsere 32. Podcast-Episode: Philipp Paraguya über digitale Transformation, KI und A/B-Testing +++ Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“! Heute freuen wir uns, Philipp Paraguya, Manager bei der ALDI Data & Analytics Services GmbH, als Gast zu begrüßen. Philipp ist ein erfahrener Experte für digitale Transformation und künstliche Intelligenz in Unternehmen. Mit seiner langjährigen Erfahrung in der Tech- und Beratungsbranche teilt er spannende Einblicke in die Implementierung von KI-Technologien und datengetriebene Entscheidungsfindung. In dieser Folge sprechen wir über die Bedeutung von A/B-Testing und datenbasierten Experimenten für Unternehmen. Philipp erklärt, warum A/B-Tests ein essenzielles Werkzeug für die Optimierung von Geschäftsprozessen sind – sei es im Marketing, in der Produktentwicklung oder bei der Automatisierung von Abläufen. Er gibt praxisnahe Tipps, wie Unternehmen ihre Tests strukturieren sollten, um aussagekräftige Ergebnisse zu erhalten, und zeigt auf, welche Fallstricke es zu vermeiden gilt. Außerdem diskutieren wir, welche Rolle KI bei der digitalen Transformation spielt und wie Führungskräfte ihre Teams optimal auf neue Technologien vorbereiten können. Philipp betont die Wichtigkeit von kontinuierlichem Lernen, iterativen Verbesserungen und einer datengetriebenen Unternehmenskultur. Wir freuen uns, euch in dieser Folge wertvolle Insights zu A/B-Testing, KI und digitaler Transformation zu geben. Vielen Dank fürs Zuhören und viel Spaß mit der Episode! Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Philipp in Kontakt zu treten, besuche gerne sein LinkedIn-Profil: https://www.linkedin.com/in/philipp-paraguya

Federated Learning und seine Anwendung in der Industrie 4.0 mit Michael Kühne-Schlinkert

39 Minuten
Der Podcast dreht sich um das Thema Federated Learning und seine Anwendung in der Industrie 4.0. Der Gast, Michael Kühne-Schlinkert, Gründer und CEO von Katulu GmbH, beschreibt, wie Federated Learning genutzt wird, um künstliche Intelligenz direkt bei den Dateneigentümern zu trainieren, ohne dass Daten zentral gesammelt werden müssen. Das Verfahren bietet Vorteile wie Datenschutz, Kosteneffizienz und die Einhaltung rechtlicher Vorgaben. Ein praktisches Beispiel ist die Anwendung in der Automobilindustrie, bei der Modelle in den Fahrzeugen trainiert und optimiert werden. Herausforderungen bestehen insbesondere in der Heterogenität der Systeme und der Datenaufbereitung. Federated Learning ist noch nicht weit verbreitet, bietet aber großes Potenzial, vor allem in komplexen, verteilten Systemen der Industrie.
Alle Folgen ansehen (35)
In Podcasts werben
Schalte jetzt Werbung in Podcasts.

Über diesen Podcast

Deutschlands meistgehörter Data Science Podcast – jetzt reinhören, ganz ohne Anmeldung Ob Data Science, Machine Learning oder künstliche Intelligenz – in diesem Podcast bekommst du mehr als nur Theorie. Prof. Dr. René Brunner liefert verständliche Einblicke in komplexe Themen und zeigt, wie Daten echte Wirkung entfalten. Praxisnah, aktuell und inspirierend. Was dich erwartet: Jede Episode beleuchtet ein spannendes Thema – zusammen mit Expertinnen und Experten aus der Wirtschaft. Es geht um konkrete Anwendungsfälle, Best Practices und Trends direkt aus dem Unternehmensalltag. Dein Host: Prof. Dr. René Brunner ist Professor an der Macromedia Hochschule, Gründer von Datamics und erfolgreicher Fachbuchautor. Über 60.000 Teilnehmer seiner Onlinekurse auf Udemy wissen: Er macht Data Science zugänglich – ohne unnötigen Fachjargon. Sein neuestes Buch „Python – Schritt für Schritt Programmieren lernen“ richtet sich an Einsteiger und erfreut sich großer Beliebtheit. Für wen ist der Podcast? Für Managerinnen und Manager, die Data Science verstehen und einsetzen wollen. Für Einsteigerinnen und Einsteiger, die sich einen fundierten Überblick über aktuelle Entwicklungen in deutschen Unternehmen verschaffen möchten. Das sagt die Community: „Ich höre seit zwei Wochen – und fast hätte ich dank des Podcasts einen Job bekommen.“ „Spannende Einblicke in die Berufswelt, hilfreiche Tipps für den Einstieg.“ „Informativ, praxisnah und motivierend – ein echter Gewinn für die Data Science Community.“ Mehr über René Brunner auf LinkedIn: linkedin.com/in/renebrunner
Webseite
Datamics
Durchschnittliche Länge
Ø 30 Min.
Erscheinungsweise
Unregelmäßig
Letzter Check
vor 3 Min.
Zuerst veröffentlicht
vor 5 J.
Podcast melden

„Data Science mit Milch und Zucker“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz