In Folge 38 von MY DATA IS BETTER THAN YOURS (MDIBTY) spricht Jonas Rashedi mit Sebastian W. (Data Science Lead, ONE LOGIC) über Data Science Projects. Konkret: Nicht jedes Data-Science-Projekt braucht Machine Learning — oft reicht saubere Analyse. Use-Case-Priorisierung ist wichtiger als Algorithmen-Exzellenz. Themen: Data Science Projects, Industrial AI. Die Folge zeigt: Industrielle Data Science scheitert meist an Daten-Qualität, nicht an Methodik.
3 Erkenntnisse aus dieser Folge
- 01
Nicht jedes Data-Science-Projekt braucht Machine Learning — oft reicht saubere Analyse.
- 02
Use-Case-Priorisierung ist wichtiger als Algorithmen-Exzellenz.
- 03
Industrielle Data Science scheitert meist an Daten-Qualität, nicht an Methodik.
Worum es in dieser Folge geht
Sebastian arbeitet bei ONE LOGIC, einer deutschen Data-Science-Beratung mit Industrie-Fokus. Er sieht Projekte von Pitch bis Produktion — und kennt die Stellen, an denen sie kippen.
Die Storyline
Was Data Science wirklich ist
Data Science ist zu 80% saubere Analyse-Arbeit, zu 15% Model-Building und zu 5% Magic. Die meisten Unternehmen fokussieren auf die 5%.
Das führt zu bekannten Problemen: Overengineering, Scheitern in Produktion, Frust bei Fachbereichen.
Use-Cases zählen
Die Liste dessen, was Sebastian immer wieder prüft:
- Business-Problem klar formuliert?
- Daten verfügbar und in Qualität?
- ROI-Szenario mit Zahlen hinterlegt?
- Betrieb nach Projektende geklärt?
Der ehrlichste Satz
Sebastian erklärt, warum: Daten-Qualität, fehlendes Ownership, unklare Integration. Fast nie die Algorithmen.
Warum mich das besonders umtreibt
Sebastian war einer der ersten Gäste im Podcast, die Data Science bodenständig erklärt haben. 2021 war das noch mutig. Heute — 2026 — ist es die selbstverständliche Realität: Use-Case-Klarheit schlägt Algorithmen-Hype.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy