Lebenslauf als Data Scientist

„Data Scientist“ meint in Stellenanzeigen sehr Unterschiedliches. Die einen suchen jemanden für Dashboards und Analysen, andere jemanden, der Machine-Learning-Modelle eigenständig in Produktion bringt. Eine klare Einordnung der eigenen Erfahrung hilft: Analyse und Business Intelligence sind etwas anderes als Modellentwicklung und MLOps, und der Lebenslauf sollte erkennen lassen, wo dein Schwerpunkt liegt.

Beim Nachweis helfen Arbeitsproben. Ein Kaggle-Profil, veröffentlichte Notebooks oder ein GitHub-Repository mit einem nachvollziehbaren Projekt zeigen mehr als eine Liste von Bibliotheken. Jedes Projekt lässt sich in drei Teilen beschreiben: Datenbasis, Methode und Ergebnis, etwa „Absatzprognose auf 3 Millionen Verkaufsdatensätzen, Gradient Boosting, Prognosefehler um ein Viertel gesenkt“.

Wichtig ist der Business-Bezug. Ein Modell mit hoher Genauigkeit überzeugt weniger als eines, das nachweislich Kosten gesenkt oder Umsatz gesteigert hat. Auch die Zusammenarbeit mit Fachbereichen, die Aufbereitung von Ergebnissen für Entscheider und der Umgang mit Datenschutz gehören zum Profil. Wer wissenschaftlich gearbeitet hat, wählt die relevantesten Veröffentlichungen aus und verweist für den Rest auf ein Profil.

Vorsicht bei Listen mit Dutzenden Bibliotheken und Modelltypen: Sie verraten nicht, was davon wirklich eingesetzt wurde. Auch Genauigkeitswerte ohne Datengrundlage und Vergleich wirken wenig belastbar. Besser ist ein einzelnes Projekt mit Ausgangsfrage, Vorgehen und Wirkung, das sich in einem Absatz nacherzählen lässt.

Einsteiger zeigen Abschlussarbeit, Wettbewerbe und eigene Projekte mit Daten, Methode und Ergebnis. Erfahrene Bewerber ergänzen Betrieb von Modellen und Zusammenarbeit mit Fachbereichen. Quereinsteiger erklären, wie sie Methoden anwenden und welche Programmiererfahrung sie nachweisen.