Dr. Andreas Maier, Von Galaxien zur Big-Data-Welt

In seiner Doktorarbeit hat Alumnus Dr. Andreas Maier die Entwicklung von Galaxien erforscht. Heute arbeitet der Physiker und Informatiker in der Big-Data-Welt und hilft dabei, gewaltige Datenmengen zu analysieren und präzisere Vorhersagen zu treffen.

Was arbeiten Absolventen der Universität Würzburg? Um den Studierenden verschiedene Perspektiven vorzustellen, hat Michaela Thiel, Geschäftsführerin des zentralen Alumni-Netzwerks, ausgewählte Ehemalige befragt. Diesmal ist Alumnus Dr. Andreas Maier an der Reihe.

Maier hat an der Universität Würzburg Physik mit Nebenfach Informatik studiert und in Physik promoviert. Bei The Unbelievable Machine Company (*um) in Berlin ist er Senior Engineer im Bereich Big Data. Er hat seine Promotionsarbeit über die „Entwicklung von Galaxien im Universum“ geschrieben und schon in seinem Studium viel programmiert.

 

 

 

Herr Dr. Maier – Big Data ist in aller Munde. Wie müssen wir uns Ihren Job vorstellen?

Ich habe vorher bei Axel Springer Ideas Engineering GmbH als Big Data Analyst gearbeitet, dort haben wir Nachrichten, die von Agenturen kamen, aggregiert, analysiert und angereichert für Suchen und Redaktions-Alerts sowie eine Plattform für neue Nachrichten-Apps entwickelt. Als Big Data Engineer bei *um kümmere ich mich aktuell um große Logistikprojekte, hier geht es um das Sammeln und Analysieren von Echtzeitpositionsdaten, beispielsweise für eine Optimierung von Fahrplänen und Transportwegen. Dazu benötigt man verteilte Datenbanken und Rechencluster, die mit mehreren Computern vernetzt arbeiten und so große Datenmengen in Echtzeit verarbeiten können. Diese werden benötigt, um ausreichend genaue Statistiken zu erstellen, so dass auf deren Basis Vorhersagen getroffen werden können. Die Technologien dazu sind sehr neu.

 

 

Was denken Sie, ist eine der großen Herausforderungen beziehungsweise Risiken in der Zukunft?

Der Umgang mit großen Datenmengen birgt natürlich eine Menge Herausforderungen, zum Beispiel an die Datensicherheit und auch an die qualitative Aufbereitung von Daten. Manchmal werden auch Daten gesammelt, die nicht gesammelt werden dürfen – wie etwa bei Google Street View, wo nicht nur Straßenansichten, sondern unerlaubterweise auch Wlan-Daten der Anwohner ‚mitgesammelt‘ wurden.  Es gibt aber viele positive Effekte für die Gesellschaft, beispielsweise für das bessere Verständnis genetischer verursachter Krankheiten oder wenn es darum geht, logistische Abläufe zu verbessern und damit Verspätungen bei der Bahn zu vermeiden.

 

 

Wie sind Sie zu diesem Thema gekommen?

Schon während der Promotion habe ich große Datenmengen auf dem Superrechner am Leibniz-Rechenzentrum (LRZ) in München analysiert. Ich bin nach der Promotion dann zuerst auch zum LRZ gewechselt und habe im Bereich Grid/Cloud-Computing gearbeitet. Und dann habe ich mein Nebenfach zum Hauptberuf gemacht und bin nach einer Zwischenstation bei einem Berliner Startup schließlich in der Big-Data-Welt angekommen.

 

 

Welche besonderen Eigenschaften sollte man mitbringen für Ihren Beruf?

Man sollte keine Angst haben, ständig viele neue Technologien zu lernen. Teilweise arbeite ich mich im Wochentakt in neue Themen und Technologien ein. Beim Einstieg überwältigt das einen, dann gewöhnt man sich daran. Darüber hinaus spielen auch solche Eigenschaften wie Genauigkeit und analytisches Denkvermögen eine große Rolle.

 

 

Was würden Sie Studierenden raten, die einen ähnlichen Berufsweg einschlagen möchten?

Auf jeden Fall, programmieren zu lernen! Java ist nach wie vor die ‚Brot-und-Butter-Sprache‘ der Industrie. Machen Sie Programmierpraktika, dort lernt man auch, im Team zu programmieren. Ein guter mathematischer und statistischer Background ist sehr hilfreich. Man muss nicht unbedingt Informatik studiert haben.

 

 

Gibt es in Ihrem Beruf eigentlich Ähnlichkeiten zur Serie Big Bang Theory?

Mein Beruf hat an sich wenig mit der Serie zu tun. Aber der Typ Mensch, der mir in meinem beruflichen Umfeld begegnet, ist den Charakteren der Serie durchaus manchmal ähnlich (schmunzelt).

 

 

Vielen Dank für das Gespräch!