Per Datenstrom zur nächsten E-Ladesäule

Schon als Jugendliche begeisterte sich Dr. Frederike Rüppel für Rätsel, bei denen logisches Geschick gefragt ist. Heute nutzt sie ihre analytischen Fähigkeiten als Data Scientist, um gemeinsam mit ihren Kolleginnen und Kollegen im Team Machine Learning Solutions bei Daimler TSS Datenströme in die richtigen Kanäle zu leiten und sie so inhaltlich nutzbar zu machen. Mit den Ergebnissen ihrer Arbeit schafft sie die Grundlage für innovative Produkte und Services, welche die Mobilität für Daimler-Kunden noch sicherer und angenehmer machen. Im Gespräch erzählt die Daten-Expertin, warum Künstliche Intelligenz erklärbar bleiben muss, was sie an ihrem Job besonders faszi¬niert und wie es gelingt, mit Daten echte Mehrwerte zu schaffen.

Frederikes Teamkolleg*innen kommen aus unterschiedlichen Fachrichtungen – aber teilen alle die Begeisterung für Data Science.

Frau Dr. Rüppel, als Data Scientist bei Daimler TSS entwickeln Sie Konzepte, um große Datenmengen nutzbar zu machen, was reizt Sie an Ihrer Arbeit?

Ich liebe es, Probleme anzugehen, die auf den ersten Blick unlösbar scheinen. Bei einem Automobilkonzern wie Daimler fallen Datenmengen an ganz unterschiedlichen Stellen an – von der Planung über die Produktion bis hin zu unseren Service-Partnern und den Fahr-zeugen selbst. Bei Daimler TSS unterstützen wir unsere Kolleginnen und Kollegen aus den unterschiedlichen Fachbereichen, diese Daten und Informationen zu nutzen. Wir verbinden Datenquellen, erkennen Zusammenhänge und schaffen so tiefere Erkenntnisse. Oft entstehen aus unseren Projekten ganz neue Produkt- und Serviceideen.

Was wäre ein Beispiel für eine neue Serviceidee?

Derzeit beschäftigen wir uns mit einem Projekt für unsere neuen Elektrofahrzeuge. Wir entwickeln eine Anwendung, die die Auslastung von Elektroladestationen voraussagt, Fahrern die besten Zeiten zum Aufladen anzeigt und sie zur nächsten freien Ladesäule führt.

Wie gehen Sie so ein Projekt an?

Wir nutzen dann beispielsweise die Auslastungshistorie, die uns die Ladesäulenbetreiber zur Verfügung stellen. Anschließend sichten wir alles, bereiten die Datensätze auf und entwickeln Modelle für die Vorhersage. Wir beginnen dabei erstmal ganz einfach – also zum Beispiel nutzen wir die Ladesäulenauslastung der Vorwoche als Vorhersage für die nächste Woche. Das ist unser Referenzmodell und jedes andere komplexere Modell muss besser sein, um einen Mehrwert zu bieten.

Oft entstehen aus unserer Arbeit ganz neue Serviceideen. Aktuell entwickeln wir beispielsweise eine App, die die Auslastung von Elektro-Ladestationen voraussagt.
Wir haben Frederike für ihr Interview in ihrem Büro in Stuttgart besucht.

Was ist der nächste Schritt?

Anschließend verfeinern wir die Konzepte und beziehen etwa aktuelle Verkehrsdaten ein. Wenn wir ein Modell gefunden haben, das die gewünschte Zuverlässigkeit erreicht, geht es ans Automatisieren. Ziel ist, dass unsere App ständig mit aktuellen Daten versorgt wird. Und im letzten Schritt integrieren wir die Ergebnisse – beispielsweise in die Navigationssysteme der Fahrzeuge, um diese für den Fahrer sichtbar zu machen.

Das klingt sehr spannend. Was war bisher Ihr Lieblingsprojekt?

Mein aktuelles Projekt ist eigentlich immer mein Lieblingsprojekt (lacht). Ich gehe mit ganzem Herz an neue Aufgaben. Jede Datenquelle, mit der wir uns beschäftigen, ist anders. Und wenn wir ein Projekt starten, ist das Ergebnis meist offen. Welche Herausforderungen auf uns zukommen, können wir am Anfang oft nicht abschätzen. Wir wollen dabei natürlich die beste Lösung finden. Es bleibt also immer spannend – das gefällt mir.

Was macht Daimler TSS für Sie als Arbeitgeber aus?

Ich schätze die Kommunikation auf Augenhöhe. Es gibt keine Barrieren zwischen Mitarbeitern und Vorgesetzten. Die offene Kultur finde ich bei meiner Arbeit wichtig. Und als globaler Konzern bietet mir Daimler die Möglichkeit, mich in meinem Themenbereich weiterzuentwickeln. Eines meiner persönlichen Ziele ist, in Zukunft Projekte noch ganzheitlicher zu betreuen – damit der generierte Mehrwert durch Data Science für die Fachbereiche besser zugänglich und nutzbar wird. In meinem Team bei Daimler TSS ist der richtige Platz dafür.

Jeder Datentopf ist anders. Und wenn wir ein neues Projekt starten, ist das Ergebnis meist offen. In meinem Job bleibt es also immer spannend.

Wie ist Ihr Team zusammengesetzt?

Im Team Machine Learning Solutions im Bereich Customer & Car Analytics arbeite ich mit 15 Kolleginnen und Kollegen. Wir sind alle Data Scientists, aber jeder hat einen anderen Hintergrund – von Data Engineering und Statistik über IT-Infrastructure bis hin zu Volks- und Neurowissenschaft. Was unser Team ausmacht: Wir helfen uns gegenseitig, wenn für eine Aufgabe eine bestimmte Expertise gebraucht wird. An umfangreicheren Projekten sind wir auch mal zu zehnt dran und oft arbeiten wir mit anderen Teams bei Daimler TSS zusammen – etwa mit dem Team Cloud Analytics und Data Integration.

Wie sieht Ihr Arbeitstag aus?

Einen Großteil der Zeit bin ich mit Programmieren beschäftigt. Besonders Spaß machen mir die Abstimmungstermine mit meinen direkten Kolleginnen und Kollegen meines Teams. Wir sitzen dann oft zusammen vor einem Whiteboard, skizzieren Ideen und entwickeln das Projekt weiter. Ich finde den Austausch mit Menschen mit ganz anderen Hintergründen und Perspektiven immer sehr anregend. Ein wichtiger Teil meiner Arbeit ist auch, mich inhaltlich und technisch kontinuierlich auf dem Laufenden zu halten.

Und wie schaffen Sie es, immer „up-to-date“ zu sein?

Um bei Künstlicher Intelligenz (KI) am Puls zu sein, verfolgen wir die aktuelle Forschung und die Diskussionen in der Fachwelt. Es gibt regelmäßig neue Erkenntnisse und Updates, etwa bei den Machine Learning Algorithmen und deren Implementierungen. Das macht Data Science sehr spannend und abwechslungsreich. Ein Thema, mit dem ich mich gerade beschäftige ist Explainable AI. Dabei geht es um die Anforderung, nicht nur Modelle für Künstliche Intelligenz zu entwickeln, sondern sie auch für die Anwender verständlich zu machen. Diese Transparenz ist wichtig, um nachhaltig Vertrauen in KI und ihre Ergebnisse zu schaffen.

Ich will mit meiner Arbeit das Thema Data Science weiterbringen. In meinem Team bei Daimler TSS ist der richtige Platz dafür.

Noch etwas Persönliches: Was wäre Ihr Ziel, wenn Zeitreisen möglich wären?

Ich würde dann gerne zwei Zeitreisen machen (lacht): erst 150 bis 200 Jahre in die Vergangenheit, in die Zeit vor der industriellen Revolution. Ich würde gerne sehen und erleben, wie die Menschen damals gelebt haben. Meine zweite Reise würde 150 bis 200 Jahre in die Zukunft gehen – aus Neugier, wie sich unsere Technologie bis dahin entwickelt und unsere Gesellschaft verändert hat.

Persönlich: Dr. Frederike Rüppel (35) ist schon immer davon fasziniert, was mit dem Zusammenspiel aus Daten und Algorithmen möglich ist. Deshalb entschied sich die gebürtige Nordhessin für ein Mathematikstudium an der Julius-Maximilians- Universität Würzburg und promovierte später dort am Institut für Mathematik. Bevor Dr. Frederike Rüppel zu Daimler wechselte, unterstützte sie in einem Consulting-Start-up Weltkonzerne dabei, mit Hilfe von Daten die richtigen Entscheidungen zu treffen. Bei Daimler schätzt sie heute besonders, von den Fachbereichen nicht nur als Expertin, sondern auch als Kollegin wertgeschätzt zu werden. Wenn sie im Team Machine Learning Solutions bei Daimler TSS nicht gerade aus großen Datenmengen wertvolle Mehrwerte gewinnt, spielt Dr. Frederike Rüppel gerne mit ihrer Violine in Amateurorchestern oder macht als Ausgleich Sport.

Wir verwenden Cookies

Damit wollen wir unsere Webseiten nutzerfreundlicher gestalten und fortlaufend verbessern. Wenn Sie die Webseiten weiter nutzen, stimmen Sie dadurch der Verwendung von Cookies zu.