Data Science für Ingenieur:innen

Kompetenzziele

• Produktions-, Mess- und Prozessdaten nach Herkunft und Struktur einordnen
• Technische Datenbanken mit SQL gezielt abfragen
• Messreihen mit Python bereinigen und für Auswertungen vorbereiten
• Statistische Verfahren auf Fertigungs- und Prozessdaten anwenden
• Mustererkennung mit Machine Learning für die Prozessverbesserung nutzen
• Technische Kennzahlen entwickeln und in Power-BI-Dashboards visualisieren

Themen und Zusammenhänge

Data Science im technischen Umfeld beginnt bei der Frage, welche Daten Produktion und Messtechnik liefern und wie sie in Datenbanken abgelegt sind. SQL-Abfragen erschließen diese Bestände, Python übernimmt die Aufbereitung, vom Umgang mit fehlenden Messwerten bis zur Zusammenführung von Datenreihen aus verschiedenen Prozessschritten.

Statistische Verfahren und Methoden der Mustererkennung durch Machine Learning machen Abweichungen und Zusammenhänge in Prozessketten sichtbar und liefern Ansätze zur Prozessverbesserung. Technische Kennzahlen werden in interaktiven Dashboards mit Power BI dargestellt. Im Projekt werden reale technische Datensätze mit eigenen Python-Skripten analysiert und die Befunde für Fachbereiche aus Entwicklung und Produktion aufbereitet.

Berufliche Perspektiven

Einsatzfelder liegen in Produktion, Fertigung und technischer Entwicklung, überall dort, wo Ingenieure technische Daten systematisch auswerten.

• Ingenieur:in mit Schwerpunkt Datenanalyse in Produktion und Fertigung
• Prozessingenieur:in bzw. Process Engineer für datenbasierte Prozessverbesserung
• Qualitätsingenieur:in für die Auswertung von Mess- und Prüfdaten
• Industrial Data Scientist für technische Kennzahlen und Mustererkennung