Dem Geheimnis der Daten auf der Spur

Dinge zu quantifizieren, das hat Nina Quante immer schon fasziniert. So war es naheliegend, dass sie ihre Leidenschaft auch zum Beruf machte. Als Data Scientist hilft sie der Freudenberg-Gruppe Optimierungspotenziale zu erkennen. Und zwar indem sie mittels riesiger Datenmengen Probleme identifiziert und Lösungen ableitet.

Nina Quante stellt sich gerne Herausforderungen. Das gilt auch in ihrer Freizeit. So liebt es die 31-Jährige an Laufevents teilzunehmen. Als nächstes Ziel strebt sie die Teilnahme an einem Halbmarathon an. Selbst der Gedanke, zeitnah einen Triathlon zu bestreiten, klingt für sie eher interessant, als dass er sie abschreckt. Auf unbekanntes Terrain begab sich die gebürtige Hannoveranerin bereits während ihres Studiums der Internationalen Ökonomie in Tübingen und Göttingen. Quante absolvierte nicht nur ein Semester in Spanien, sie ging später auch nach Shanghai. „Ich wollte aus erster Hand erleben, was China antreibt und wie es zu dem wurde, was es ist.“ So erlebte sie 2015 eine Nation, die sich inmitten eines gigantischen Aufbruchs befindet. Am Stadtbild konnte sie zugleich immer wieder erkennen, von wo aus China einmal gestartet war.

Ich wollte aus erster Hand erleben, was China antreibt und wie es zu dem wurde, was es ist.

Nina Quante, Data Scientist

Faszination für Zahlen und Internationale Ökonomie

Neben der Internationalität faszinierte Quante an ihrem Studium noch ein zweiter Aspekt: die Datenanalyse. „Mein Studiengang bestand zu einem Großteil aus quantitativen Fächern wie Ökonometrie, Statistik und explorativer Datenanalyse. An ihnen habe ich mein Studium sehr früh ausgerichtet, denn mich begeistern Zahlen und was sich aus ihnen herleiten lässt“, sagt Quante.

Unsere Aufgabe ist es, aus erhobenen Daten Zusammenhänge herauszuarbeiten, die zunächst nicht offensichtlich sind, und daraus Entscheidungen abzuleiten.

Ihr Weg zum Data Scientist war somit vorgezeichnet. Doch was macht ein Data Scientist überhaupt? Quante beantwortet die Frage so: „Unsere Aufgabe ist es, aus erhobenen Daten Zusammenhänge herauszuarbeiten, die zunächst nicht offensichtlich sind, und daraus Entscheidungen abzuleiten.“ Im Kern geht es also darum, Probleme datenbasiert zu lösen. Bei Freudenberg steht die Verbesserung der Produktqualität sowie effizientere Entwicklungs- und Produktionsprozesse im Fokus.

Dabei ist es Quante vorab sehr wichtig, das Anliegen ihrer Kolleginnen und Kollegen genau zu verstehen. Dann macht sie sich an die von Sensoren erfassten Daten.

Um die oft nicht sehr gute Qualität der Daten zu optimieren, bereinigt sie diese und bereitet sie anschließend auf. „Je mehr Daten uns zur Verfügung stehen, desto einfacher ist es für uns einen Algorithmus zu schreiben. Dieser bringt dann die Faktoren ans Licht, die ein Ergebnis beeinflussen, die also die Ursache des Problems sind,“ weiß Quante.

Die datenbasierte Herangehensweise war für die Geschäftsgruppen bei Freudenberg etwas völlig Neues. Zuvor war es üblich, die Produktionsprozesse genauer unter die Lupe zu nehmen und Verfahren anzupassen. Die Digitalisierung bietet Data Scientists wie Quante nun die Chance, tiefer in Produktionsprozesse vorzudringen und so weitere, wertschöpfende Lösungsoptionen aufzuzeigen.

Abwechslungsreiches Betätigungsfeld

Bei ihrer Arbeit benötigt die Ökonomin im Übrigen neben einem kühlen Kopf auch Ausdauerqualitäten. Der Weg zum Ziel ist ein iterativer Prozess, bei dem sie einzelne Schritte so lange anpasst, bis die Ergebnisse aussagekräftig genug sind. „Im Laufe der Zeit entwickelt man ein ganz gutes Gespür dafür, was richtig ist“, betont Quante den Faktor Erfahrung. Dabei sind Daten für sie nicht gleich Daten. Es kommt darauf an, in welchem Kontext sie erhoben werden. Auch von Branche zu Branche ergeben sich mitunter große Unterschiede, wie Quante bekräftigt.

Im Laufe der Zeit entwickelt man ein ganz gutes Gespür dafür, was richtig ist

Seit 2019 hat sie bei Freudenberg schon zahlreiche Geschäftsgruppen mit ihrer Expertise unterstützt und freut sich über das vielfältige Arbeitsumfeld: „Ich hatte während meines Studiums die Gelegenheit, einen großen Automobilzulieferer kennenzulernen. Dort hat es mir sehr gut gefallen und ich versprach mir von meinem Wechsel zu Freudenberg eine abwechslungsreiche Aufgabe in einem international agierenden Unternehmen. Meine Erwartungen haben sich erfüllt.“

Die Lösung liegt in einem Gigabyte Daten

Bei Freudenberg hat sie es mit Putzmitteln, Filtern, Dichtungen und Vliesstoffen zu tun. Bei Letzteren war Quante unlängst gefordert. Vliesstoff-Teppiche von Freudenberg werden in Autos verbaut. In seltenen Fällen kommt es bei der Verarbeitung jedoch zu Unregelmäßigkeiten im Vlies, was die Kunden reklamieren könnten. Bei Freudenberg war man der Ursache bereits auf die Spur gekommen. Der Vliesstoff entsteht, indem Polymere aufgeschmolzen, zu Fasern verarbeitet und auf einem Auffangband abgelegt werden. Dabei darf keine der Fasern reißen. Wenn es in seltenen Fällen dennoch dazu kommt, dann führt dies zu den Unregelmäßigkeiten im Vlies. Die Frage war nun, warum die Faser reißt. Ein ungelöstes Rätsel, bis Nina Quante zusammen mit einem weiteren Data Scientist und einem Data Engineer über mehrere Jahre aufgezeichnete Prozess- und Qualitätsdaten analysierte. Ein Gigabyte Daten nahmen die drei unter die Lupe. Sie fanden die Ursache und präsentierten ihre Ergebnisse und Lösungsvorschläge den Verantwortlichen. „Unsere Ansprechpartner waren sehr dankbar für unsere Erkenntnisse. Andere Kollegen überraschen wir aber auch mit unseren Ergebnissen, da sie mit anderen gerechnet hätten“, weiß Quante. „Für uns ist es deshalb wichtig, die Kollegen auf dem Weg zur Lösung mit Zwischenergebnissen zu versorgen und unsere Resultate nachvollziehbar zu veranschaulichen. Das steigert nicht nur das Verständnis, sondern auch die Akzeptanz.“

Bei Freudenberg weiß man die Arbeit der Datenanalysten zu schätzen und erkennt, dass sie ihren Teil zum Geschäftserfolg beitragen. Das Team um Quante besteht aus Mathematikern, Ökonomen und Maschinenbauern, aus jungen und erfahrenen Mitarbeitern. „Unser Grundinteresse ist immer gleich. Wir wollen aus den Daten verborgene Zusammenhänge rausholen.“ Dabei setzen sie auf neue Technologien. „Daten werden schon lange von Sensoren aufgezeichnet, aber plötzlich schaffen wir es dank Cloud-Computing und enormer Rechenleistung einen Mehrwert aus ihnen zu generieren.“ Und so helfen Data Scientists wie Nina Quante Probleme zu lösen. Und sei es „nur“, dass sie bei Freudenberg nun wissen, warum es zu Unregelmäßigkeiten im Vliesstoff kommt und wie sich das vermeiden lässt.

Unser Grundinteresse ist immer gleich. Wir wollen aus den Daten verborgene Zusammenhänge rausholen.