Der Arbeitsalltag einer Mathematikerin im Bereich Data Management & Analytics kann vielf\u00e4ltig sein: Datensammlung, -aufbereitung und -analyse sowie der Entwurf von KI-Modellen und vieles mehr. Die M\u00f6glichkeiten, sich in ein Datenprojekt einzubringen, sind meist nicht auf das eigene Fachgebiet beschr\u00e4nkt. Mara (Senior Big Data Scientist) und Marisa (Senior Machine Learning Engineer) sind zwei Mathematikerinnen, die jeden Tag auf unterschiedlichste Weise mit Daten jonglieren. In diesem Blogbeitrag beschreiben sie, wie ein Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.<\/p>\n
Wenn du Mathematik studierst oder studiert hast, stehst du vor einer gro\u00dfen Auswahl an m\u00f6glichen Karrierepfaden. Du solltest dir aber auf jeden Fall den Bereich Datenmanagement & Analytik anschauen \u2013 nicht nur, weil der Harvard Business Review den Beruf des Data Scientists als den \u201esexiest job\u201c des 21. Jahrhunderts bezeichnet hat [1]. In den letzten Jahren haben sich viele spezialisierte Berufsbezeichnungen herausgebildet, zum Beispiel \u201eData Engineer\u201c, \u201e(Big) Data Scientist\u201c oder \u201eMachine Learning (ML) Engineer\u201c. Sie alle haben jedoch das gleiche Ziel: Daten so zu verarbeiten, dass n\u00fctzliche Informationen aus ihnen extrahiert (gelernt) werden k\u00f6nnen und Computer auf der Grundlage dieses Wissens intelligent handeln k\u00f6nnen. Die Arbeit mit und die Implementierung von KI-Algorithmen erfordert allerdings mehr als nur KI-Expert:innen: Es ist ein Teamsport. Unabh\u00e4ngig von der Berufsbezeichnung sind viele verschiedene Spezialist:innen erforderlich, die als Team zusammenarbeiten und sich gegenseitig erg\u00e4nzen. Auch andere Bereiche der Informatik und verwandter Wissenschaften wie Datenbankmanagement, Softwareentwicklung oder Kognitionswissenschaft m\u00fcssen einbezogen werden, um K\u00fcnstliche Intelligenz produktiv einsetzbar machen zu k\u00f6nnen.<\/p>\n
Aufgrund der bereits erw\u00e4hnten Vielfalt und der zahlreichen Verbindungen zu anderen Teammitgliedern ist es schwierig, einen typischen Tag eines ML Engineers zu beschreiben, denn jeder Tag ist von neuen Herausforderungen gepr\u00e4gt \u2013 zum Gl\u00fcck. Doch selbst bei den komplexesten Herausforderungen l\u00e4sst uns unsere mathematisch-analytische Denkf\u00e4higkeit nicht verzweifeln.<\/p>\n
Die mathematische Modellierung von Daten in einem Lernalgorithmus, sei es durch eine angewandte, spezialisierte lineare Regression oder durch ein ausgefallenes k\u00fcnstliches neuronales Netz, nimmt normalerweise nicht mehr als die letzten 5-10 % eines ganzen Datenprojekts in Anspruch. Damit eine Vorhersage wirklich gut funktioniert, ist der End-to-End-Gedanke entscheidend. Woher kommen die Daten eigentlich? Und welche Daten brauche ich, um ein g\u00fcltiges Ergebnis zu erhalten? Liegen passende Daten vor? Kann ich an profitablere Daten gelangen oder muss ich das Ziel der Vorhersage \u00e4ndern? Es ist entscheidend, das gro\u00dfe Ganze zu verstehen.<\/p>\n
\n\n\u201cAll of AI […] has a proof-of-concept-to-production gap. […] The full cycle of a machine learning project is not just modeling. It is finding the right data, deploying it, monitoring it, feeding data back, showing safety — doing all the things that need to be done to be deployed.\u201c
\nAndrew Ng [2]<\/strong><\/p>\n<\/div>\n<\/blockquote>\nIm Allgemeinen hilft ein Machine Learning Engineer dabei, Algorithmen des maschinellen Lernens oder der K\u00fcnstlichen Intelligenz in einer produktiven Umgebung so einsetzbar zu machen, dass sie im Tagesgesch\u00e4ft problemlos verwendet werden k\u00f6nnen. Das klingt nach einer Menge Infrastruktur und Software-Engineering, und ja, das kann einen gro\u00dfen Teil der Arbeit eines ML Engineers ausmachen. Man muss die bestehenden IT-Landschaften und Systeme auf Kundenebene verstehen, um zu entscheiden, wie man in diesen bestehenden Systemen eine Pipeline zwischen den Daten und der Ausgabe einer Vorhersage aufbaut und wie man am Ende alles einsetzt. Aber KI ist ein Mannschaftssport. Nat\u00fcrlich bin ich als Machine Learning Engineer nicht die Spezialistin f\u00fcr alles, aber es ist wichtig, den \u00dcberblick zu behalten.<\/p>\n
Wie viel Mathematik man als ML Engineer in diesem interdisziplin\u00e4ren Bereich braucht, h\u00e4ngt in erster Linie vom Niveau und Interesse der einzelnen Person an den verwendeten mathematisch-statistischen Techniken ab. Es gibt den ML Engineer, der den ganzen Tag damit verbringt, Infrastrukturen aufzubauen oder Software zu programmieren, um einen intelligenten Algorithmus im Kundensystem produktiv laufen zu lassen. Diese Art von ML Engineer ist sicherlich st\u00e4rker von der Informatik beeinflusst als ich es als Mathematikerin bin. Ich bewundere das, aber ich kann mich nur schlecht im Programmieren verlieren. Das Gute an meinem Beruf ist, dass ich das auch gar nicht muss. Der Beruf ist so facettenreich und vielschichtig, dass jede:r der eigenen Leidenschaft folgen und eine pers\u00f6nliche Rolle im Team einnehmen kann \u2013 mit dem Bonus, dass man ab und zu in andere Rollen hineinschnuppern kann.<\/p>\n
Als Mathematikerin habe ich im Laufe der Jahre verschiedene Rollen \u00fcbernommen. W\u00e4hrend einer Projektphase \u00fcbernehme ich oft die Rolle einer allgemeinen Strategin oder Projektmanagerin, die daf\u00fcr sorgt, dass das Team die gleiche Vision verfolgt, um Input und intelligenten Output in der produktiven Umgebung zusammenzubringen. Wenn dann Spezialist:innen f\u00fcr die Datenmodellierung im Projekt ben\u00f6tigt werden, habe ich die M\u00f6glichkeit, meiner mathematischen Leidenschaft nachzugehen: in Form kleinerer Datenexplorationen und -visualisierungen \u00fcber die Bewertung mathematischer Beziehungen in den Daten bis hin zur Auswahl und dem Training von Lernalgorithmen. Letzteres beinhaltet insbesondere die Ber\u00fccksichtigung von Genauigkeit, Trainingszeit, Modellkomplexit\u00e4t, Anzahl der Parameter und Anzahl der Merkmale. Dar\u00fcber hinaus m\u00fcssen Parametereinstellungen und Validierungsstrategien ausgew\u00e4hlt, Underfitting und Overfitting durch das Verst\u00e4ndnis des Bias-Variance-Tradeoff identifiziert und Konfidenzintervalle gesch\u00e4tzt werden. Ein tieferer Einblick in die Mathematik f\u00fcr Machine Learning findet sich auf Medium [3]. Als mathematisch orientierter ML Engineer kann meine Rolle daher von Zeit zu Zeit der eines Data Scientists \u00e4hnlich sein.<\/p>\n
Diese Rollenver\u00e4nderung und Vielfalt ist das, was ich an meiner Arbeit oder generell an der Arbeit in einem Daten-Projektteam liebe. Ein anderer Machine Learning Engineer k\u00f6nnte sicherlich viele weitere technische Rollen \u00fcbernehmen \u2013 vor allem wenn es darum geht, die entsprechenden Daten zu sammeln, ohne die kein ML- oder KI-Modell funktioniert. Und genau da kommt Mara ins Spiel.<\/p>\n
Mara, was machst du den ganzen Tag als Data Scientist und wann verwendest du Mathematik?<\/h2>\n
Nach meinem Mathematikstudium habe ich angefangen, als Data Scientist f\u00fcr inovex zu arbeiten. Als ich mich f\u00fcr die Stelle bewarb, wurde ich im Vorstellungsgespr\u00e4ch gefragt, welchen Titel ich bevorzugen w\u00fcrde: Data Engineer oder Data Scientist. Damals war ich \u00fcberzeugt, dass Letzteres die einzig vern\u00fcnftige Wahl f\u00fcr eine Mathematikerin wie mich sei. Schon w\u00e4hrend meines Studiums war ich als Werkstudentin im Bereich der Data Science t\u00e4tig und besuchte dar\u00fcber hinaus auch Vorlesungen \u00fcber Data Mining, neuronale Netze und andere verwandte Themen.<\/p>\n
Die Verbindungen zwischen Mathematik und Data Science sind zahlreich \u2013 in der Tat ist Data Science haupts\u00e4chlich die Anwendung mathematischer Modelle auf verschiedene Anwendungsf\u00e4lle. Und ich w\u00fcnschte, diese Tatsache w\u00fcrde an der Universit\u00e4t h\u00e4ufiger und mit mehr Nachdruck gelehrt werden. Hast du dich jemals gefragt, wozu all diese mathematische Theorie gut ist? Wenn du Mathematik studierst, hast du dir schon einmal \u00fcber all die Arten von Matrix-Faktorisierungen, die man in der numerischen Mathematik lernen muss, den Kopf zerbrochen? Oder bist du vielleicht ein:e Abiturient:in, die sich mit der hohen Kunst der Analysis und Algebra befasst, aber bef\u00fcrchtet, dass es zu nichts f\u00fchrt? Ich kann dich beruhigen: Die Anwendungsf\u00e4lle f\u00fcr die Mathematik und ihre Theorien sind grenzenlos.<\/p>\n
Eines meiner Lieblingsbeispiele, das mir w\u00e4hrend meiner Arbeit als Werkstudentin begegnet ist, sind Empfehlungssysteme (Recommender Systems). Ein gro\u00dfartiger Einf\u00fchrungsartikel zu diesem Thema ist auf Medium zu finden, wo Recommender Systems als \u201eAlgorithmen, die darauf abzielen, Usern relevante Artikel vorzuschlagen,\u201c [4] definiert werden. Das k\u00f6nnen zum Beispiel Produkte in einem Online-Shop oder Filme auf einer Streaming-Plattform sein. Die Interaktion zwischen Objekten und Nutzer:innen kann durch eine d\u00fcnnbesetzte Matrix dargestellt werden, in der jeder Eintrag z. B. beschreibt, wie ein:e Nutzer:in einen bestimmten Film bewertet hat oder ob ein:e Nutzer:in ein bestimmtes Produkt gekauft hat. Ein Ansatz, aus dieser Matrix Informationen zu gewinnen und Empfehlungen zu lernen, besteht darin, sie in zwei kleinere, dichtere Matrizen zu zerlegen \u2013 die sogenannte Matrix-Faktorisierung. Die eine Matrix beschreibt dann die User-Repr\u00e4sentation, w\u00e4hrend die andere die Artikel-Repr\u00e4sentation \u2013 eine gute Veranschaulichung daf\u00fcr, wie ein mathematisches Konstrukt in der Praxis eingesetzt werden kann. Auch andere mathematische Methoden finden in der Theorie der Empfehlungssysteme Anwendung.<\/p>\n
Jetzt habe ich viel davon geschw\u00e4rmt, wie vielf\u00e4ltig und \u201esexy\u201c [1] die Anwendungen der reinen (und manchmal scheinbar trockenen) Mathematik im Data-Science-Bereich sein k\u00f6nnen. Aber wenn du diesen Artikel aufmerksam gelesen hast, ist dir vielleicht aufgefallen, dass ich nicht nach meiner Arbeit als Data Scientist, sondern als Data Engineer gefragt wurde. Warum das?<\/p>\n
Wie bereits erw\u00e4hnt, ist die Arbeit im Bereich der KI oder \u2013 allgemein gesprochen \u2013 an einem Datenprojekt ein Teamsport. In diesem Zusammenhang kommt man automatisch auch mit anderen Rollen in Ber\u00fchrung und wechselt von Zeit zu Zeit die Position. Mit meinem mathematischen Hintergrund hatte ich immer gro\u00dfen Respekt vor der Rolle des Data Engineers, von der ich dachte, sie sei \u201eechten\u201c Programmierer:innen mit IT-Hintergrund vorbehalten. Zu Beginn meines Studiums h\u00e4tte ich nicht gedacht, dass ich mich jemals f\u00fcr das Coden interessieren w\u00fcrde und wie Marisa werde ich wahrscheinlich nie so viel Spa\u00df am Programmieren haben wie meine Kolleg:innen, die Informatik studiert haben. Aber Data Engineering ist so viel mehr als nur vor dem Laptop zu sitzen, w\u00e4hrend gr\u00fcne Buchstaben auf einem schwarzen Bildschirm erscheinen und die Finger in Lichtgeschwindigkeit \u00fcber die Tastatur fliegen.<\/p>\n
Das Geschwister der Data Science, mit etwas weniger \u201eSex Appeal\u201c, hat sicherlich mehr Aspekte aus der Informatik als aus der Mathematik geerbt [5]. Als Data Engineer entwirft, implementiert und \u00fcberwacht man Daten-Pipelines, die die ML-Modelle eines Data Scientists speisen k\u00f6nnen. Au\u00dferdem spielen Datenspeicherung und -qualit\u00e4t eine wichtige Rolle. Programmierkenntnisse und die Bereitschaft, sich st\u00e4ndig in neue Technologien einzuarbeiten, sind f\u00fcr diesen Job unerl\u00e4sslich.<\/p>\n
Mit dieser Rollenbeschreibung im Hinterkopf zeigt sich, dass man nicht unbedingt Mathe braucht, um Data Engineer zu sein. Das hei\u00dft aber nicht, dass Mathematiker:innen keine guten oder gar hervorragenden Data Engineers sein k\u00f6nnen. Ihr Studium umfasst viel mehr als nur Kenntnisse in Algebra, Analysis und vielen anderen mathematischen F\u00e4chern. Es wird oft gesagt, dass Mathematik und Philosophie eng miteinander verbunden sind, und einige Universit\u00e4ten wie Oxford bieten sogar Vorlesungen an, die beide Disziplinen miteinander kombinieren [6]. Auch ohne einen solchen Kurs zu besuchen, erwirbt ein:e Mathematikstudent:in eine Menge Soft Skills, die im Alltag eines Data Engineers grundlegende Werkzeuge sind: Man muss mit komplexen Systemen umgehen, die aus unterschiedlichen Datenquellen gef\u00fcttert werden, welche wiederum durch verschiedene Pipelines miteinander verkn\u00fcpft sind. Mit logischem und analytischem Denken kann man ETL-Prozesse (extract, transform and load) besser verstehen und gestalten. Gr\u00fcndlichkeit und das Pr\u00fcfen von Richtigkeit sind der Schl\u00fcssel zur \u00dcberwachung von Daten-Pipelines und zur Gew\u00e4hrleistung einer hohen Datenqualit\u00e4t. Resilienz und Deduktion sind beim Performance Tuning oder beim Debuggen in Daten-Pipelines von gro\u00dfer Hilfe. Mit einigen dieser F\u00e4higkeiten im Werkzeugkoffer hast du eine gute Grundlage f\u00fcr die Rolle eines Data Scientist, praktische Erfahrung kommt mit der Zeit.<\/p>\n
Die M\u00f6glichkeiten f\u00fcr eine:n Mathematiker:in im Datensektor sind also breit gef\u00e4chert. Es werden verschiedene Typen von Menschen und F\u00e4higkeiten ben\u00f6tigt und es gibt zahlreiche Weiterbildungsm\u00f6glichkeiten. Au\u00dferdem k\u00f6nnen Datenprojekte sehr vielf\u00e4ltig sein, da Daten \u00fcberall anfallen: E-Commerce, Lebensmittel- und Mode-Einzelhandel, Logistik, Mobilit\u00e4t, Smart Buildings, … Man kann immer einen Anwendungsfall finden, der dem eigenen Geschmack entspricht. Ich kann auf jeden Fall empfehlen, die Chance zu nutzen und einen Einblick in diese Branche zu bekommen.<\/p>\n
Unabh\u00e4ngig davon, f\u00fcr welchen Studiengang oder Karriereweg du dich entscheidest, kann ich dich nur ermutigen, \u00fcber den Tellerrand hinauszuschauen und auch in andere Rollen und Bereiche hineinzuschnuppern als die, die du bereits kennst. Ob positiv oder negativ, es wird ein Erfahrungsgewinn f\u00fcr dich sein. Und du wirst eine Bereicherung f\u00fcr jedes Team sein, wenn du au\u00dferhalb deiner Komfortzone denken kannst.<\/p>\n
This article is available in English at Her Maths Story.\u00a0<\/a><\/em><\/p>\n
[1] https:\/\/hbr.org\/2012\/10\/data-scientist-the-sexiest-job-of-the-21st-century<\/a>
\n[2] https:\/\/spectrum.ieee.org\/view-from-the-valley\/artificial-intelligence\/machine-learning\/andrew-ng-xrays-the-ai-hype<\/a>
\n[3] https:\/\/medium.com\/towards-data-science\/the-mathematics-of-machine-learning-894f046c568<\/a>
\n[4] https:\/\/medium.com\/towards-data-science\/introduction-to-recommender-systems-6c66cf15ada<\/a>
\n[5] https:\/\/www.stitchdata.com\/blog\/5-things-you-should-know-for-career-in-data-engineering\/<\/a>
\n[6] https:\/\/www.ox.ac.uk\/admissions\/undergraduate\/courses-listing\/mathematics-and-philosophy<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"Der Arbeitsalltag einer Mathematikerin im Bereich Data Management & Analytics kann vielf\u00e4ltig sein: Datensammlung, -aufbereitung und -analyse sowie der Entwurf von KI-Modellen und vieles mehr. Die M\u00f6glichkeiten, sich in ein Datenprojekt einzubringen, sind meist nicht auf das eigene Fachgebiet beschr\u00e4nkt. Mara (Senior Big Data Scientist) und Marisa (Senior Machine Learning Engineer) sind zwei Mathematikerinnen, die […]<\/p>\n","protected":false},"author":233,"featured_media":31927,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"ep_exclude_from_search":false,"footnotes":""},"tags":[511,385,206,225,140],"service":[76,431],"coauthors":[{"id":233,"display_name":"Mara Hermann","user_nicename":"mhermann"},{"id":105,"display_name":"Marisa Mohr","user_nicename":"mmohr"}],"class_list":["post-31926","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","tag-artificial-intelligence-2","tag-data-engineering","tag-data-science","tag-data-science-in-production","tag-machine-learning","service-artificial-intelligence","service-data-science"],"acf":[],"yoast_head":"\n
Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten! - inovex GmbH<\/title>\n<meta name=\"description\" content=\"In diesem Beitrag beschreiben Mara und Marisa, wie der Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten! - inovex GmbH\" \/>\n<meta property=\"og:description\" content=\"In diesem Beitrag beschreiben Mara und Marisa, wie der Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\" \/>\n<meta property=\"og:site_name\" content=\"inovex GmbH\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/inovexde\" \/>\n<meta property=\"article:published_time\" content=\"2021-10-04T09:02:31+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-03-04T06:47:19+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Mara Hermann, Marisa Mohr\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex-1024x576.png\" \/>\n<meta name=\"twitter:creator\" content=\"@inovexgmbh\" \/>\n<meta name=\"twitter:site\" content=\"@inovexgmbh\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Mara Hermann\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"9\u00a0Minuten\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Mara Hermann, Marisa Mohr\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\"},\"author\":{\"name\":\"Mara Hermann\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/person\/c8b3e2f2a438bd3e89da25ca601baf4b\"},\"headline\":\"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten!\",\"datePublished\":\"2021-10-04T09:02:31+00:00\",\"dateModified\":\"2025-03-04T06:47:19+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\"},\"wordCount\":2031,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#organization\"},\"image\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png\",\"keywords\":[\"Artificial Intelligence\",\"Data Engineering\",\"Data Science\",\"Data Science in Production\",\"Machine Learning\"],\"articleSection\":[\"Analytics\",\"General\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\",\"url\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\",\"name\":\"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten! - inovex GmbH\",\"isPartOf\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png\",\"datePublished\":\"2021-10-04T09:02:31+00:00\",\"dateModified\":\"2025-03-04T06:47:19+00:00\",\"description\":\"In diesem Beitrag beschreiben Mara und Marisa, wie der Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage\",\"url\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png\",\"contentUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png\",\"width\":1920,\"height\":1080,\"caption\":\"Illustration: Eine Mathematikerin jongliert mit Daten\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.inovex.de\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten!\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.inovex.de\/de\/#website\",\"url\":\"https:\/\/www.inovex.de\/de\/\",\"name\":\"inovex GmbH\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.inovex.de\/de\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.inovex.de\/de\/#organization\",\"name\":\"inovex GmbH\",\"url\":\"https:\/\/www.inovex.de\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png\",\"contentUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png\",\"width\":1921,\"height\":1081,\"caption\":\"inovex GmbH\"},\"image\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/inovexde\",\"https:\/\/x.com\/inovexgmbh\",\"https:\/\/www.instagram.com\/inovexlife\/\",\"https:\/\/www.linkedin.com\/company\/inovex\",\"https:\/\/www.youtube.com\/channel\/UC7r66GT14hROB_RQsQBAQUQ\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/person\/c8b3e2f2a438bd3e89da25ca601baf4b\",\"name\":\"Mara Hermann\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/person\/image\/ea5a0dac8f5663ae3b35a0cf3301edf3\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5848192ba7d815f8fc0cc0374c73fedd6473fd6b6e089fe289f1a4a8b125bf82?s=96&d=retro&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5848192ba7d815f8fc0cc0374c73fedd6473fd6b6e089fe289f1a4a8b125bf82?s=96&d=retro&r=g\",\"caption\":\"Mara Hermann\"},\"url\":\"https:\/\/www.inovex.de\/de\/blog\/author\/mhermann\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten! - inovex GmbH","description":"In diesem Beitrag beschreiben Mara und Marisa, wie der Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/","og_locale":"de_DE","og_type":"article","og_title":"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten! - inovex GmbH","og_description":"In diesem Beitrag beschreiben Mara und Marisa, wie der Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.","og_url":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/","og_site_name":"inovex GmbH","article_publisher":"https:\/\/www.facebook.com\/inovexde","article_published_time":"2021-10-04T09:02:31+00:00","article_modified_time":"2025-03-04T06:47:19+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png","type":"image\/png"}],"author":"Mara Hermann, Marisa Mohr","twitter_card":"summary_large_image","twitter_image":"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex-1024x576.png","twitter_creator":"@inovexgmbh","twitter_site":"@inovexgmbh","twitter_misc":{"Verfasst von":"Mara Hermann","Gesch\u00e4tzte Lesezeit":"9\u00a0Minuten","Written by":"Mara Hermann, Marisa Mohr"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#article","isPartOf":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/"},"author":{"name":"Mara Hermann","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/person\/c8b3e2f2a438bd3e89da25ca601baf4b"},"headline":"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten!","datePublished":"2021-10-04T09:02:31+00:00","dateModified":"2025-03-04T06:47:19+00:00","mainEntityOfPage":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/"},"wordCount":2031,"commentCount":0,"publisher":{"@id":"https:\/\/www.inovex.de\/de\/#organization"},"image":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png","keywords":["Artificial Intelligence","Data Engineering","Data Science","Data Science in Production","Machine Learning"],"articleSection":["Analytics","General"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/","url":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/","name":"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten! - inovex GmbH","isPartOf":{"@id":"https:\/\/www.inovex.de\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage"},"image":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png","datePublished":"2021-10-04T09:02:31+00:00","dateModified":"2025-03-04T06:47:19+00:00","description":"In diesem Beitrag beschreiben Mara und Marisa, wie der Tag einer Datenjongleurin aussehen kann und wie wir Mathematik in unserem Alltag nutzen.","breadcrumb":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#primaryimage","url":"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png","contentUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/mathematikerinnen-bei-inovex.png","width":1920,"height":1080,"caption":"Illustration: Eine Mathematikerin jongliert mit Daten"},{"@type":"BreadcrumbList","@id":"https:\/\/www.inovex.de\/de\/blog\/mathematikerinnen-bei-inovex-jonglieren-mit-daten\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.inovex.de\/de\/"},{"@type":"ListItem","position":2,"name":"Der Tag zweier Mathematikerinnen bei inovex: Jonglieren mit Daten!"}]},{"@type":"WebSite","@id":"https:\/\/www.inovex.de\/de\/#website","url":"https:\/\/www.inovex.de\/de\/","name":"inovex GmbH","description":"","publisher":{"@id":"https:\/\/www.inovex.de\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.inovex.de\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.inovex.de\/de\/#organization","name":"inovex GmbH","url":"https:\/\/www.inovex.de\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png","contentUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png","width":1921,"height":1081,"caption":"inovex GmbH"},"image":{"@id":"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/inovexde","https:\/\/x.com\/inovexgmbh","https:\/\/www.instagram.com\/inovexlife\/","https:\/\/www.linkedin.com\/company\/inovex","https:\/\/www.youtube.com\/channel\/UC7r66GT14hROB_RQsQBAQUQ"]},{"@type":"Person","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/person\/c8b3e2f2a438bd3e89da25ca601baf4b","name":"Mara Hermann","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/person\/image\/ea5a0dac8f5663ae3b35a0cf3301edf3","url":"https:\/\/secure.gravatar.com\/avatar\/5848192ba7d815f8fc0cc0374c73fedd6473fd6b6e089fe289f1a4a8b125bf82?s=96&d=retro&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5848192ba7d815f8fc0cc0374c73fedd6473fd6b6e089fe289f1a4a8b125bf82?s=96&d=retro&r=g","caption":"Mara Hermann"},"url":"https:\/\/www.inovex.de\/de\/blog\/author\/mhermann\/"}]}},"_links":{"self":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts\/31926","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/users\/233"}],"replies":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/comments?post=31926"}],"version-history":[{"count":5,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts\/31926\/revisions"}],"predecessor-version":[{"id":61115,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts\/31926\/revisions\/61115"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/media\/31927"}],"wp:attachment":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/media?parent=31926"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/tags?post=31926"},{"taxonomy":"service","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/service?post=31926"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/coauthors?post=31926"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}