1. Was machen Sie heute beruflich und wie war Ihr Weg dorthin?
Aktuell arbeite ich bei AUDI als IT Specialist im Werkzeugbau. Ab dem 15. Oktober wechsle ich innerhalb von AUDI in eine neue Position als Machine Learning Engineer, worauf ich mich sehr freue.
Mein Weg in diese Richtung hat mit meinem Bachelor in Wirtschaftsinformatik begonnen, den ich ebenfalls an der THI absolviert habe – damals noch als Vollzeitstudium. Danach habe ich bei AUDI als Softwareentwickler im Bereich Fahrzeugsteuerung gearbeitet und dort einen klassischen Softwareentwicklungs-Hintergrund aufgebaut.
Anschließend bin ich in den Werkzeugbau gewechselt und habe parallel dazu den berufsbegleitenden Master in Angewandter Künstlicher Intelligenz absolviert. Mit dem Wechsel zum Machine Learning Engineer kann ich meine Spezialisierung aus dem Master künftig noch stärker in meinen beruflichen Alltag einbringen.
2. Warum haben Sie sich für den Master Angewandte Künstliche Intelligenz entschieden?
Das Thema Künstliche Intelligenz hat mich schon während meines Bachelorstudiums sehr interessiert. Ich habe früh gesehen, welches enorme Potenzial die Technologie mit sich bringt und dass sie vermutlich eines der prägenden Zukunftsfelder der nächsten Jahre sein wird.
Gleichzeitig war mein Wissen damals noch recht oberflächlich. Ich wusste beispielsweise nicht genau, wie man ein Machine-Learning-Modell trainiert, was man dafür benötigt oder wie die Infrastruktur rund um solche Modelle aufgebaut wird. Das wollte ich ändern. Mir ging es darum, KI nicht nur als fertige Anwendung zu kennen, sondern die Technik dahinter wirklich zu verstehen und selbst Lösungen entwickeln zu können. Da ich die THI schon aus meinem Bachelor kannte, war der berufsbegleitende Master eine passende Möglichkeit, mich neben dem Beruf weiterzuentwickeln.
3. Wie wurde aus Theorie ein konkreter Mehrwert für Ihre berufliche Praxis?
Der Praxisbezug war für mich einer der größten Mehrwerte des Studiums. Ich konnte Methoden aus dem Studium bereits während meiner Arbeit einsetzen, etwa bei der Analyse von Maschinendaten großtechnischer CNC-Fräsmaschinen. Dabei ging es darum, reale Produktionsdaten zu untersuchen und das Gelernte auf industrielle Fragestellungen zu übertragen.
Ein weiteres Beispiel ist meine Masterarbeit im Aluminium-3D-Druck. Dort habe ich eine transformerbasierte Überwachung des Pulverbetts im Laser-Beam-Fusion-Verfahren entwickelt, um sogenannte Recoater-Streifen zu erkennen.
Dabei kamen viele Themen zusammen: die Arbeit mit realen Daten, die Auswahl und das Training eines geeigneten Modells und die Einbettung in eine konkrete technische Problemstellung. So wurde aus theoretischem Wissen eine praktische Grundlage, um KI-Lösungen für industrielle Anwendungen zu entwickeln.
4. Welche Projekte oder Aha-Momente sind besonders in Erinnerung geblieben?
Meine ersten großen Aha-Momente hatte ich, als wir selbst kleine neuronale Netze trainiert haben. Vorher war KI für mich noch relativ abstrakt. Wenn man dann selbst ein Modell aufbaut und sieht, wie es lernt, versteht man die Zusammenhänge auf einmal ganz anders.
Besonders in Erinnerung geblieben ist mir ein Edge-AI-Studienprojekt. Wir haben eine Anwendung entwickelt, die Vogelarten sowohl anhand von Vogelgezwitscher als auch anhand von Fotos erkennen sollte – und das direkt auf einem Minicomputer. Wir konnten den gesamten Tech-Stack selbst auswählen und haben zwei unterschiedliche Hardwareplattformen betrachtet, darunter einen Raspberry Pi.
Wir hatten viel Freiheit und mussten die komplette Pipeline eigenständig aufbauen: von den Daten und Modellen bis zur Ausführung auf der Hardware. Das war für mich sehr praxisnah. Man merkt dabei, dass ein KI-System weit mehr ist als nur ein trainiertes Modell – auch Infrastruktur, Integration und begrenzte Ressourcen spielen eine große Rolle.
5. Was hat Ihnen am Studium am meisten Spaß gemacht?
Am meisten Spaß gemacht hat mir, wie die einzelnen Module nach und nach ineinandergegriffen haben. Am Anfang ist KI ein riesiges Feld und vieles wirkt noch unübersichtlich. Mit jedem Modul hat sich der Nebel für mich ein Stück weiter gelichtet und es ist langsam ein Gesamtbild entstanden.
Irgendwann kann man nicht nur einzelne Modelle verstehen, sondern auch einschätzen, welches Modell für eine bestimmte Aufgabe geeignet ist, welche Daten und welche Infrastruktur benötigt werden und wie man die Anforderungen praktisch umsetzt. Genau das fand ich spannend: eine gute Basis zu entwickeln, um eigene KI-Systeme mit echtem Mehrwert aufzubauen.
Natürlich ist das universitäre Umfeld nicht eins zu eins mit der Industrie vergleichbar. In der Praxis kommen zusätzliche Herausforderungen hinzu, beispielsweise eine schlechte oder unvollständige Datenqualität. Aber das Studium gibt einem das Rüstzeug, solche Probleme besser einzuordnen und anzugehen.
6. Welche Tipps geben Sie zukünftigen berufsbegleitenden Studierenden?
Mein wichtigster Tipp wäre: Nicht zu viel Angst davor haben, wie man das Studium zeitlich neben dem Beruf unter einen Hut bekommt – sondern einfach machen.
Natürlich braucht ein berufsbegleitendes Studium Organisation. Man muss seine Wochenenden gut planen, und gerade an Vorlesungswochenenden kann man den Freitagabend und Samstag nicht wie sonst nutzen. Ich hatte mir die Belastung vorab aber ehrlich gesagt stressiger vorgestellt. Nicht jedes Wochenende war komplett belegt, und mit einer vernünftigen Planung war es für mich gut machbar.
Außerdem ist die Zeit erstaunlich schnell vergangen. Am Anfang wirkt das gesamte Studium wie eine lange Strecke, aber dann ist ein Semester nach dem anderen vorbei. Wer echtes Interesse am Thema hat, sollte sich deshalb nicht allein vom Zeitaufwand abschrecken lassen.
Wir freuen uns sehr, dass Fabian Jirges bei unserem Online-Infoabend Master-Talk für Fragen zum Studium Master Angewandte Künstliche Intelligenz zur Verfügung steht:
Anmeldung zum Infoabend Master-Talk