Interviewfragen für Data Scientists, mit ausgearbeiteten Antworten

So nutzt du diese Fragen

Lies die kurze Antwort und sag sie laut. Das sind deine ersten dreißig Sekunden. Lies dann die ausführliche Antwort und such dir zwei oder drei Punkte aus deinen eigenen Projekten aus, die du ergänzt. Interviewer wollen die Begründung und die Abwägungen hören, keine Formeln.

Was mit je nach Version oder je nach Anbieter markiert ist, hängt von einem Release oder einem Anbieter ab. Prüf die aktuelle Dokumentation, bevor du ein Detail zitierst.

Was ein Data Scientist können muss

• PythonIn 62 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Python für Daten: saubere, getestete Notebooks und Skripte mit pandas, scikit-learn und Grafiken, die andere erneut ausführen können. oder RR für Statistik und Berichte; verbreitet in Forschung, Pharma und Versicherungen.: saubere, wiederholbare Analysen mit Bibliotheken wie pandasIn 5 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Tabellen in Python laden, bereinigen, verknüpfen und umformen; wissen, wo es bei großen Daten langsam wird. (Tabellen in Python) und scikit-learn (dem Standardwerkzeug für Machine Learning).
• SQLIn 42 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Die eigenen Daten selbst holen und formen: Joins, Aggregationen und Fensterfunktionen, auch auf großen Tabellen.: deine Daten selbst holen, richtig verknüpfen und zusammenfassen, auch bei großen Tabellen.
• StatistikIn 20 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Verteilungen, Konfidenzintervalle, Hypothesentests und ihre Fallen; genug, um einen echten Effekt von Rauschen zu unterscheiden.: Stichproben, Konfidenzintervalle, Hypothesentests und die Fallen drumherum.
• Machine LearningIn 52 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Modelle trainieren, validieren und vergleichen: Datensplits, Kreuzvalidierung, Metriken, Overfitting und Data Leakage.: Daten aufteilen, Kreuzvalidierung, Metriken wählen, Overfitting und gängige Modelle von der linearen Regression bis zum Gradient Boosting.
• Experimente: A/B-Tests (zwei Versionen zufälligen Gruppen zeigen und vergleichen) und was zu tun ist, wenn du keinen durchführen kannst.
• Produktion: wie ein Modell ausgeliefert, überwacht und neu trainiert wird, mit Werkzeugen wie MLflowIn 6 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Experimente, Parameter und Modellversionen festhalten, damit sich ein Ergebnis finden und wiederholen lässt. je nach Version (das Experimente und Modellversionen festhält) und DockerIn 7 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Einen Modell-Service samt Abhängigkeiten verpacken, damit er überall gleich läuft..
• Deep Learning, wo die Rolle es braucht: PyTorchIn 15 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Das häufigste Deep-Learning-Framework in neuen Projekten: neuronale Netze bauen, trainieren und feinjustieren. je nach Version für Bilder, Text oder Signale.
• Kommunikation: ein Ergebnis und seine Unsicherheit Menschen erklären, die entscheiden.

Experimente und Statistik

Wie entwirfst du einen A/B-Test für eine neue Checkout-Seite, und wie liest du das Ergebnis?

Worauf sie achten: dass du den Plan festlegst, bevor die Daten kommen, und die üblichen Fallen vermeidest.

Kurze Antwort: „Ich vereinbare eine Hauptmetrik, etwa abgeschlossene Käufe pro Besucher, und die kleinste Änderung, für die sich Handeln lohnt. Daraus berechne ich, wie viele Besucher wir brauchen, teile sie zufällig auf, lasse den Test über volle Wochen laufen und lese das Ergebnis erst zum geplanten Ende. Dann berichte ich die Größe des Effekts mit ihrer Spanne, nicht nur, ob er signifikant ist.“

Die ausführliche Antwort: Ein A/B-Test zeigt die alte Version (A) und die neue (B) zufälligen Gruppen. Vor dem Start: eine Hauptmetrik, ein paar Guardrail-Metriken, die nicht schlechter werden dürfen (etwa Erstattungen oder Ladezeit), und die Stichprobengröße, die davon abhängt, wie kleinen Effekt wir erkennen wollen. Während des Tests: prüfen, ob die Gruppen so groß sind wie erwartet, denn eine ungleiche Aufteilung heißt, dass etwas kaputt ist. Nicht früh stoppen, weil es gut aussieht; immer wieder nachzuschauen („Peeking“) macht falsche Gewinner viel wahrscheinlicher. Danach: den Effekt mit seinem Konfidenzintervall angeben, wichtige Segmente nur anschauen, wenn das geplant war, und das Ergebnis in eine Entscheidung übersetzen.

Schwache Antwort: „Wir lassen ihn laufen, bis der p-Wert unter 0,05 fällt, dann liefern wir aus.“ Das ist Peeking, und es erzeugt falsche Gewinner.

Nachfrage: „Der Test hat insgesamt gewonnen, aber auf dem Handy verloren.“ War Mobile ein geplantes Segment? Wenn nicht, behandle es als neue Frage und teste es eigens, statt einem Ausschnitt zu trauen, der erst hinterher gefunden wurde.

Erklär einem Produktmanager einen p-Wert und ein Konfidenzintervall.

Worauf sie achten: dass du beides gut genug verstehst, um es einfach und richtig zu sagen.

Kurze Antwort: „Der p-Wert sagt, wie überraschend unser Ergebnis wäre, wenn die Änderung wirklich nichts bewirkt hätte. Ein kleiner p-Wert heißt ‚wahrscheinlich kein reiner Zufall‘, nicht ‚der Effekt ist groß‘. Das Konfidenzintervall gibt die Spanne der Effekte an, die zu unseren Daten passen, und genau das brauchst du für eine Entscheidung.“

Die ausführliche Antwort: Ein p-Wert ist nicht die Wahrscheinlichkeit, dass die neue Version besser ist; das ist der häufige Fehler. Er ist die Wahrscheinlichkeit, einen mindestens so großen Unterschied zu sehen, wenn es keinen echten Unterschied gäbe. Ein Konfidenzintervall, zum Beispiel „zwischen 1 und 4 Verkäufe mehr pro tausend Besucher“, zeigt sowohl die wahrscheinliche Größe als auch die Unsicherheit. Lohnt sich die ganze Spanne, ausliefern; enthält sie null oder Schaden, wissen wir es noch nicht. Bei vielen Metriken oder vielen Tests sehen manche zufällig signifikant aus; deshalb korrigieren wir dafür oder legen vorher eine Hauptmetrik fest.

Schwache Antwort: „Der p-Wert ist die Wahrscheinlichkeit, dass unsere Hypothese stimmt.“

Nachfrage: „Das Ergebnis ist signifikant, aber winzig.“ Dann kann es echt sein und trotzdem die Kosten der Änderung nicht wert; die Entscheidung hängt von der Größe ab, nicht vom p-Wert.

Der Umsatz ist nach einer Marketingkampagne gestiegen. Wie findest du heraus, ob die Kampagne die Ursache war?

Worauf sie achten: dass du Korrelation von Ursache trennst und weißt, was ohne Experiment zu tun ist.

Kurze Antwort: „Ein Anstieg nach der Kampagne ist kein Beweis: Saison, eine Preisänderung oder ein Wettbewerber könnten ihn erklären. Ich würde mit einer Gruppe vergleichen, die die Kampagne nicht gesehen hat, etwa Regionen, in denen sie nicht lief, und die Veränderung in beiden vergleichen, nicht nur das Niveau.“

Die ausführliche Antwort: Korrelation heißt, zwei Dinge bewegen sich zusammen; Ursache heißt, das eine bewirkt das andere. Der beste Beleg ist ein randomisierter Test, bei dem eine zufällige Gruppe die Kampagne nicht bekommt. Wurde das nicht gemacht, such einen fairen Vergleich: ähnliche Regionen oder Kunden, die sie nicht bekommen haben, und vergleiche ihre Veränderung im selben Zeitraum (das heißt Difference-in-Differences). Prüf, ob die Trends vor der Kampagne ähnlich waren. Such nach anderen Ereignissen zur selben Zeit. Sag dann, wie sicher du bist, und empfiehl für das nächste Mal eine Holdout-Gruppe.

Schwache Antwort: „Der Umsatz ist stark gestiegen, also hat es eindeutig funktioniert.“

Nachfrage: „Es gibt überhaupt keine Vergleichsgruppe.“ Nutze die Historie: Sag aus dem bisherigen Trend und der Saison voraus, wie der Umsatz gewesen wäre, und vergleiche mit dem, was passiert ist, mit ehrlichen Fehlerbalken.

Modelle bauen und validieren

Woran erkennst du, dass ein Modell overfittet, und was tust du dagegen?

Worauf sie achten: dass du ehrlich validierst und die Gegenmittel kennst.

Kurze Antwort: „Overfitting heißt, ein Modell lernt das Rauschen seiner Trainingsdaten und schneidet auf neuen Daten schlechter ab. Ich sehe es, wenn die Werte im Training viel besser sind als in der Validierung. Ich behebe es mit mehr Daten, einem einfacheren Modell, Regularisierung, weniger Features oder früher abgebrochenem Training und prüfe mit Kreuzvalidierung.“

Die ausführliche Antwort: Ich halte drei Datensätze getrennt: Trainingsdaten, um das Modell anzupassen, Validierungsdaten, um Einstellungen zu wählen, und ein Testset, das ich am Ende einmal anschaue. Die Kreuzvalidierung teilt die Trainingsdaten in mehrere Teile und trainiert jedes Mal auf allen bis auf einen, damit die Schätzung nicht von einer glücklichen Aufteilung abhängt. Regularisierung heißt, Komplexität zu bestrafen, damit das Modell einfache Muster bevorzugt. Bei Bäumen begrenze ich ihre Tiefe oder ihre Zahl; bei neuronalen Netzen nutze ich Dropout und Early Stopping. Die letzte Prüfung sind immer Daten, die das Modell nie gesehen hat.

Schwache Antwort: „Unsere Accuracy auf den Trainingsdaten ist hervorragend.“

Nachfrage: „Die Kreuzvalidierung sieht gut aus, aber das Modell versagt in der Produktion.“ Vermute Leakage oder einen Unterschied zwischen Trainingsdaten und Live-Daten; prüfe beides.

Was ist Data Leakage? Erzähl von einem Mal, als du es entdeckt hast.

Worauf sie achten: dass du den häufigsten Grund kennst, warum ein Modell zu gut aussieht.

Kurze Antwort: „Leakage heißt, das Modell wird mit Informationen trainiert, die es im Moment einer echten Vorhersage nicht hätte; die Testwerte sehen dann großartig aus und die Ergebnisse im Betrieb nicht. Ich verhindere es, indem ich bei jedem Feature frage: Wüsste ich das zum Zeitpunkt der Vorhersage?“

Die ausführliche Antwort: Typische Fälle: ein Feature, das nach dem Ergebnis erfasst wird (ein „Kündigungsgrund“ in einem Churn-Modell), Statistiken wie Mittelwerte, die vor dem Aufteilen auf allen Daten berechnet wurden, derselbe Kunde in Trainings- und Testdaten oder zufällige Aufteilungen bei Daten, in denen die Zeit zählt. Die Anzeichen sind ein verdächtig hoher Wert oder ein Feature, das fast alles erklärt. Die Lösungen: zuerst aufteilen und alles innerhalb des Trainingsteils berechnen, wo nötig nach Kunde oder Zeit aufteilen und Features so nachbauen, wie sie am Tag der Vorhersage aussahen.

Schwache Antwort: „Leakage ist, wenn Daten gestohlen werden.“ Das ist eine andere Art von Leck.

Nachfrage: „Dein bestes Feature entpuppt sich als Leck. Das Modell ist jetzt viel schlechter.“ Gut so: Die ehrliche Zahl ist die, die das Business sehen wird. Sag es früh und arbeite von dort aus weiter.

Ein Betrugsmodell ist zu 99 Prozent genau. Ist es gut?

Worauf sie achten: dass du weißt, dass Accuracy in die Irre führt, wenn eine Klasse selten ist, und ein besseres Maß wählen kannst.

Kurze Antwort: „Nicht unbedingt. Ist eine von hundert Transaktionen Betrug, ist ein Modell, das immer ‚kein Betrug‘ sagt, zu 99 Prozent genau und nutzlos. Ich würde auf Precision schauen, wie viele markierte Fälle wirklich Betrug sind, und auf Recall, wie viele Betrugsfälle wir erwischen, und den Schwellenwert mit den geschäftlichen Kosten jedes Fehlers festlegen.“

Die ausführliche Antwort: Bei seltenen Klassen miss, was zählt: Precision (von den Fällen, die wir markieren, wie viele stimmen) und Recall (von den echten Fällen, wie viele wir finden). Beide ziehen gegeneinander: Ein niedrigerer Schwellenwert erwischt mehr Betrug, markiert aber auch mehr ehrliche Kunden. Die Precision-Recall-Kurve zeigt diesen Zielkonflikt für jeden Schwellenwert. Der richtige Punkt hängt von den Kosten ab: Ein übersehener Betrug kostet Geld, ein Fehlalarm das Wohlwollen eines Kunden und die Zeit eines Analysten. Im Training können Umgewichtung oder Resampling der seltenen Klasse helfen, aber bewertet werden muss auf Daten mit der echten Mischung.

Schwache Antwort: „Ja, 99 Prozent sind hervorragend.“

Nachfrage: „Das Betrugsteam kann nur ein paar hundert Fälle am Tag prüfen.“ Dann nach Risiko ranken und die Precision unter den obersten Fällen messen, die es prüfen kann; das ist die Zahl, die zählt.

Warum fängst du mit einer Baseline an, und welche wäre deine?

Worauf sie achten: dass du ein Modell an etwas Einfachem misst, bevor du behauptest, dass es Wert schafft.

Kurze Antwort: „Eine Baseline ist die einfachste vernünftige Antwort, etwa der Wert des letzten Monats, der Durchschnitt oder eine Geschäftsregel, die schon genutzt wird. Schlägt mein Modell sie nicht deutlich, ist es seine Kosten nicht wert.“

Die ausführliche Antwort: Eine Baseline zeigt dir, wie schwer das Problem wirklich ist, und hält alle ehrlich. Für eine Prognose: dieselbe Woche im Vorjahr oder der jüngste Durchschnitt. Für eine Klassifikation: die häufigste Klasse oder die Regel, die das Team heute nutzt. Dann ein einfaches Modell, etwa eine lineare oder logistische Regression. Erst danach ein komplexes, und nur, wenn es die einfachen so deutlich schlägt, dass es sich lohnt, dass es schwerer zu erklären, zu betreiben und zu pflegen ist.

Schwache Antwort: direkt zu einem tiefen neuronalen Netz greifen.

Nachfrage: „Die einfache Regel ist fast so gut wie dein Modell.“ Sag das, liefere die Regel aus, wenn sie reicht, und steck die Zeit in ein Problem, bei dem ein Modell einen echten Unterschied macht.

Wie validierst du ein Modell, das den wöchentlichen Umsatz prognostiziert?

Worauf sie achten: dass du die zeitliche Reihenfolge der Daten respektierst.

Kurze Antwort: „Zeitreihendaten mische ich nie. Ich trainiere auf der Vergangenheit und teste auf dem Zeitraum danach und wiederhole das für mehrere Stichtage; das nennt man rollierende oder Walk-Forward-Validierung. Ich vergleiche mit einer saisonalen Baseline, etwa derselben Woche im Vorjahr.“

Die ausführliche Antwort: Eine zufällige Aufteilung lässt das Modell in die Zukunft schauen, und das ist Leakage. Die Walk-Forward-Validierung ahmt den echten Einsatz nach: bis zu einem Datum trainieren, die nächsten Wochen prognostizieren, das Datum verschieben, wiederholen. Nutze nur Features, die zum Zeitpunkt der Prognose bekannt sind: geplante Aktionen ja, das tatsächliche Wetter der nächsten Woche nein, außer du nutzt die Wettervorhersage. Miss den Fehler in Einheiten, die das Business versteht, etwa Prozent des Umsatzes oder Lagereinheiten, und schau auf die Wochen, die am meisten zählen, etwa Feiertage.

Schwache Antwort: „Ich nutze normale Kreuzvalidierung mit zufälligen Folds.“

Nachfrage: „In den Daten steckt ein Pandemiejahr.“ Markiere es, teste mit und ohne und sag den Planern, wie sehr es die Prognose verändert.

Daten und Features

Wie gehst du mit fehlenden Werten und Ausreißern um?

Worauf sie achten: dass du fragst, warum Daten fehlen, bevor du sie auffüllst.

Kurze Antwort: „Zuerst finde ich heraus, warum Werte fehlen oder extrem sind, denn der Grund entscheidet über die Lösung. Dann fülle ich sie bewusst auf, markiere sie oder entferne sie und prüfe, dass die Wahl die Schlussfolgerung nicht verändert.“

Die ausführliche Antwort: Zufällig fehlende Werte (ein Sensor ist ab und zu ausgefallen) lassen sich mit einem einfachen Wert oder einem Modell auffüllen, und ich ergänze eine Markierung, damit das Modell weiß, dass aufgefüllt wurde. Aus einem Grund fehlende Werte (Menschen mit hohem Einkommen überspringen die Frage nach dem Einkommen) tragen Information, also ist die Markierung selbst ein Feature. Bei Ausreißern: Ein Datenfehler (ein Alter von 200) wird korrigiert oder entfernt; ein echter, aber seltener Wert (ein sehr großer Kunde) bleibt, vielleicht mit einem Modell, das weniger empfindlich auf Extreme reagiert. Jedes Auffüllen wird nur auf den Trainingsdaten gelernt, um Leakage zu vermeiden.

Schwache Antwort: „Ich lösche jede Zeile mit einem fehlenden Wert.“ Damit kann der Großteil der Daten verloren gehen und der Rest verzerrt werden.

Nachfrage: „Die Hälfte der Werte einer wichtigen Spalte fehlt.“ Frag die Leute, die sie erheben, warum; oft liegt die Lösung weiter vorn in der Kette, nicht im Modell.

Wie würdest du aus einer sehr großen Tabelle den jüngsten Kauf jedes Kunden holen?

Worauf sie achten: dass du Daten in SQL formen kannst, der alltägliche Teil des Jobs.

Kurze Antwort: „Ich würde die Käufe jedes Kunden mit einer Window Function vom neuesten zum ältesten nummerieren und dann nur Nummer eins behalten. Das ist ein Durchlauf über die Tabelle, und ein Index auf Kunde und Datum macht ihn schnell.“

Die ausführliche Antwort: Eine Window Function berechnet etwas über zusammengehörige Zeilen hinweg, hier alle Zeilen eines Kunden, ohne sie zu einer zusammenzufassen. Nummeriert man die Zeilen innerhalb jedes Kunden nach Datum und behält die erste, erhält man den letzten Kauf, und Gleichstände lassen sich über eine zweite Spalte auflösen. Die Alternative, nach Kunde gruppieren, um das letzte Datum zu finden, und zurück joinen, funktioniert auch, geht aber leichter schief, wenn zwei Käufe dasselbe Datum haben. Bei wirklich großen Daten läuft dieselbe Idee in SparkIn 7 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Daten verarbeiten, die für einen Rechner zu groß sind, oft auf Databricks oder einer Cloud-Plattform. je nach Anbieter. Ich würde auch das Ergebnis prüfen: eine Zeile pro Kunde und dieselbe Zahl von Kunden wie in der Quelle.

Schwache Antwort: „Ich würde die ganze Tabelle in pandas laden und sortieren.“ Gut für eine Stichprobe, nicht für Milliarden Zeilen.

Nachfrage: „Manche Kunden haben keinen Kauf.“ Von der Kundentabelle ausgehen und die Käufe dazujoinen, damit diese Kunden mit einem leeren Wert drinbleiben.

Modelle in Produktion

Dein Modell hat beim Launch gut funktioniert. Sechs Monate später ist es schlechter. Was ist passiert, und wie hättest du es bemerkt?

Worauf sie achten: dass du über ein Modell nach dem Launch nachdenkst: Monitoring, Drift und neues Training.

Kurze Antwort: „Am wahrscheinlichsten Drift: Die Daten oder die Welt haben sich verändert, also gelten die Muster, die das Modell gelernt hat, nicht mehr. Bemerkt hätte ich es, indem ich die Eingaben, die Vorhersagen und, sobald sie vorliegen, die echten Ergebnisse mit Alarmen überwache und nach Plan oder bei auftretender Drift neu trainiere.“

Die ausführliche Antwort: Data Drift heißt, die Eingaben sehen anders aus, zum Beispiel eine neue Kundengruppe. Concept Drift heißt, der Zusammenhang zwischen Eingaben und Ergebnis hat sich verändert, zum Beispiel weil ein Wettbewerber seine Preise geändert hat. Überwache die Verteilung wichtiger Eingaben gegenüber den Trainingsdaten, den Anteil jeder Vorhersage und die echte Genauigkeit, sobald die Ergebnisse bekannt sind. Achte auch auf schlichte Defekte: eine Spalte, die plötzlich leer ankommt. Halte jede Modellversion und ihre Trainingsdaten fest, mit einem Werkzeug wie MLflowIn 6 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Experimente, Parameter und Modellversionen festhalten, damit sich ein Ergebnis finden und wiederholen lässt. je nach Version, damit du vergleichen und zurückrollen kannst. Trainiere auf aktuellen Daten neu, vergleiche mit dem jetzigen Modell auf demselben Testzeitraum und ersetze es nur, wenn das neue besser ist.

Schwache Antwort: „Modelle ändern sich nach dem Training nicht, also sollten sie weiter funktionieren.“

Nachfrage: „Die Ergebnisse kommen erst drei Monate später.“ Beobachte in der Zwischenzeit die Eingaben und Vorhersagen; sie warnen dich früh.

Wann würdest du Gradient Boosting einsetzen und wann ein neuronales Netz?

Worauf sie achten: dass du das Werkzeug nach den Daten wählst, nicht nach Mode.

Kurze Antwort: „Für Tabellen mit Geschäftsdaten sind Gradient Boosted Trees meist die stärkste und schnellste Wahl. Für Bilder, Ton und freien Text gewinnen neuronale Netze, oft ausgehend von einem vortrainierten Modell.“

Die ausführliche Antwort: Gradient Boosting baut viele kleine Entscheidungsbäume, von denen jeder die Fehler der vorigen korrigiert. Auf tabellarischen Daten mit einer Mischung aus Zahlen und Kategorien ist es genau, schnell zu trainieren und recht leicht zu erklären. Neuronale Netze glänzen, wo die Rohdaten komplex sind, etwa Pixel oder Wörter, und wo viele Daten oder ein vortrainiertes Modell verfügbar sind; PyTorchIn 15 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Das häufigste Deep-Learning-Framework in neuen Projekten: neuronale Netze bauen, trainieren und feinjustieren. je nach Version ist das übliche Framework. Bei Textaufgaben ist ein großes Sprachmodell (LLMIn 25 % der Anzeigen für Data Scientist gefragt (Stand 05.11.2026).Große Sprachmodelle über eine API für Textaufgaben nutzen und sie messen wie jedes andere Modell.) über eine API heute oft die Baseline, die es zu schlagen gilt. Welches Modell auch immer: Die Validierung und der Vergleich mit einer einfachen Baseline bleiben gleich.

Schwache Antwort: „Deep Learning ist immer genauer.“

Nachfrage: „Das Business muss jede Entscheidung verstehen.“ Ein einfacheres Modell oder Boosted Trees mit klaren Erklärungen sind vielleicht ein wenig Genauigkeit wert.

Zusammenarbeit mit dem Fachbereich

Wie erklärst du, warum das Modell einem Kunden einen hohen Risikowert gegeben hat?

Worauf sie achten: dass du ein Modell verständlich machen kannst und die Grenzen der Erklärung kennst.

Kurze Antwort: „Ich zeige die wenigen Faktoren, die diesen Wert am stärksten nach oben oder unten geschoben haben, in den Worten des Geschäfts, mit einem Werkzeug, das den Beitrag jedes Features misst, etwa SHAP. Ich ergänze, wie sicher sich das Modell ist und was es nicht weiß.“

Die ausführliche Antwort: Für eine einzelne Vorhersage zerlegen Beitragsmethoden wie SHAP den Wert in den Anteil, den jedes Feature beigetragen hat; so kannst du sagen: „Verspätete Zahlungen haben das Risiko am stärksten erhöht, eine lange Kundenhistorie hat es gesenkt.“ Für das Modell insgesamt zeigst du, welche Features am meisten zählen und wie. Mach klar, dass das das Modell erklärt, nicht die echte Welt: Ein Feature kann für das Modell wichtig sein, ohne das Ergebnis zu verursachen. Bei Entscheidungen über Menschen, etwa Kredit oder Einstellung, prüf das Modell auf unfaire Unterschiede zwischen Gruppen und kenne die Regeln, die gelten.

Schwache Antwort: „Es ist eine Blackbox, aber es ist genau.“

Nachfrage: „Der Kunde fragt, warum er abgelehnt wurde.“ Die wichtigsten Gründe in einfachen Worten nennen und einen Weg anbieten, wie ein Mensch die Entscheidung prüft.

Ein Stakeholder bittet dich, ein Modell zu bauen, das vorhersagt, welche Kunden gehen werden. Wo fängst du an?

Worauf sie achten: dass du bei der Entscheidung anfängst, nicht beim Algorithmus.

Kurze Antwort: „Ich frage zuerst, was sie mit der Vorhersage tun werden: wer danach handelt, wann und was eine Maßnahme kostet. Das entscheidet, was ‚gehen‘ heißt, wie weit im Voraus vorhergesagt wird, welches Maß optimiert wird und ob überhaupt ein Modell nötig ist.“

Die ausführliche Antwort: Vereinbare zuerst die Definition: neunzig Tage kein Kauf, ein gekündigter Vertrag? Vereinbare das Timing: Eine Vorhersage nützt nur, wenn noch Zeit zum Handeln bleibt. Vereinbare die Maßnahme und ihre Kapazität: Kann das Team zweihundert Kunden pro Woche anrufen, muss das Modell an der Spitze gut ranken. Finde die Daten und prüf, ob sie zum Zeitpunkt der Vorhersage verfügbar sind. Bau eine einfache Baseline, dann ein Modell, und miss beide an der Entscheidung, am besten mit einem Test, bei dem einige Kunden mit hohem Risiko kontaktiert werden und andere nicht. Bezieh den Stakeholder bei jedem Schritt ein, damit das Ergebnis etwas ist, dem er vertraut und das er nutzt.

Schwache Antwort: „Ich würde alle Daten ziehen und ein paar Algorithmen ausprobieren.“

Nachfrage: „Das Modell sagt gut vorher, aber die Kontaktaufnahme hält die Kunden nicht.“ Dann ist nicht die Vorhersage das Problem; teste andere Maßnahmen oder sag vorher, wer sich überzeugen lässt, statt wer gehen wird.

Dein Lebenslauf für diese Fragen

Jede Antwort oben fällt leichter, wenn dein Lebenslauf sie schon sagt, denn Interviewer fragen nach dem, was darin steht. Schreib unter jede Stelle zu jedem dieser Punkte eine Zeile, in den Wörtern der Anzeigen:

Bewerte deinen Lebenslauf dann an einem echten Job: Du siehst, welche dieser Punkte der Job verlangt und welche dein Lebenslauf noch nicht belegt.