Schulz, Michael, Neuhaus, Uwe, Kaufmann, Jens, Kühnel, Stephan, Alekozai, Emal M., Rohde, Heiko, Hoseini, Sayed, Theuerkauf, René, Badura, Daniel, Kerzel, Ulrich, Lanquillon, Carsten, Daurer, Stephan, Günther, Maik, Huber, Lukas, Thiée, Lukas-Walter, Zur Heiden, Philipp, Passlick, Jens, Dieckmann, Jonas, Schwade, Florian, Seyffarth, Tobias, Badewitz, Wolfgang, Rissler, Raphael, Sackmann, Stefan, Gölzer, Philipp, Welter, Felix, Röth, Jochen, Seidelmann, Julian, and Haneke, Uwe
Im Februar 2020 erschien mit dem Data Science Process Modell (DASC-PM) die erste Version eines umfassenden Vorgehensmodells für Data-Science-Projekte. Die vielen positiven Rückmeldungen, die wir erhalten haben, zeigen uns, dass wir den erhofften Beitrag zur Diskussion rund um Data- Science-Aktivitäten leisten konnten. Das DASC-PM hat in den letzten zwei Jahren seinen Weg in die Praxis, in Buchbeiträge (z.B. Alekozai et al., 2021) und auf wissenschaftliche Konferenzen (z.B. Schulz et al., 2020) gefunden. Wir möchten uns an dieser Stelle herzlich bei allen Leserinnen und Lesern bedanken, die ihre Erfahrungen mit uns geteilt haben, die uns Stärken und Verbesserungspotenziale des Modells aufgezeigt haben, und besonders natürlich bei denen, die aktiv an der Weiterentwicklung mitgearbeitet haben. Ohne alle diese Personen wäre der Weg zur jetzt vorliegenden Version 1.1 nicht möglich gewesen. Mit dieser Version greifen wir zahlreiche Rückmeldungen aus Praxis und Wissenschaft auf sowie einige Themen, die uns besonders am Herzen liegen. So haben wir die Lesbarkeit des gesamten Dokuments durch eine stringentere Strukturierung und kürzere Einführungstexte erhöht. Das Modell selbst stellt nun klarer heraus, was Schlüsselbereiche und Phasen sind, was sie kennzeichnet und wie ihr Zusammenspiel in unterschiedlichen, auch agilen, Projektkonstellationen aussehen kann. Alle verwendeten Begrifflichkeiten haben wir dokumentübergreifend mit kritischem Auge geprüft und, wo notwendig, angepasst und vereinheitlicht. Dabei haben wir auch Vorschläge für eine weniger formale und in der Praxis eingängigere Visualisierung aufgegriffen und sowohl das Dokument als auch das eigentliche Modell in eine grafisch ansprechendere Form überführt (so hoffen wir zumindest). Eine mögliche geringfügige Reduktion der wissenschaftlichen Exaktheit der Gesamtmodelldarstellung erscheint uns vor dem Hintergrund, dass das DASC-PM „von vielen für viele“ geschaffen ist, als angemessener Trade-off zugunsten einer erhöhten Zugänglichkeit. Inhaltlich haben wir uns bei der Version 1.1 insbesondere auf die Phase des Projektauftrags fokussiert. Wichtige Entscheidungen und Rahmenbedingungen werden zu Beginn von Data-Science-Aktivitäten festgelegt. Hierfür bieten wir mit einer umfassenderen Beschreibung der Phase und einem praktisch anwendbaren Fragenkatalog jetzt eine konkrete Basis sowohl für neue als auch erfahrene Anwender der Data Science an. Genau wie in der Version 1.0 sind die Ergebnisse als Zusammenführung der Erfahrung sämtlicher Teilnehmerinnen und Teilnehmer dieser Arbeitsgruppe zu verstehen. Für die nächsten Monate ist zudem erstmalig auch eine englischsprachige Veröffentlichung des Hauptdokuments vorgesehen, sodass die der Data Science innewohnende Interdisziplinarität auch in internationalen Projekten leichter durch das DASC-PM unterstützt werden kann. Alle vorgestellten Ergebnisse des DASC-PM basieren weiterhin maßgeblich auf den Rückmeldungen einer breit aufgestellten Arbeitsgruppe und stellen einen Diskussionsstand dar, der Anregung und Hilfestellung sein soll, aber nie den Anspruch erhebt, das lebendige Feld der Data Science abschließend zu erfassen. Wir freuen uns, dass uns diese Lebendigkeit auch weiterhin motivieren wird, das DASC-PM zu diskutieren, zu verändern und einem breiten Publikum zugänglich zu machen. Wenn Sie Interesse an der Mitarbeit haben oder von uns über aktuelle Entwicklungen rund um das Modell informiert werden möchten, melden Sie sich gerne unter der unten angegebenen Kontaktadresse. Elmshorn, Halle (Saale), Hamburg, Krefeld, Mönchengladbach und Stuttgart im März 2022 DASC-PM-Kernteam Kontakt: info@dasc-pm.org