Data Science in der Praxis ausprobiert – Viadrina-Team erfolgreich beim IBM Datathon

Frankfurt (Oder), 

Ein Team von Viadrina-Studenten hat bei einem Datathon der Firma IBM den dritten Platz für die Region Europa, Naher Osten und Afrika belegt. Mitte Oktober 2026 haben sich die Studierenden der Wirtschaftswissenschaftlichen Fakultät mit ihrem adaptiven System zum Erkennen von Kreditkartenbetrug durchgesetzt. Mehr als 20.000 Studierende weltweit haben an der Online-Veranstaltung teilgenommen. Sowohl für den Studenten Iqbal Hossain als auch für seinen Dozenten Dr. Rick Steinert war das eine wertvolle Erfahrung.

iqbal-hossainIqbal, was war der interessanteste Aspekt für dich beim IBM Z Datathon?

Am besten hat mir die Gelegenheit gefallen, gemeinsam als Team etwas aufzubauen und dabei voneinander zu lernen. Wir besuchen denselben Kurs zu Deep Learning und neuronalen Netzen bei Rick Steinert. Er hat uns aufgrund unserer Leistungen im Kurs vorgeschlagen, am Datathon teilzunehmen. Wir hatten 24 Stunden Zeit, um eine Idee in eine funktionierende Lösung umzusetzen; das war gleichzeitig herausfordernd und spannend.

Was beinhaltete euer Projekt?

Wir haben an einem adaptiven System zur Erkennung von Kreditkartenbetrug gearbeitet, bei dem wir drei verschiedene Arten von Machine-Learning-Modellen kombinierten, um potenziell betrügerische Transaktionen zu analysieren und zu identifizieren.

Eine besonders wertvolle und praktische Erfahrung war die Arbeit mit IBM LinuxONE. Das sind Hochleistungs-Unternehmensserver, die für die Bewältigung groß angelegter, geschäftskritischer Workloads ausgelegt sind. Über die Community Cloud haben wir unsere Lösung in einer echten Mainframe-Umgebung bereitgestellt und ausgeführt. Dadurch habe ich ein viel besseres Verständnis dafür gewonnen, welchen Unterschied es macht, ob man ein Modell entwickelt oder es tatsächlich als Teil eines funktionierenden Systems zum Laufen bringt.

Wie würdest du das Format Datathon für jemanden beschreiben, der noch nie daran teilgenommen hat?

Ein Datathon ist eine intensive, zeitlich begrenzte Teamherausforderung, bei der die Teilnehmenden ihre Ideen und Fähigkeiten bündeln, um mithilfe von Daten und Technologie ein reales Problem zu lösen – oft wird dabei aus einem ersten Konzept ein funktionierender Prototyp.

Was nimmst du aus dieser Erfahrung für dein Studium und dein künftiges Arbeitsleben mit?

Als Masterstudent mit den Schwerpunkten Data Science und Decision Support fand ich diese Erfahrung besonders relevant für mein Studium. Wir konnten Konzepte aus den Bereichen maschinelles Lernen und Datenanalyse, die wir in den Kursen lernen, in der Praxis anwenden und gleichzeitig erkunden, wie verschiedene Technologien zusammenwirken können, um ein Problem zu lösen.

Über den technischen Aspekt hinaus habe ich gelernt, wie man zusammenarbeitet, Aufgaben verteilt, unter Zeitdruck Entscheidungen trifft und sich anpasst, wenn die Dinge nicht ganz nach Plan laufen. Das sind Fähigkeiten, die meiner Meinung nach in meinem zukünftigen Berufsleben genauso wertvoll sein werden wie das technische Wissen selbst.

Wie lautet dein Fazit?

Wir haben tatsächlich etwas Funktionsfähiges entwickelt, anstatt nur theoretische Lösungen zu diskutieren. Ich würde anderen Studierenden auf jeden Fall empfehlen, an einem Datathon teilzunehmen, auch wenn sie sich noch nicht sicher sind, ob sie bereits über alle erforderlichen technischen Fähigkeiten verfügen. Allein durch die Teilnahme kann man schon viel lernen.

Ich würde anderen Studierenden auf jeden Fall empfehlen, an einem Datathon teilzunehmen, auch wenn sie sich noch nicht sicher sind, ob sie bereits über alle erforderlichen technischen Fähigkeiten verfügen.

Iqbal Hossain

Warum schicken Sie Ihre Studierenden zum Datathon, Herr Steinert? 

rick-steinertHerr Steinert, warum war die Teilnahme am Datathon für Sie als Teil der Lehre interessant?
In unserem Master-Schwerpunkt „Data Science and Decision Support“ geht es nicht nur darum, moderne Verfahren des maschinellen Lernens zu verstehen und anzuwenden. Entscheidend ist, dass die Studierenden lernen, mithilfe dieser Verfahren reale Probleme zu lösen und fundierte Entscheidungen zu unterstützen. Dies versuche ich in meinen Lehrveranstaltungen mittels Case Studies abzubilden. Oft jedoch reichen die veranschlagten sieben Wochen eines Kurses kaum aus, um sowohl Modelltheorie zu vermitteln und Programmiercode zu erlernen, als auch sinnvolle reale Anwendungsszenarien zu bearbeiten. Der Datathon bot daher eine hervorragende Gelegenheit, dieses Wissen außerhalb des universitären Seminarraums anzuwenden. Ich erhoffe mir von solchen Erfahrungen insbesondere, dass die Studierenden Vertrauen in ihre eigenen Fähigkeiten gewinnen und erkennen, dass sie mit ihrem Wissen bereits anspruchsvolle praktische Herausforderungen meistern können.

Wie haben Sie die Studierenden für den Wettbewerb vorbereitet? Was war die größte Herausforderung?

Die fachliche Grundlage schaffen wir in unseren regulären Masterveranstaltungen. Dort beschäftigen sich die Studierenden intensiv mit Datenanalyse, statistischen Verfahren und maschinellem Lernen. Dabei steht neben dem theoretischen Verständnis natürlich auch die eigenständige praktische Umsetzung im Vordergrund: Die Studierenden programmieren Modelle, analysieren deren Ergebnisse und setzen sich kritisch mit deren Leistungsfähigkeit auseinander. Ergänzend erhielten die Studenten im Vorfeld des Wettbewerbs durch Fachleute aus dem IBM-Umfeld, vornehmlich aus der Beta Systems Software AG, Einblicke in die eingesetzten Technologien und deren praktische Anwendungsbereiche.

Die größte Herausforderung sehe ich darin, dass ein Datathon deutlich mehr verlangt als die Beherrschung einzelner Algorithmen. Innerhalb von nur 24 Stunden mussten die Studenten ihre Ideen in funktionierende Lösungen überführen und sich dabei teilweise in eine völlig neue technische Umgebung einarbeiten. Das erfordert neben fachlichem Wissen auch Eigeninitiative, Teamarbeit und die Fähigkeit, bei unerwarteten Problemen selbstständig Lösungen zu finden.

Inwieweit ist so ein Datathon eine gute Ergänzung für die Lehre im Seminarraum?

In unseren Seminaren fokussieren wir uns darauf, Methoden systematisch zu erarbeiten, ihre mathematischen Grundlagen zu verstehen und unterschiedliche Lösungsansätze miteinander zu vergleichen. Das ist unverzichtbar, schafft aber zugleich eine relativ kontrollierte Lernumgebung. Ein Datathon ergänzt diese Lehre um eine andere Dimension: Hier gibt es keine vorgegebene Musterlösung und keinen detaillierten Arbeitsplan. Die Studierenden müssen selbst entscheiden, welche Probleme sie zuerst angehen, welche Methoden sinnvoll sind und wie sie mit technischen Rückschlägen umgehen. Hier können sie auch zum ersten Mal erfahren, wie verschiedene in der Lehre vorab festgelegte und wenig diskutierte Parameter wie das Betriebssystem oder andere Software-Module sich in der Praxis ändern können – was wiederum eine Ebene der Komplexität hinzufügt, die ich in der Lehre so einfach nicht abdecken kann.

Gerade darin liegt für mich der besondere Wert. Im späteren Berufsleben werden Absolvent*innen schließlich ebenfalls selten vollständig vorbereitete Aufgaben vorfinden. Gefragt ist vielmehr die Fähigkeit, sich selbstständig in neue Problemstellungen einzuarbeiten und vorhandenes Wissen kreativ einzusetzen. Die universitäre Lehre vermittelt dafür das methodische Fundament. Ein Datathon bietet die Gelegenheit, dieses Wissen unter realistischen Bedingungen auf die Probe zu stellen.

Im späteren Berufsleben werden Absolvent*innen schließlich ebenfalls selten vollständig vorbereitete Aufgaben vorfinden. Gefragt ist vielmehr die Fähigkeit, sich selbstständig in neue Problemstellungen einzuarbeiten und vorhandenes Wissen kreativ einzusetzen.

Dr. Rick Steinert

900x600-fa (9)

Dieses Team sicherte sich mit seinem Projekt zur Erkennung von Kreditkartenbetrug einen dritten Platz.

Neben dem Team von Iqbal Hossain nahm auch noch ein weiteres Team von Viadrina-Studierenden aller Fakultäten an dem Datathon teil. Eingeladen wurden die Viadrina-Teams von Dr. Martin Thürling, Absolvent der Rechtswissenschaften und Senior Manager Legal Affairs beim IBM-Partner Beta Systems.

Frauke Adesiyan

Beitrag teilen:


Zurück zum Newsportal

Abteilung für Hochschulkommunikation