Mit Data-Science-Hackathons schnell zu ersten Ergebnissen

Ihren Ursprung haben sie typischerweise in der Softwareentwicklung, doch auch im Bereich Data Science kommen sie immer häufiger zum Einsatz: Hackathons. Doch was genau ist eigentlich ein Hackathon? Was sind seine Vorteile und worauf sollte man bei der Organisation eines Hackathons achten?

„Hackathon“ ist eine Wortzusammensetzung aus Hacken und Marathon, beschreibt also ganz langes Hacken. Doch Hacken bedient dabei nicht die häufig vorherrschenden Klischees von Menschen mit übergestülpter Kapuze, die in einem abgedunkelten Raum sitzen und sich illegal Zutritt zu fremden Netzwerken verschaffen. Vielmehr steht es für Austausch und Zusammenarbeit, hochgekrempelte Ärmel und die Bereitschaft, sich ganz einer Aufgabe zu widmen. Hackathons können also in den unterschiedlichsten Bereichen stattfinden – auch jenseits des Programmierens. Eine typische Dauer für einen Hackathon sind zweieinhalb Tage, wie viel Zeit in diesen Tagen für Schlaf anfällt, bleibt den Teilnehmern selbst überlassen. Bei der Themenwahl gibt der Veranstalter oft einen gewissen Rahmen vor. Wie eng dieser Rahmen gesteckt ist kann stark variieren. Innerhalb dieses Rahmens finden sich die Teilnehmer in Teams zusammen und bearbeiten von ihnen selbst entwickelte Projekte. Wir im eoda Data Science Team hatten z.B. kürzlich einen internen Hackathon mit einem sehr groben Rahmen – Data Science. Die Themen, mit denen sich die Teilnehmer beschäftigt haben, waren entsprechend vielfältig:

  • Automatische Erfassung von Bon-Daten
  • Entwicklung einer KI, die ein selbstentwickeltes Computerspiel spielt
  • Untersuchung der Bewegungsdaten von Zugvögeln

Worauf ist bei der Organisation eines Hackathons zu achten

Hackathons haben einen zweifelhaften Ruf, einerseits werden sie als ein großer Spaß dargestellt und wecken Assoziationen an durchzockte Wochenenden in der Jugend -die Älteren werden sich an LAN-Partys erinnern. Auf der anderen Seite haben Hackathons in der Regel einen kommerziellen Aspekt, so dass nicht selten der Vorwurf der (Selbst-)Ausbeutung im Raum steht. Um dies zu verhindern, sollte darauf geachtet werden, dass die Teilnehmer sich aus einer hohen intrinsischen Motivation heraus beteiligen möchten.

Wenn ausreichend Teilnehmer für den Hackathon gefunden wurden, gilt es die Themen zu definieren. Hier ist es gut, eine klare Definition der Erwartungen zu haben. Ideen für Themen gibt es sicherlich jede Menge, eventuell können diese auch schon im Vorfeld des Hackathons gesammelt werden. Geht es darum, die Teilnehmer auf die Themen zu verteilen, ist es hilfreich für einzelne Themen Champions zu identifizieren, also die Teilnehmer, die besonders stark für eine Idee brennen. Die Aufteilung der restlichen Teilnehmer läuft danach wie von allein. Alles Weitere ist nur noch eine Frage der Rahmenbedingungen: Haben die Teilnehmer die Technik, die sie benötigen? Ist für das leibliche Wohl gesorgt? Während des Hackathons sollte es immer wieder Gelegenheit zum teamübergreifenden Austausch geben, empfehlenswert sind ein gemeinsamer Kick-off sowie mindestens ein Termin zur Präsentation der Zwischenergebnisse. Nicht zu vergessen: ein Abschlusstermin zum gemeinsamen Feiern des Erreichten, vielleicht auch mit einer kleinen Preisverleihung.

Data-Science-Hackathon

Vorteile von Hackathons

Hackathons eignen sich besonders dann, wenn man schnell zu ersten Ergebnissen kommen möchte, auf der Suche nach kreativen Ideen und zur Einarbeitung in Themen, die im Alltag immer wieder zu kurz kommen. Darüber hinaus sind Hackathons ein tolle Teamevents und bieten Gelegenheit für frische Impulse.

Wir unterstützen Sie bei der erfolgreichen Planung und Durchführung Ihres Data-Science-Hackathons.
Erfahren Sie mehr.
Veröffentlicht: 20. Februar 2019

AutorIn

Martin Schneider

Martin Schneider sieht als Chief Data Scientist die Herausforderungen, vor denen Unternehmen heute stehen. Er erlebt aber auch, welche Chancen sich durch den Einsatz von Data Science und KI ergeben. Als Berater unterstützt er Unternehmen bei der strategischen Einführung von Data Science – von der Vision über den Wissensaufbau bis zum Produktiveinsatz.

Starten Sie jetzt durch:
Wir freuen uns auf den Austausch mit Ihnen. 







    Nach oben scrollen