aus den Teams

Andi @ ella

Vom Computerlinguisten über den Machine Learning Engineer bis hin zum Data Scientist – ella ist ein Ort, an dem komplett neue Berufsbilder, die im Zuge der Digitalisierung entstehen, ins Zentrum gerückt werden. Hier geben die Kolleginnen und Kollegen einen Einblick in ihre Arbeit.

Heute im Interview: Andreas Funke
Andi ist als Machine Learning Engineer bei ella beschäftigt und gehört zum Core-Team. Mit seiner Arbeit trägt er maßgeblich zu Lösungen, Prozessen und Strategien bei. Andi schätzen wir sehr aufgrund seines exzellenten Fachwissens und seiner ausgeprägten beruflichen Erfahrung in der Medienbranche.

Was hast du bisher beruflich gemacht und wie bist du zu ella gekommen?
Mein bisheriger Lebenslauf hat viele interessante Schlenker gemacht, war dabei aber immer von einigen zentralen Motiven geprägt: Forschung, Kreativität, Medien, Kommunikation, Technologien.
Nach meinem Erststudium in Geschichte und Medien mit Schwerpunkt Wissenschaftsgeschichte und digitale Kommunikation, hatte ich mich als Dienstleister für Musik- und Audioproduktionen selbstständig gemacht, also in einem Bereich, der mit meinem Studium nur sehr mittelbar zusammenhing. Das Fachwissen hierfür hatte ich mir bereits als Hobby autodidaktisch beigebracht. Während dieser Zeit habe ich vor allem regionale Bands produziert und Musikevents organisiert und betreut. Dabei hat mich vor allem die Kombination aus künstlerischer Kreativität und den technischen Möglichkeiten zur Nachbearbeitung von Klangfarben und akustischen Performances interessiert.
In meinem eigenen Tonstudio war schon immer der Rechner als Digital Audio Workstation die zentrale Instanz und so war es naheliegend, dass ich mich irgendwann intensiver mit dem Thema Programmieren befasst habe, um eigene Kreativtools zu entwickeln. Das wiederum mündete schließlich in einem Zweitstudium der Informatik, in dem ich mich schließlich zunehmend mit Data Science, Machine Learning und Natural Language Processing beschäftigt hatte. Während des Studiums war ich als sowohl in der Wirtschaft (u.a. als Junior Data Scientist im Predictive Analytics Team bei StepStone) als auch an der Uni als wissenschaftlicher Mitarbeiter tätig.

Wie bist du zu ella gekommen? Was hat dich davon überzeugt? 
Kurz nach Abgabe meiner Masterarbeit in Informatik, als ich gerade dabei war, mein Portfolio für den anstehenden Bewerbungsmarathon zu aktualisieren, kam eine Kontaktanfrage von Daniel über Xing an mich heran. Der Zeitpunkt hätte natürlich nicht passender sein können. Auch inhaltlich gab es erstaunliche Überschneidungen zwischen den Themen, an denen ich an der Uni geforscht hatte, und der Vision, die ella für ihre KI entworfen hatte. Da passte einfach sehr vieles zusammen, weshalb ich auch nicht lange überlegen musste.

Was sind die Reize, bei einem Startup zu arbeiten?
Zu den inhaltlichen Übereinstimmungen kam ja auch die Möglichkeit ein Startup von Beginn an mit aufzubauen, was einerseits große Freiheit, kreative Entfaltungsmöglichkeiten, aber auch Verantwortung mit sich bringt. Das liegt mir einfach mehr als mich in bereits verkrustete Strukturen hineinzuzwängen. Vieles fühlt sich gar nicht so unterschiedlich an im Vergleich zu meiner früheren Selbstständigkeit. Man ist für seinen Bereich verantwortlich und genießt darin viele Freiheiten, die dann auch produktiv genutzt werden können. Andererseits ist man aber auch nicht für alles alleine verantwortlich, sondern arbeitet in einem Team aus ambitionierten Mitstreitern, die alle ihre Fähigkeiten einbringen.

Wie sehen deine Aufgaben bei ella aus?
Meine Hauptaufgabe als Machine Learning Engineer bei ella ist es, Sprache algorithmisch zu modellieren. Hierfür bedienen wir uns Methoden der künstlichen Intelligenz – auch Deep Learning genannt. Darüber hinaus fallen aber noch viele weitere Aufgaben an. Das können eher klassische IT-Themen sein wie Systemadministration und Aufbau von digitaler Infrastruktur. Aber auch Data Science Themen wie Datenvorverarbeitung unserer Trainingsdaten oder Definition und Visualisierung von Beurteilungsmetriken, um die Qualität der Modelle zu messen. Dazu kommen noch allgemeine Aufgaben wie die Optimierung von Organisationsprozessen, zu denen hier jeder einen Beitrag beisteuern kann.

Wie sieht dein Arbeitsalltag bei ella aus? 
DEN klassischen Alltag gibt es eigentlich nicht, da wir als Startup wie schon erwähnt viele Aufgaben haben. Das macht für mich aber auch den Reiz aus. Ein wichtiger Aspekt, ist sicherlich, dass ich im engen Austausch mit den anderen Team-Members und Mitarbeitern stehe und wir natürlich regelmäßig besprechen, wie wir unsere Strategie optimieren können. Überhaupt gehört Forschergeist und Experimentierfreudigkeit sehr stark zum Alltag dazu, wodurch hier auch so schnell keine Langeweile aufkommt.

Was gefällt dir an ella besonders?
Vermutlich konnte man ja schon heraushören, dass mir insbesondere der Abwechslungsreichtum gefällt. Ein wichtiger Faktor ist auch das Vertrauen, dass uns von Seiten der Gesellschafter entgegengebracht wird. Da wir Mitarbeiter das Ziel und die Vision von ella voll teilen und die Aufgabe einfach wahnsinnig spannend ist, sind wir alle auch weitgehend auf einer Wellenlänge, was wiederum die Zusammenarbeit im Team sehr angenehm macht.
Außerdem bin ich überzeugt, dass in ella sehr viel Potential für die Zukunft steckt. Deshalb bin ich froh frühzeitig dabei sein zu können.
Und ganz profan: für mich als Pendler ist auch insbesondere die flexible Arbeitszeitgestaltung und die Möglichkeit zum Home-Office ein wichtiger Gesichtspunkt.

Was macht dir an deinem Job am meisten Spaß?
Der Job bietet eine gute Mischung aus produktiver Arbeit, bei der man einen relevanten Output feststellen kann, und wissenschaftlicher Tätigkeit. Unsere KI ist schon nah am derzeit technischen Machbaren. Im AI Team verfolgen wir die Arbeit der wissenschaftlichen Community sehr genau, übernehmen von dort, was uns weiter bringt, entwickeln aber gleichzeitig auch eigene Idee, die wir bisher noch in keinem Paper finden konnten. Es ist gut übrigens gut möglich, dass ich berufsbegleitend noch zu dem Thema promovieren werde und daher ist der wissenschaftliche Aspekt des Jobs für mich eine große Triebfeder.

Mit welchem Technologie-Stack arbeitet du?
Python ist natürlich die Standardsprache in der Community und PyCharm, Jupyter Notebooks und Sublime Text mein wesentliches Arbeitsgerät. Ich arbeite auf einem MacBook Pro, bin aber genauso auf Linux und Windows zu Hause. Tatsächlich haben wir inhouse zwei leistungsstarke Workstations auf Linux Basis zur Verfügung, die mit diversen GPUs mit insgesamt 68GB RAM bestückt sind. Damit kann man schon effizient arbeiten. Für das Training richtig großer Modelle steht uns natürlich noch die Cloud einschließlich Google TPUs zur Verfügung.Für unsere Sequence-to-sequence Modelle arbeite ich meist mit verschiedenen Meta-Packages auf PyTorch Basis. Für Language Models und Transfer Learning verwenden wir Modelle sowohl auf Basis von TensorFlow als auch PyTorch. Dazu kommen noch diverse Tools für die NLP-Pipeline wie Spacy, NLTK und CoreNLP und selbstverständlich die üblichen Verdächtigen im Data Science Stack wie numpy, pandas und matplotlib.
Für Services, die wir realisieren, arbeiten wir hauptsächlich mit Docker-Containern und für die Inter-Prozess-Kommunikation verwende ich gerne ZeroMQ. Einige dieser Tools habe ich tatsächlich erst bei ella näher kennen gelernt. Wir schulen uns hier gegenseitig, so dass man auch bezüglich Technologie-Stack noch jeden Tag was dazu lernen kann.

Warum sollten junge Menschen deiner Meinung nach in die KI-Branche gehen?
Für mich ist das eine der spannendsten und relevantesten Technologien des 21. Jahrhunderts. Man kann in dem Feld noch echte Pionierarbeit leisten, und genau das machen wir bei ella. KI ist heute natürlich auch ein Marketingbegriff. Nicht überall wo KI drauf steht ist auch KI drin. Bei uns ist das definitiv anders. Wir arbeiten an echter KI und wer weiß, welche weiteren Technologien und Anwendungen sich daraus noch ergeben. Aber natürlich sollte man sich auch wirklich nur dann für ein Berufsfeld oder eine Branche entscheiden, wenn man mit Leidenschaft dabei ist, wenn man Forschergeist mitbringt und Spaß hat, jeden Tag ein bisschen dazu zu lernen und die Grenzen des Möglichen ein Stück weit zu verschieben.

Was würdest du potenziellen Bewerbern raten?
Eine Mischung aus „seid ehrlich zu euch selbst und schätzt eure Qualifikation richtig ein“ und „seid auch mutig und unterschätzt eure Fähigkeiten auch nicht“. Mit dem ersten Punkt meine ich: wenn man im Bereich KI und Deep Learning arbeiten will, benötigt man schon etwas mehr als nur Python Kenntnisse und ein paar einfache Jupyter Tutorials. Es gehört vielmehr ein gewisses Verständnis dazu, wie Neuronale Netze – auch mathematische – funktionieren, welche Architekturen und Optionen es gibt und wie die zahlreichen Parameter interagieren. Zusätzlich sollte man aber auch ein Gespür dafür entwickeln, wie gute Inputdaten gestaltet sein müssen und wie man eine Zielfunktion definiert … oder anders formuliert: vor lauter Details sollte man nicht das große Ganze aus dem Blick verlieren und immer lösungsorientiert denken.Wenn man noch keine Berufserfahrung in dem Feld mitbringt, können diese zahlreichen Anforderungen vielleicht ein wenig einschüchternd wirken. Das gute ist: man kann das alles lernen und es gibt auch außerhalb der Universitäten so viele unglaublich gute Informationsquellen: Bücher, Paper, Tutorials, MOOCs, Vorlesungen, Videos, Package-Dokumentationen usw. Nutzt von all dem etwas, um sowohl ein gutes theoretisches als auch ein anwendungsorientiertes Verständnis von der Thematik zu bekommen. Wenn man das im Bewerbungsprozess vermitteln kann, hat man eigentlich schon beste Chancen in der Branche Fuß zu fassen.

Danke dir Andi! 
Wir freuen uns, dass du bei uns bist und gemeinsam mit uns ella große machen möchtest.
Wir zählen auf dich!