Nach meinem Master in Business Analysis and Modelling an der Radboud Universität Nijmegen wollte ich in einem großen, internationalen und technologisch fortschrittlichen Unternehmen arbeiten – einem Ort, an dem ich meine Data-Science-Kenntnisse wirklich ausbauen konnte. Kramp erfüllte all diese Kriterien. Das Unternehmen war schon früh ein Pionier: vom Webshop als Early Adopter bis hin zum Einsatz von Google Cloud in den letzten Jahren.
Meine Reise bei Kramp begann im Trainee-Programm, das mir die Möglichkeit gab, ein Jahr lang verschiedene Aufgaben auszuprobieren. Danach startete ich als Datenanalyst in der Supply Chain. Dort war ich unter anderem an einem großen Projekt zur Verbesserung unserer Bedarfsprognosen mit Hilfe von Machine Learning beteiligt. Mit Vertex AI – unterstützt vom Team Cortex – konnten wir unsere Rechenleistung massiv skalieren: Wir trainieren heute für jedes Produkt ein eigenes Modell, insgesamt rund 200.000 Modelle. Würde man sie nacheinander berechnen, bräuchte man etwa 350 Stunden – parallel schaffen wir es in elf Minuten. Die Genauigkeit der Prognosen verbesserte sich dadurch um vier Prozent, was bereits rund acht Millionen Euro eingespart hat. Es ist ein großartiges Gefühl zu sehen, welchen echten Business-Impact Data Science haben kann.
Aktuell arbeite ich an einer A/B-Testing-Pipeline, um zu messen, wie Änderungen auf unserer Website das Verhalten unserer Kunden beeinflussen. Mit Bayesscher Wahrscheinlichkeitsrechnung analysiere ich die Ergebnisse und leite daraus Handlungsempfehlungen für das Business ab. Außerdem habe ich ein Large Language Model entwickelt, das unsere Suchfunktion verbessert und die Zahl der Suchanfragen ohne Treffer deutlich reduziert.
Besonders schätze ich die starke Unterstützung durch das Management. Wir bekommen Raum zum Experimentieren – zum Entwickeln, Verbessern, Lernen. Ein wichtiger Teil davon ist unsere informelle Community aus rund 50 Data Scientists und Analysten im gesamten Unternehmen. Wir tauschen uns regelmäßig aus, präsentieren Projekte, diskutieren Probleme und teilen Ideen. Gerade weil Data Science ein Feld mit vielen Fehlversuchen ist, hilft dieser Austausch enorm – und ich habe gelernt, Fehlschläge als normalen Teil des Innovationsprozesses zu sehen.
Kramp bietet viele Möglichkeiten für formale Weiterbildung. Gleichzeitig ist Data Science so dynamisch, dass man selbst dafür verantwortlich bleibt, am Ball zu bleiben. Ich investiere viel Zeit in eigene Recherchen, experimentiere mit neuen Ansätzen und lerne gemeinsam mit meinen Kollegen. Die Zusammenarbeit funktioniert dank der Produktteamstruktur hervorragend – man weiß immer, wen man ansprechen kann. Alle arbeiten leidenschaftlich daran, neue Entwicklungen zu entdecken und voneinander zu lernen.
Einen festen Karrierepfad gibt es in unserem Bereich kaum – die Rolle der Data Science entwickelt sich ständig weiter. Was die Zukunft bringt, weiß ich nicht. Aber im Moment genieße ich es, jeden Tag Neues zu lernen und mich fachlich weiterzuentwickeln