Urteilskraft
Beobachtungen kritisch beurteilen
Daten und technische Ergebnisse werden nicht mit Wirklichkeit gleichgesetzt. Annahmen, Interpretationen, Unsicherheit und mögliche Denkfehler werden sichtbar gemacht.
Inhaltlicher Zusammenhang
Von Beobachtungen, Daten und Modellen zu tragfähiger Software
Die vier Titel wurden nicht als fortlaufende Buchreihe veröffentlicht. Sie sind eigenständige Fachbücher, die jedoch einen gemeinsamen fachlichen Zusammenhang besitzen: Sie betrachten verschiedene Schritte und Perspektiven verantwortbarer technischer Problemlösung.
Der gemeinsame Weg beginnt bei der kritischen Prüfung von Beobachtungen und Annahmen. Er führt über Datenqualität, Analyse und Modelle bis zu Entscheidungen, Anforderungen, Softwarearchitektur, Code, Tests und Betrieb.
Problem und Wirklichkeit
Beobachtungen, Begriffe und Ziele klären.
Daten und Anforderungen
Qualität, Herkunft, Annahmen und Kontext prüfen.
Modelle und Alternativen
Vorhersagen, Metriken, Risiken und Optionen vergleichen.
Entscheidung
Unsicherheit und Folgen nachvollziehbar abwägen.
Technische Umsetzung
Architektur, Code und Tests tragfähig gestalten.
Betrieb und Verantwortung
Wartbarkeit, Monitoring und menschliche Zuständigkeit sichern.
Relevanz für Studium und Praxis
Warum diese vier Perspektiven zusammengehören
Technische Projekte scheitern nicht nur an fehlendem Wissen über Algorithmen oder Programmiersprachen. Schwierigkeiten entstehen häufig früher: durch unklare Fragestellungen, ungeprüfte Annahmen, unzureichende Daten, ungeeignete Kennzahlen, widersprüchliche Anforderungen oder zu früh festgelegte Lösungen.
Datenpraxis
Von Daten zu belastbaren Erkenntnissen gelangen
Problemdefinition, Datenqualität, Analyse, Reproduzierbarkeit, Kommunikation und praktische Nutzung werden als verbundener Prozess betrachtet.
Modellbewertung
Vorhersagen nicht mit Entscheidungen verwechseln
Modelle unterstützen Entscheidungen. Sie ersetzen jedoch weder fachliche Bewertung noch die Abwägung von Fehlerkosten, Fairness, Erklärbarkeit und Folgen.
Softwarequalität
Code in betreibbare Lösungen überführen
Funktionierender Programmcode ist nur ein Teil einer Lösung. Anforderungen, Architektur, Tests, Wartbarkeit und Betrieb bestimmen ihre langfristige Tragfähigkeit.
Die vier Fachbücher
Data Science und Machine Learning mit Python sowie Software Engineering mit Java
Jedes Buch besitzt einen eigenen Schwerpunkt und kann unabhängig gelesen werden. Zusammen ermöglichen die vier Titel einen breiteren Blick auf Problemverständnis, Daten, Modelle, Entscheidungen, Softwareentwicklung und Verantwortung.
Kritisches Denken · Data Science · Python
Kritisches Denken in Data Science mit Python
Vom Beobachten zur verantwortbaren Entscheidung
Das Buch entwickelt die erkenntnistheoretische und argumentationsbezogene Grundlage für kritische Data Science. Es behandelt Beobachtungen, Annahmen, Hypothesen, Unsicherheit, Argumentation und verantwortbare Entscheidungen.
- Beobachtung und Interpretation unterscheiden
- Annahmen, Bias und Unsicherheit sichtbar machen
- Argumente, Evidenz und Schlussfolgerungen prüfen
Data Science · Python
Von Daten zu Lösungen in Data Science mit Python
Vom Problem zur verantwortbaren Lösung
Das Buch überträgt kritisches Denken auf den vollständigen Data-Science-Prozess: von Problemdefinition und Datenqualität über Analyse und Modellierung bis zu Deployment, Monitoring und Kommunikation.
- Probleme und Stakeholderanforderungen klären
- Datenqualität und Datenherkunft prüfen
- Analysen reproduzierbar in Lösungen überführen
Machine Learning · Python
Von Modellen zu Entscheidungen in Machine Learning mit Python
Vom Modell zur verantwortbaren Entscheidung
Das Buch konzentriert sich auf den Übergang von Machine-Learning-Modellen zu menschlichen Entscheidungen. Vorhersagen werden im Hinblick auf Metriken, Unsicherheit, Fehlerkosten, Fairness und Erklärbarkeit bewertet.
- Modelle und Baselines angemessen vergleichen
- Metriken und Fehlerkosten kontextbezogen bewerten
- Fairness, Robustheit und Erklärbarkeit berücksichtigen
Software Engineering · Java
Von Code zu Lösungen im Software Engineering mit Java
Vom Problem zur verantwortbaren Lösung
Das Buch überträgt den problemlösungs- und verantwortungsorientierten Ansatz auf Software Engineering. Anforderungen, Architektur, Implementierung, Tests, Betrieb und Wartbarkeit werden als zusammenhängende Entscheidungen behandelt.
- Anforderungen nachvollziehbar analysieren
- Architekturentscheidungen begründen
- Java-Code testbar, wartbar und betreibbar entwickeln
Zielgruppen
Für wen die Fachbücher relevant sind
Studium und Einstieg
Studierende und Lernende
Für Menschen, die technische Grundlagen nicht isoliert lernen, sondern mit kritischem Denken, Problemverständnis und verantwortbarer Anwendung verbinden möchten.
Datenpraxis
Data Analysts und Data Scientists
Für Projekte, in denen Datenqualität, Modellleistung, Unsicherheit, Reproduzierbarkeit und Kommunikation gemeinsam berücksichtigt werden müssen.
Machine Learning
ML-Praktiker und Entscheider
Für die Einordnung von Vorhersagen, Kennzahlen, Fehlerkosten, Fairness, Erklärbarkeit und menschlicher Verantwortung.
Softwareentwicklung
Entwickler und Softwarearchitekten
Für die Überführung fachlicher Probleme und Anforderungen in testbare, wartbare und langfristig betreibbare Softwaresysteme.
Lehre
Lehrende und Trainer
Als Grundlage für Lehrveranstaltungen, Seminare, Übungen, Workshops und Diskussionen über Technik, Qualität und Verantwortung.
Projektverantwortung
Projektleiter und Fachverantwortliche
Für die strukturierte Klärung von Zielen, Stakeholdern, Alternativen, Risiken, Anforderungen und langfristigen Folgen technischer Entscheidungen.
Die Bücher vermitteln allgemeine Denk- und Arbeitsweisen. Sie ersetzen keine domänenspezifische Fachanalyse, Rechtsprüfung, Sicherheitsbewertung oder konkrete Projektplanung.
Gemeinsame Kompetenzen
Was Leserinnen und Leser über die Bücher hinweg entwickeln
Problemverständnis
Symptome, Ursachen, Ziele, Randbedingungen und Stakeholderinteressen voneinander unterscheiden.
Kritische Datenkompetenz
Datenherkunft, Qualität, Repräsentativität, Unsicherheit und mögliche Verzerrungen prüfen.
Modellurteil
Modelle als Vereinfachungen verstehen und ihre Aussagen nicht mit Wirklichkeit oder Entscheidung gleichsetzen.
Alternativenvergleich
Baselines, nichttechnische Lösungen, Modelle und Architekturen anhand nachvollziehbarer Kriterien vergleichen.
Softwarequalität
Anforderungen, Architektur, Tests, Wartbarkeit und Betrieb als Teile einer tragfähigen Lösung behandeln.
Verantwortung
Entscheidungen begründen, Unsicherheiten offenlegen und Folgen technischer Systeme für Betroffene berücksichtigen.
Häufige Fragen
Fragen zu den vier Fachbüchern
Sind die Bücher eine offiziell veröffentlichte Buchreihe?
Nein. Die vier Titel wurden als eigenständige Fachbücher veröffentlicht. Sie gehören jedoch inhaltlich zusammen, weil sie verschiedene Perspektiven auf denselben grundlegenden Prozess technischer Problemlösung behandeln.
In welcher Reihenfolge können die Bücher gelesen werden?
Jedes Buch ist eigenständig lesbar. Für einen durchgängigen Lernweg bietet sich die Reihenfolge kritisches Denken, Data Science, Machine Learning und Software Engineering an.
Für wen sind die Bücher geeignet?
Die Bücher richten sich an Studierende, Lernende, Lehrende und Praktiker aus Data Science, Machine Learning und Softwareentwicklung sowie an Projektverantwortliche, die technische Ergebnisse nachvollziehbar bewerten und verantwortbar einsetzen möchten.
Welche Programmiersprachen werden verwendet?
Die Bücher zu Data Science und Machine Learning verwenden Python. Das Buch zu Software Engineering verwendet Java.
Was unterscheidet die Bücher von reinen Programmierbüchern?
Im Mittelpunkt stehen nicht nur Syntax und Werkzeuge. Die Bücher behandeln auch Problemdefinition, Daten- und Anforderungsqualität, Annahmen, Modellbewertung, Alternativen, Kommunikation, Betrieb und menschliche Verantwortung.
Müssen alle vier Bücher gelesen werden?
Nein. Die Auswahl kann nach dem eigenen Schwerpunkt erfolgen. Der gemeinsame Zusammenhang wird besonders deutlich, wenn mehrere Bücher miteinander kombiniert werden.
Fragen zu Büchern, Workshops und Lehrveranstaltungen
Für Workshops, Seminare, Lehrveranstaltungen, Fachgespräche oder Rückfragen zu einzelnen Büchern können Sie telefonisch oder per E-Mail Kontakt aufnehmen. Inhalt, Zielgruppe, Dauer und Vergütung werden vorab abgestimmt.
Telefon
Bitte übermitteln Sie sensible oder vertrauliche Unterlagen erst über einen zuvor abgestimmten sicheren Übermittlungsweg. Zeitkritische Fristen gelten erst dann als übernommen, wenn dies ausdrücklich bestätigt wurde.