0x00

Ich bin mir da ehrlich gesagt nicht sicher. Ich habe schon öfter gehört (weiß aber nicht, ob da was dran ist), dass Fernunis und gerade Fern-FHs nicht immer den besten Ruf bei Personalern haben. Wenn dann noch da steht, dass man nach 12-15 Monaten seinen Abschluss erreicht hat, der eigentlich in 3 Jahren erreichbar sein sollte, könnte das ein negatives Licht auf die Hochschule - und demnach auch auf deine Leistung - werfen. Wenn du eh in Vollzeit Fernstudierst, wäre dann nicht eine reguläre Uni was für dich? Zumindest bei uns ist es so, dass es keinen juckt, wie viel du jedes Semester machst, du kannst also auch in deutlich schneller als Regelstudienzeit durchkommen. Hätte ich das Tempo der ersten 2 Semester beibehalten, wäre ich auch nach 3-4 Semestern fertig gewesen. Ist halt klar, dass die Unis da ggf. weniger flexibel sind, aber wenn es zwei Prüfungsphasen pro Semester gibt (z.B. eine Hauptprüfungsphase Feb und eine Nachprüfungsphase Ende März - Anfang April), dann kann das schon auch klappen. Ist aber auch vielleicht eher eine theoretische Überlegung, weil ich natürlich mit deiner persönlichen Situation nicht vertraut bin. Wenn etabliert ist, dass die Fernuni keine "Degree-Mill" ist, dann ist was du machst natürlich positiv zu sehen. Wenn du Vollzeit einsteigen willst, ist es aber wichtiger frühzeitig an Arbeitserfahrung zu kommen, anstatt möglichst schnell fertig zu werden. Das Problem ist hierbei, dass Werkstudentenstellen oft erst ab Leute ab dem dritten oder vierten Semester vergeben werden, was dich in eine knifflige Lage befördert. Insofern denke ich, dass die Frage nach der Dauer des Studiums eigentlich eher eine untergeordnete ist - und, dass dein größeres Problem der Einstieg sein wird. Insofern würde ich versuchen möglichst schnell eine Werkstudentenstelle zu bekommen und wenn das nicht möglich ist irgendwelche eigenen Projekte umzusetzen, welche deine Chancen erhöhen. Denn sind wir mal ehrlich: Das Studium alleine zeigt nur, dass du Lernen kannst (was aber vielleicht dein erstes Studium auch schon zeigt?), die relevanten Skills bekommt man später.

Ich weiß nicht, ob diese Kennzahl nicht vielleicht zu einfach ist. Knappheit entsteht aus weniger Angebot als Nachfrage, und hier wird ja alleine eine Aussage über das Angebot getroffen. Des Weiteren kann eine Wohnung ja für eine Vielzahl an Gründen leerstehen, inkl., dass es vielleicht in Zürich attraktiver ist sie zu vermieten, während in München die Leute die Wohnung lieber leerstehen haben, anstatt (subjektiv) "unter Wert" zu vermieten. Ob solche Effekte nicht nur im mikroskopischen (ein Vermieter), sondern auch im makroskopischen (Mietmarkt einer Stadt, e.g. Zürich, München) auftreten, vermag ich nicht zu sagen. Dennoch halte ich es für voreilig allein aufgrund dieser Statistik auf einen "schlimmeren" Wohnungsmarkt zu schließen. Ein Indiz vielleicht, aber ~24 mal schlimmer nur aufgrund dieser Statistik? Ich weiß nicht.

Es geht ja nicht darum, was ich in einer ideellen Welt alles in einer beliebig langen Ausbildung dranbringen würde. Es geht darum, was ich unter realen Bedingungen einem Azubi (der vielleicht auch gar keine Vorkenntnisse hat?) in maximal 2,5 Jahren beibringen kann - und das ist eh schon knapp bemessen. Wenn ich jetzt noch mit reinrechne, dass sich die Berufsschule i.A. nach den schwächsten richtet, dann ist es tendenziell noch weniger Zeit. Da ist klar, dass irgendwas hinten runter fallen muss, und es gibt einfach wichtigere Sachen. Eine gute Zukunftsperspektive erlangt man nicht durch frühzeitige Spezialisierung, sondern durch ein breites, tiefes, und stabiles Fundament, auf das man hinterher aufbauen kann. Und zu diesem Fundament gehört auch, gewisse Sachen erstmal per Hand zu machen. Es fängt keiner in der Grundschule mit dem Taschenrechner an, ich würde jedem Azubi erstmal custom SQL-Queries schreiben lassen, bevor ich ihn an einen OR Mapper lasse, und genau aus dem selben Grund sehe ich frühzeitigen KI-Einsatz als problematisch an. Dazu kommt natürlich alles, was @Brapchu gesagt hat.

Anknüpfend an das, was @Schliepi gesagt hat: Ich bin mir immer noch nicht sicher, worüber hier eigentlich diskutiert wird. Geht es hier um Prompting (was man an einem Nachmittag erlernen kann), KI & Ethik (ein Riesenfass, was ich eigentlich nicht aufmachen möchte), das Einordnen und Evaluieren von LLM-Antworten (was automatisch mit Erfahrung kommt), oder das Entwicklen und verstehen von datengetriebenen Systemen (was auch immer das bedeuten mag)? Was ist "KI" in dem Kontext überhaupt? LLMs? Ich weiß ehrlich gesagt nicht, wie konzeptionelles Verständnis ohne mathematische Herleitungen auf Hochschulniveau erfolgen soll. Warum ein Modell funktioniert, wo es scheitert und wann ich es einsetzen darf ist ein Riesenfass. In der Ökonomie (anderes Thema, ich weiß), gibt es eine Menge aktive Forschung, die nur untersucht, warum ich auf ein gegebenes Problem ein gewisses statistisches Modell anwenden kann. Alleine so etwas einfaches wie lineare Regression, was ja jeder mal in der Schule gehabt hat ("Wie lege ich eine Gerade möglichst akkurat durch ein paar Messpunkte"), erfordert relativ schnell mal mindestens Grundlagen in Linearer Algebra und Statistik, wenn man über Regularisierung oder Multicollinearity reden will. Von komplexeren Modellen wie Gradient-Boosting Verfahren, SVMs, oder neuronalen Netzen in diskreter oder kontinuierlicher Zeit mal abgesehen. Ich bekomme über zwei Ecken immer mal wieder mit, wie bei uns an der Uni an der Data Science Bachelor PO geschraubt wird, habe selber auch entsprechende Veranstaltungen tutoriert, und ich finde ehrlich gesagt 3 Jahre Studium schon relativ knapp bemessen für das Thema. Wahl des Modells und anschließendes Training ist auch keine Trivialität. Wenn es aber nur um das Einbinden von Agents und Aufbauen von Pipelines geht - sorry, aber dafür braucht es kein Hintergrundwissen in Data Science. Da reichen absolut grundlegende Fähigkeiten im Bereich Anwendungsentwicklung und Netzwerktechnik. API-Calls sind API-Calls, ob es jetzt an eine Datenbank, einen Webserver, einen MQTT-Broker, oder einen Agent geht ist doch völlig egal. Bei dem hier sehe ich ehrlich gesagt nicht die Notwendigkeit, da KI als Thema mit reinzubringen. Das System funktioniert genau gleich, ob da eine KI oder ein anderer Netzwerkdienst dahintersteht. Wenn überhaupt, dann sind mMn solche Themen eher interessant, weil sie spannende Fragestellungen in verteilten Systemen mit sich bringen - und nicht weil da eine KI dahinterhängt. Insofern bin ich nicht von der Notwendigkeit KI in die Ausbildung zu integrieren überzeugt. Ich denke den Fokus darauf zu legen, den angehenden Fachinformatikern solides Handwerkszeug beizubringen (Programmieren, Softwareentwicklung, Netzwerktechnik, Betriebssysteme, ...), bringt ihnen mehr. Alles andere ist entweder bei soliden Grundlagen schnell selber gelernt, oder erfordert so viel Zeit, dass es schlichtweg die anderen Themen komplett verdrängen würde.

Halte ich für problematisch. Warum den Leuten das Werkzeug vorschreiben? Lass die Leute doch entwickeln, wie sie es für richtig halten. Gerade im Studium (und auch in der Ausbildung) geht es doch darum, die Grundlagen zu lernen. Wer die kann, der wird ja wohl auch in der Lage sein ein paar Prompts zu schreiben und API-Calls aneinanderzuhängen um einen KI-Workflow zu bauen. Das sind meiner Meinung nach ein paar sehr gute, aber auch ein paar sehr problematische Punkte. Klar braucht man nach ein paar Wochen wieder einige Minuten um sich in seinen eigenen Code wieder einzulesen. Wer ihn aber gar nicht mehr versteht... Wenn man sich eine Pull Request anschaut, dann sollte man auch alles verstehen bevor man es approved. Dafür ist es da. Wenn man es nicht versteht, dann schaut man nach wie es funktioniert oder lässt sich es vom Kollegen erklären. Code lesen ist ohne Zweifel viel anstrengender als Code zu schreiben. Insbesondere ist es viel schwerer (wenn nicht sogar unmöglich) in einen Flow-State zu kommen. Und genau da überschätzen meiner Meinung nach viele die KI. Dadurch, dass das alles wieder reviewed werden muss, gewinnt man gar nicht so viel Zeit. Zudem viele unterschätzen, was ein fähiger Entwickler im Flow an einem halben Tag alles erreichen kann. Bzgl User-Stories und KI-Workflows: Das kann funktionieren, wenn man nichts allzu kompliziertes baut. Läuft aber auch wieder in das Lesen-ist-schwerer-als-Schreiben Problem rein. Wieso man KI in großem Umfang in der Ausbildung dran bringen sollte ist mir ehrlich gesagt schleierhaft. Wer die Basics kann, für den ist auch die Nutzung von KIs kein Problem. Und ohne KI lernt es sich tatsächlich besser. Und ja, ich habe tatsächlich während der Ausbildung das Programmieren zuerst mit wenig IDE Unterstützung gelernt - und das ist was wovon ich noch heute profitiere.

Witzig. Ich höre oft eher umgekehrtes. Kandidaten haben Top Lebensläufe, super Projekte, viel gemacht und sobald sie dann anfangen zu arbeiten ist das Ergebnis eher meh. KI ist sicherlich ein mächtiges Werkzeug, aber wenn man sich von Anfang an nur darauf verlässt, dann fehlen einem nicht nur die Basics, sondern man verlernt auch die Fähigkeit eigenständig Probleme zu analysieren und kritisch nachzufragen. Das was früher blind von Stack-Overflow kopieren war, ist nun halt mit $LLM generieren lassen. Die Einsteigshürde ist noch niedriger geworden und man braucht noch weniger Wissen. Wenn man aber irgendwann mehr macht also 08/15 CRUD-Apps zu basteln, dann kommen die LLMs auch gerne mal an ihre Grenzen. Bei komplexeren Fehlern dreht sich die KI gerne mal im Kreis und auch bei Linux Kernel Internals, Library-spezifischen C++ Wrappern oder nischigen numerischen Simulationen hab ich schon oft erlebt, wie da ganz schnell nur noch Murks kommt. Und genau da werden auch in Zukunft Leute gefragt sein. Aber auch bei einfacheren Sachen mache ich oft die Erfahrung, dass mir KI nicht hilft. In der Zeit, in der ich den Prompt geschrieben und den Output verifiziert habe, habe ich das auch locker selber runtergetippt. Insofern: Ich habe keine Angst von KI ersetzt zu werden, und auch als Werkzeug halte ich KI für überbewertet. Es ist gut darin Leute, die nichts können auf ein Niveau zu heben, dass sie zumindest ein wenig Code schreiben und verstehen können, aber wenn man selber ein gewisses Grundniveau hat, dann ist stumpfes Programmieren durch KI Prompten ersetzen wenig hilfreich. Gezielte Nutzung kann aber durchaus gute Ergebnisse liefern, mein Lieblingsbeispiel sind Mathematiker der Universitäten Oxford und Sydney sowie Forscher von Google DeepMind, welche mithilfe von KI neue Resultate in der Knotentheorie entdecken und beweisen konnten.

Ich kann mal ein paar Worte zum Studium verlieren. Ich hab 2020 meinen FIAE abgeschlossen, 3 Jahre gearbeitet und bin dann Vollzeit nochmal studieren gegangen. Finanziell ist es natürlich ein großer Cut, wenn man sparsam ist, geht das aber. Aufgrund der Berufserfahrung hab ich auch mehrmals ~25 Euro Stundenlohn als Werki raushandeln können. Das ist vom Vollzeitjob kommend kein Vermögen, aber bei 16-20h/Woche reicht das u.U. auch. Anwesenheitspflicht ist je nach Uni und Modul unterschiedlich, bei mir aber nicht vorhanden. Da hat man viele Freiheiten, man muss den Stoff dann halt am Prüfungstag können. Bei FHs ist die Anwesenheitspflicht mehr ein Ding, aber ich hatte mich damals bewusst gegen FH entschieden, weil mir das zu nah an meinem bisherigen Wissen war. Ich würde diese Einschätzung im Nachhinein als korrekt einstufen, das kommt aber immer auf den eigenen Werdegang an. Wenn man nur den Abschluss will, dann kann ähnlicher Stoff aber auch ein Vorteil sein...

Bin nicht so im FISI-Game drinne, aber es gibt zwei Standardwerke im Bereich der Netzwerktechnik: 1. Computer Networks von Andrew S. Tanenbaum 2. Computer Networking: A Top-Down Apporach Beide sind gut geschrieben, taugen als Nachschlagewerke und gehen (offensichtlich) über das, was du für die Ausbildung brauchst hinaus. Ist ein bisschen Geschmackssache, was besser ist, allerdings haben sie nicht 100% gleichen Inhalt. Iirc behandelt z.B. Tanenbaum das Thema TCP Tahoe vs Reno nicht, aber gut... Kleinigkeiten. Beide brauchst du eigentlich nicht. Die anderen beiden Bücher von Tanenbaum (Structured Computer Organization und Modern Operating Systems) sind auch gut, aber eher was für Embedded-Entwickler als für den klassischen FISI. "Designing Data-Intensive Applications" ist auch eher an den Anwendungsentwickler gerichtet, bietet aber auch einen ganz spannenden Einblick hinter die Kulissen von verteilten Systemen. Meiner Meinung nach ein Must-Read auch für Admins in dem Bereich (z.B. DevOps). Nur für die Abschlussprüfung sind natürlich alle diese Bücher Overkill, da paukst du am Besten einfach Aufgaben. Aber man lernt ja nicht nur für die Abschlussprüfung

Es ist nur ein Studium. Es haben tausende Leute vor dir geschafft, es werden tausende Leute nach dir schaffen. Klar, man sollte schon ein bisschen was machen, aber "above and beyond"? "Hardcore-Studiengang"? Man sollte auch mal die Kirche im Dorf lassen.

Ich würde eher mal freundlich nachfragen, ob eine nachträgliche Immatrikulation an der Fernuni Hagen noch möglich ist. Vielleicht lässt sich da ja was machen - ist halt doch ein bisschen billiger.

Witzig, mir hat man neulichst 3000 für nach dem Studium geboten...

Wenn ich Algorithmenentwickler werden will, dann führt auch oft kein Weg an einem Studium vorbei. Würdest du dann auch raten erstmal Berufserfahrung zu sammeln...? Abgesehen davon schadet mehr Bildung erstmal nicht und Berufserfahrung kann man auch nebenher sammeln.

Ich wollte anfangs auch 20h/Woche arbeiten, habe mich mit meinem Betrieb dann auf 16 geeinigt und bin sehr froh, dass ich das getan habe. Mittlerweile bin ich bei 12. Studium frisst auch Zeit und das nicht zu wenig. Auch mit Vorwissen, unterschätz das ganze nicht. Wobei das natürlich auch immer ne Frage vom Geld ist...

Ich frag mich immer, wie das dann eigentlich nach dem Studium ist. Oft ist so etwas ja auch mit einer gewissen Neuausrichtung verbunden, ob man dann noch vergleichbare Gehälter bekommt...? @pointer125Hast du dir schon darüber Gedanken gemacht, was du nach dem Studium machen willst? Gehst du Vollzeit oder Teilzeit studieren? In jedem Fall, alles Gute zum neuen Job!

Ich hab mich gerade wirklich gefragt, was du mit dem Mathematikteil des Buches meinst. Ich habe dann mal im mein Exemplar (9. Auflage - kann sein, dass es in neueren Auflagen mehr Mathe gibt) geschaut und tatsächlich gibt es da einen kleinen Exkurs in Logik und Mengenlehre. Der Teil in Logik ist schon nützlich, Mengenlehre wirst du in der Ausbildung nie wieder brauchen - auch wenn eigentlich die gesamte Mathematik darauf aufbaut. Fürs Studium kannst du das aber komplett in die Tonne treten, das ganze Buch behandelt ungefähr so viel Mathe wie der erste Tag vom Vorkurs. Für die Ausbildung ist vermutlich der Paragraph zum Dreisatz und das Lösen von linearen Gleichungssystemen das Relevanteste. Ich hab mir das Buch damals zu Ausbildungsbeginn (2018) auch gekauft, weil es mir oft empfohlen wurde. Wirklich viel gelesen in dem Buch habe ich nie. Ich hatte immer ein wenig das Gefühl das Buch enthält eine Menge Fun Facts, die man nie wieder braucht (wie z.B. die ganze Geschichte des Computers) oder auch wenig relevanten Stoff (z.B. das Kapitel über Mengenlehre, Einführungen in vi und Emacs). Dafür geht es dann an anderen Stellen nicht genug in die Tiefe (die einzigen beschriebenen Sortieralgorithmen sind Bubble und Quick Sort) und andere Sachen fehlen komplett (VLANs, keine Ahnung ob das mittlerweile ein Teil vom Buch ist). Auch sind gewisse Kapitel, wie z.B. das Kapitel über Linux sicherlich relevant für ITler, für die Abschlussprüfung war es das damals aber nicht (kann aber sein, dass sich das mit PO2020 geändert hat). Ich bin mir ehrlich gesagt auch nicht sicher, ob ich das Buch so weiterempfehlen würde. Wenn dann als Nachschlagewerk, aber da finde ich ehrlich gesagt die Ressourcen, die man online findet besser. Einzelne Kapitel (Hardware, Netzwerke, Datenbanken) sind aber doch ein guter Einstieg, behandeln nur leider aber auch nicht alles Prüfungsrelevante.