0x00

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.

Das genau ist dein Problem! Wenn du dich auf z.B. Java spezialisierst, dann sind vielleicht nur 20 von 100 Stellen Java-Stellen, aber da kannst du dann richtig gut punkten. Wenn du dich nicht spezialisierst, dann wirst du für egal welche Stelle höchstens die dritte Wahl sein. Leg dich auf eine - im Optimalfall nicht zu nischige - Stelle fest und arbeite daran, der ideale Bewerber für diese Stelle zu werden. Alles andere ist nicht zielführend. Motivation ist zwar schön und gut, aber das kann jeder vorspielen. Wenn ich jemanden für 40k+ einstelle, dann will ich schon ein bisschen mehr sehen. Und es ist leider so, dass die Umschulung (vielleicht auch nicht ganz zu unrecht) einen nicht so guten Ruf hat. Gute Noten sind zwar nett, aber wenn wir ehrlich sind ist die ganze IHK-Abschlussprüfung ein Witz. Du musst mit echten Hard Skills punkten, die dem Unternehmen signalisieren, dass du echten Mehrwert liefern kannst. Ja, auch als Junior. Wenn du nach 2-3 Jahren dann entscheidest, dass du den Bereich wechseln willst, dann geht das auch einfacher als direkt nach der Umschulung. Dann hast du nämlich Erfahrung und es wird dir auch deutlich einfacher fallen bekannte Konzepte in neuen Ideen zu erkennen.

Keine Ahnung wo du das her hast, aber ich kann das absolut nicht unterschreiben. Die meisten Programmierer die ich kenne haben studiert: (Wirtschafts-)Informatik, (Wirtschafts-)Mathematik, Physik, E-Technik, ... Dazu kommen noch einige wenige FIAE und ganz selten FISI. Quereinsteiger? Ich bin mir sicher die gibt es, zusammengearbeitet habe ich bis jetzt mit keinem davon.

Bzgl Uni: Lineare Algebra, Analysis, Stochastik, ... hast du alles gehört? Ich würde ehrlich gesagt nicht zu viel auf Zertifizierungen geben, mach lieber 1, 2 Projekte. Kannst ja mit einer kleinen Bilderkennung anfangen (Hund, kein Hund oder so) und dich dann langsam hocharbeiten, bis du mal ein ganzes Paper from Scratch implementierst.

Ich hab einen TCP-Webserver (der mit einem Subset von HTTP/1.1 compliant ist) nur mit ANSI C und den auf Wikipedia gelisteten Standardbibliotheken gebaut. Gerade spiele ich ein bisschen mit Bare-Metal Code auf einem Raspi herum, langfristig würde ich gerne ein (sehr simples) OS bauen, mal schauen ob das was wird.

Haben wir auch, ist aber mit genug Übung alles machbar. Man muss einfach nur von Anfang an dranbleiben und alle Übungsaufgaben machen, dann ist die Klausur i.d.R. auch kein Problem. Man muss sich auf ein bisschen Arbeit einstellen, aber davon würde ich mich nicht vom Studium abhalten lassen.

Um grundlegende Netzwerkskills wirst du nicht herumkommen fürchte ich. Das muss jeder können, ist aber auch schnell gelernt. Netzwerke haben per se mit Java und Python wenig zu tun, aber das sind halt Grundlagen. Einen CCNA musst du aber nicht machen. Wenn du Hardwaretests gemacht hast... Wie fit bist du in E-Technik? Schonmal überlegt Richtung Hardwareentwicklung oder Embedded-Entwicklung zu gehen? Das wäre das einzige, wo dir dein Ing potentiell weiterhelfen würde. Ich sehe nicht, wie das bei DS/ML der Fall wäre.

Ich habe das Gefühl, dass du deine Entscheidung schon längst getroffen hast und nur noch Bestätigung suchst. Liege ich falsch? Ansonsten denke ich, dass der Wechsel von Tester zu Test Automation Engineer oder SWE deutlich natürlicher wäre, als zu den - etwas problembehafteten - Data Science/ML Rollen.

Dann schick doch ein Paket weniger. Dein Host hat ja gar kein 113. zum Senden.

Hmmm, woran scheiterts denn? Du weißt ja, dass Fast Recovery das Congestion Window halbiert, danach wird einfach mit Fast Retransmit das verlorene Paket sofort wieder gesendet + nachfolgend in jeder Runde (sofern die ACKs ankommen) das Congestion Window um 1 erhöht. Beim Netzzusammenbruch geht das Congestion Window dann wieder auf 1 runter, es wird in die Slow Start Phase gegangen und der Slow Start Threshold ist die Hälfte des Congestion Windows bei Netzzusammenbruch. Sobald der Slow Start Threshold erreicht ist wechseln wir wieder in Congestion Avoidance wie gehabt. Die Window Size des Empfängers ist bei dieser Aufgabe außer Acht zu lassen nehme ich an? Edit: Vielleicht hilft dir ein Diagram zu malen anstatt die Tabelle auszufüllen, ist vielleicht anschaulicher.

Du möchtest deinen Geist frisch halten und irgendwie weiterkommen? Wohin soll die Reise denn gehen? Ohne weitere Informationen würde ich an deiner Stelle vielleicht mal Richtung Data Engineering schauen. Also mal ne ETL-Pipeline basteln, sich ein bisschen mit Spark auseinandersetzen, sowas halt. Wirkliche Data Science Jobs sind rar und dementsprechend umkämpft, da hast du ohne Studium absolut keine Chance - in deinem Alter gleich doppelt nicht.

Naja, wie gut kennst du dich mit Linux aus?

Die wirkliche Kunst ist zu erkennen, wann Software gut genug ist. Manchmal muss sie wirklich schön strukturiert, gut aufgebaut, wartbar und was weiß ich noch alles sein, manchmal tut's aber auch der Code, den man schnell zwischen zwei Meetings nebenbei zusammengehackt hat. Da muss man dann auch mal als SWE über seinen eigenen Schatten springen können und schlechten Code shippen, anstatt sich ewig in Details, die eh keinen interessieren, zu verkünsteln. Wie immer: Es kommt drauf an.