FELD M in Conversation ist eine brandneue Interviewreihe mit spannenden Persönlichkeiten aus der Data- und Analytics-Branche. Im Kern handelt es sich um ein Fireside-Chat-Format (direkt in Ihr Postfach geliefert, wenn Sie sich hier anmelden). Ein Raum, in dem Menschen ihre Erfahrungen, Herangehensweisen und persönlichen Perspektiven teilen – jenseits von Frameworks und Theorien.
Wir hoffen, dass Sie, das Data Collective, Stimmen entdecken, die bei Ihnen Anklang finden und Sie inspirieren.
“Technologie und Mathematik sind weder der schwierige noch der wirklich entscheidende Teil. Entscheidend sind die Menschen. Deshalb haben wir eine Wirtschaft, deshalb arbeiten wir, deshalb sind wir im Business, deshalb ist überhaupt jemand im Business: um Menschen zu dienen, nicht Maschinen. Der Wert, den wir schaffen, entsteht für Menschen. Wert existiert nicht im luftleeren Raum; er ist ein soziales Konstrukt.”
Jesse Rothenberg Head of Data & Insights | Ableton
Berlin gleicht endlich nicht mehr einer Eisbahn, die nur hier und da von Kies unterbrochen wird, als Jesse Rothenberg und ich uns in dem kleinen Café in Friedrichshain treffen. Sonnenlicht fällt über unsere Schultern, während wir unseren obligatorischen Flat White und Cappuccino bestellen und es uns für ein Gespräch gemütlich machen.
Jesse Rothenberg ist derzeit Head of Data & Insights bei Ableton, dem deutschen Musiksoftware-Unternehmen hinter den für Künstler*innen und Musiker*innen zentralen Software- und Hardware-Produkten Ableton Live und Ableton Push. Er lebt seit 15 Jahren in Berlin und ist immer noch auf der Suche nach dem besten Taco-Spot der Stadt. Mit einem Hintergrund in Software Engineering und Statistik baut und leitet er seit 16 Jahren Data-Teams. Bei Ableton bewegt er sich an einer besonderen Schnittstelle zwischen Kreativität und Daten und erweitert den Blick darauf, was „Data & Insights“ bedeuten können. Und ganz grundsätzlich ist er einfach ein sympathischer, nerdiger Mensch, von dem ich viel lerne.
Ableton ist insofern ziemlich einzigartig, da es in einem kreativen Umfeld agiert, für Kreative entwickelt wurde und von einem Team getragen wird, das reich an Musiker*innen und anderen kreativen Köpfen ist. Rund die Hälfte von Jesses Teammitgliedern macht selbst in irgendeiner Form Musik.
Wie prägt dieses kreative Umfeld seine Rolle? Wie wir entdecken werden, beeinflusst es jeden Aspekt seiner Arbeit, von der Struktur seines Teams und sogar den Daten, mit denen sie arbeiten, bis hin zu seinem Ansatz, Daten in die Unternehmenskultur zu integrieren und große Projekte erfolgreich zum Abschluss zu bringen.
„Ich habe meine Karriere als Software Engineer in den späten Tagen des ersten Dotcom-Booms begonnen und festgestellt (auch dank einiger sehr grauer Tage in Finnland), dass ich bereit war, etwas Neues zu machen.“
Nach einem weiterführenden Studium der Volkswirtschaftslehre zog er nach Berlin und übernahm seine erste datenbezogene Rolle als Marketing Analyst. In dieser Funktion half er dabei, den Bereich neu auszurichten, umzubenennen und zu einem BI Department aufzubauen. Zwischenzeitlich wandte er sich einem eigenen Startup zu, das er gemeinsam mit seinem Geschäftspartner aufbaute, führte und bis zur Cashflow-Positivität brachte, bevor er in die Datenwelt zurückkehrte.
„Von da an brachte jede Rolle zusätzliche Teammitglieder, einen größeren Verantwortungsbereich und weiteres Wachstum mit sich. Meine aktuelle Position geht weit über BI hinaus und berührt viele weitere Themen, darunter Data Governance, Datenmanagement und Datenqualität, aber auch User Research.“
„Dass bei Ableton unter dem Dach von Data & Insights neben quantitativen (strukturierten) Daten auch qualitative Daten wie User Research angesiedelt sind, hat sich als sehr positiv erwiesen. So können wir einige der qualitativen Erkenntnisse nutzen, um Prioritäten zu setzen, und umgekehrt quantitatives Wissen einsetzen, um weitere Forschung zu lenken – ein Kreislauf gegenseitiger Verstärkung. Ich denke, dass wir dadurch viel Wert erschließen.“
„Ableton zeichnet sich dadurch aus, dass das Unternehmen schon immer eine enge Verbindung zu seinem Zielmarkt hatte; Produktverantwortliche und Designer*innen haben von jeher ein sehr gutes Gespür dafür, was der Markt will. Vor diesem Hintergrund überrascht es nicht, dass die ersten Überlegungen dazu, wie man mehr lernen könnte, vor allem qualitativer Natur waren.
Als ich ins Unternehmen kam, gab es nur wenige Vorbilder für eher quantitative Analysen – der Bedarf an BI richtete sich deutlich stärker an Finance und Sales als an das Produkt.
Seitdem baue ich dieses Verständnis und die Nutzung quantitativer Impulse Schritt für Schritt auf. Das ist nichts, was sich von selbst ergibt, wenn quantitative Arbeit nicht von Anfang an Teil der DNA eines Unternehmens ist.“
„Man braucht im Unternehmen interne Champions – Menschen, die Zahlen wollen und von sich aus den Kontakt suchen. Die sollte man finden, unterstützen und befähigen, in ihren Teams dafür einzustehen. Wenn man dann zeigt, wie viel effektiver ihre Arbeit mit Daten wird, sprechen die Ergebnisse für sich.“
Eilish: Das ist ein bisschen so, wie Product Evangelists zu finden, nur eben intern?
Jesse: Genau. Es ist dasselbe. Es geht darum herauszufinden, wer interessiert ist, wer sich engagiert, wer Unterstützung möchte, und diese Stimmen dann zu vervielfachen.
„Der eigene Ansatz wird immer vom jeweiligen Unternehmen abhängen, von seiner Kultur, seiner Geschichte und auch von den organisatorischen Traumata, die sich im Laufe der Zeit gebildet haben.
Unterschiedliche Organisationen haben unterschiedliche organisationale Traumata. Manche Unternehmen haben vielleicht einen Release erlebt, der als vollständige Neuentwicklung des Kernsystems gedacht war, dann aber völlig schiefging: Er verzögerte sich um zwei Jahre, mit gravierenden Folgen. Solche Erfahrungen führen dazu, dass alle später bei größeren Veränderungen extrem vorsichtig sind. Das wäre ein Beispiel für ein organisationales Trauma.
Es kann aber auch kleinere organisationale Traumata geben, die dazu führen, dass Menschen vermeiden wollen, sich zu stark an Zahlen zu orientieren, wie etwa die berüchtigte Geschichte, in der Google 41 Blautöne für einen Button per A/B-Test getestet hat und der Leiter des Visual Designs daraufhin kündigte.“
Auf persönlicher Ebene legt Jesse großen Wert auf Privatsphäre. Ihm war zu Beginn allerdings nicht bewusst, dass seine Kolleg*innen das ebenfalls tun. Er kam vor rund sieben Jahren zu Ableton, zu einer Zeit, in der das Bewusstsein für die Verantwortung im Umgang mit personenbezogenen Daten wuchs und ebenso für das, was viele andere Unternehmen mit diesen Daten machten. Das war für ihn jedoch nicht von Anfang an ersichtlich, und mehrere seiner frühen Versuche, enger mit den Produktteams zusammenzuarbeiten, gerieten daher ins Stocken. Seine Kolleg*innen begegneten etwa der Nutzung von Produktnutzungsdaten zur Weiterentwicklung mit Vorsicht.
„Das Entscheidende war, einen Schritt zurückzutreten und zu versuchen zu verstehen, woher die Schwierigkeiten kamen. Ich habe mit Stakeholdern gesprochen und dabei gelernt, dass es vor allem große Unsicherheit darüber gab, wie wir mit der Ethik der Datenerhebung umgehen würden, mehr noch als die Sorge davor, dass wir Daten nutzen könnten, um ihnen vorzuschreiben, wie sie Entscheidungen in der Produktentwicklung zu treffen haben.
Das führte letztlich dazu, dass wir eine Data-Governance-Initiative priorisierten und konkrete Standards für Data Governance etablierten.
Ableton ist ein stark konsensorientiertes Unternehmen. Deshalb haben wir eine organisationsübergreifende Arbeitsgruppe mit 22 Teammitgliedern ins Leben gerufen, um gemeinsam der Frage nachzugehen, wie wir bei Ableton mit Daten umgehen. Die zwei wichtigsten Ergebnisse daraus waren:
Die Entwicklung eines Data-Handling-Frameworks
Darin haben wir festgehalten, wie wir mit Daten über ihren gesamten Lebenszyklus hinweg arbeiten (denn auch das Ende des Lebenszyklus ist wichtig!)
Die Entwicklung eines Data-Ethics-Frameworks und Leitlinien, die über regulatorische Anforderungen hinausgehen.
Das hat uns eine klare Orientierung dafür gegeben, wie wir aus einer datenethischen Perspektive mit Daten umgehen, und hat uns geholfen, viele Blockaden zu lösen und Möglichkeiten wieder zugänglich zu machen, um weiter voranzukommen.
Das ist sicher nicht das, was jedes Unternehmen braucht. Für Ableton war es aber genau die zusätzliche Absicherung, die notwendig war. Unsere ethischen Leitlinien sind eine hilfreiche Referenz, auf die wir verweisen können, wenn neue Fragen zu dem Thema aufkommen. Dass sie im gesamten Unternehmen Rückhalt hatten und offiziell mitgetragen wurden, war kulturell entscheidend, um das Thema erfolgreich zum Abschluss zu bringen.”
„Man scheitert ohne. Notwendig, aber nicht hinreichend, um einen mathematischen Begriff zu verwenden.
Ich kann gar nicht genug betonen, wie wichtig es ist, klare Rückendeckung auf Führungsebene zu haben, die auch tatsächlich trägt, um Erfolg sicherzustellen. Zwar gibt es viele Dinge, die man tun kann, um Kultur zu beeinflussen und zu verändern, aber das ist ein langer, langsamer Prozess. Wenn die Unternehmensleitung nicht dahinter steht, wird es deutlich schwerer, voranzukommen.“
„Zunächst einmal ist es ein kleines Team, deshalb trage ich (inoffiziell) viele verschiedene Hüte. Das reicht von strategischer Entwicklung über Tech Lead und People Manager bis hin zu Product Owner und der Rolle als Schnittstelle zwischen der restlichen Führungsebene und dem Team selbst. Insofern ist es tatsächlich eine Herausforderung, all das miteinander in Balance zu halten.
Letztlich geht es darum, sich bewusst zu machen, dass man jedes Mal eine Entscheidung darüber trifft, wofür man seine Zeit einsetzt. Und auch wenn man es sich wahrscheinlich erlauben kann, einzelne Hüte für eine gewisse Zeit abzulegen, muss man sich gleichzeitig darüber im Klaren sein, welche Kosten das mit sich bringt.
Meine persönliche Balance hat sich über die Jahre mit der wachsenden Größe und dem sich entwickelnden Aufgabenbereich des Teams verändert. Und mit zunehmender Reife der Organisation verbringe ich weniger Zeit mit Engineering-Arbeit oder (technischer) Führung und investiere dafür mehr Zeit in strategische Ausrichtung.“
„Ich bin zunehmend davon überzeugt, dass starke Kommunikationsfähigkeiten in einer Analyst*innenrolle enorm wertvoll sind. Quantitative Informationen gut zu vermitteln ist eine echte Herausforderung, und nur wenige verfügen über die verbalen und visuellen Fähigkeiten, die es braucht, um diese Informationen wirklich wirksam zu kommunizieren.
Ich sehe zum Beispiel großen Wert darin, ein Teammitglied zu haben, dessen Hauptaufgabe oder Verantwortung darin besteht, so etwas wie eine einseitige Infografik zu erstellen, die Ergebnisse und Outputs all dessen vermittelt, woran das Team sonst arbeitet.“
„In meinen Interviews gab es grundsätzlich nie Coding-Challenges oder Take-home-Aufgaben für Bewerber*innen. Die Frage, die ich stattdessen im Gespräch zu beantworten versuche, lautet: Wie lernt diese Person? Es braucht eine bestimmte Haltung, um lernen zu wollen. Ich versuche, nur Menschen einzustellen, die genau diese Haltung mitbringen, und ich glaube nicht, dass sich daran durch neue Tools grundlegend etwas ändern würde.
Ich begegne Trends generell mit einer gewissen Skepsis, einfach weil ich über die Jahre viele kommen und gehen sehen habe. Das heißt nicht, dass ich neuen Technologien grundsätzlich ablehnend gegenüberstehe oder sie meide. Aber ich würde immer lieber jemanden einstellen, der versteht, wie die grundlegenden Mechanismen hinter etwas funktionieren, als jemanden, der ein bestimmtes Framework perfekt beherrscht.“
„Beides ist gleichermaßen wichtig.
Es ist ein breites Feld, und es gibt viel zu wissen: Programmiersprachen, Fähigkeiten, Methoden. Und das sind nur die Hard Skills. Dazu kommen viele kleine Feinheiten, die man einfach kennen muss, und die man sich nur durch Praxis und Erfahrung aneignet.
Für Analysten kann es beispielsweise wichtig sein, die Unterschiede zwischen Fixed Effects und Random Effects zu verstehen oder zu wissen, wie man ein hierarchisches Mixed-Effects-Modell aufbaut. Genauso wichtig, wenn nicht sogar für die meisten Stakeholder noch wichtiger, ist es jedoch, den geschäftlichen Kontext zu verstehen.
Es ist außerdem entscheidend zu wissen, wann man die Dinge bewusst einfach halten sollte.
Gerade weniger erfahrene Analyst*innen kennen oft die perfekte Methode, mit der sich alle Verzerrungen kontrollieren lassen. Dann arbeiten sie zwei Monate daran und kommen mit etwas wirklich Beeindruckendem heraus. In der Realität wollte der oder die Stakeholder aber eigentlich nur eine grobe Schätzung, plus minus zehn Prozent, und zwar schon vor zweieinhalb Wochen.
Dafür braucht es ein gewisses Maß an erlernter Pragmatik und Business-Verständnis sowie eine ordentliche Portion des Prinzips „Keep it simple, stupid“.
Es geht genauso darum zu wissen, wann man den großen Werkzeugkasten aufmacht, wie darum zu wissen, wann man ihn besser geschlossen lässt.
Je mehr Erfahrung jemand in einem bestimmten Fachbereich hat, desto mehr Mehrwert kann diese Person ihren Stakeholdern in genau diesem Bereich liefern. Und je länger jemand mit einem Team zusammenarbeitet, desto größer werden Vertrauen und gegenseitiges Verständnis, und desto einfacher und schneller wird es für Stakeholder, die Antworten zu bekommen, die sie suchen. Denn Stakeholder stellen oft nicht die richtigen Fragen.
„Eines der schwierigsten Dinge beim Ausbilden von Analyst*innen ist, ihnen zu vermitteln, dass es in Ordnung ist, in einem Gespräch mit ihren Stakeholdern die Expert*innen zu sein. Und dass es ihre Rolle als Analyst*innen ist, mit den Stakeholdern so ins Gespräch zu gehen, dass sie wirklich verstehen:
Was ist die Frage, die eigentlich beantwortet werden soll?
Und welche Kennzahlen helfen dabei, genau diese Frage zu beantworten?
Und ihr eigenes Business-Wissen, ihr Domänenwissen und ihr statistisches Wissen zu nutzen, um das Gespräch in diese Richtung zu lenken, statt einfach zu denken: ‚Mein Stakeholder möchte x wissen‘, und das so hinzunehmen.
Es wird viele Stakeholder geben, die Unterstützung dabei brauchen, die richtigen Fragen zu stellen. Und es ist wichtig, sie dabei mitzunehmen und ihnen die Möglichkeit zu geben, dazuzulernen.“
Auftritt von links: Das Geräusch einer Bohrmaschine, als der Nachbar des Cafés mit perfekt getimten Heimwerken beginnt.
„Gott, ist das nervig. Sollen wir umziehen —“
Sicher in der gegenüberliegenden Ecke des Cafés gelandet, wo sich das Bohren nicht mehr ganz so anfühlt, als würde es direkt in unsere Köpfe dringen, nehmen wir das Gespräch dort wieder auf, wo wir aufgehört haben.
„Einige Klassiker, die auch heute noch relevant sind, sind zum Beispiel:
Edward Tufte: The Visual Display of Quantitative Information.
Richard McElreath: Statistical Rethinking
Peter Kennedy: A Guide to Econometrics
Der Statistik-Blog von Gelman und Kolleg*innen am Statistics Department der Columbia University ist ebenfalls herausragend.
Was Events angeht, haben mir im letzten Jahr vor allem die Gespräche und Begegnungen beim Chief Data Officer Network (CDO Network) in Frankfurt gefallen. Auch das Panel auf der Chief Data & Analytics Officer Conference (CDAO) in München, an dem ich teilgenommen habe, war spannend. Dort kamen sowohl Perspektiven aus dem SMB- als auch aus dem Enterprise-Umfeld zusammen, und wir konnten einige interessante Parallelen zu Microsoft herausarbeiten.“
„Ich glaube, die wirklich wichtigen Dinge werden gleich bleiben, und das sind Kommunikation, People Skills und Stakeholder-Management. In einem Szenario, in dem mehr Arbeit automatisiert wird, werden genau diese Fähigkeiten den Unterschied machen.
Wenn die Befürworter*innen von GenAI recht behalten und mit dem, was sie bauen, erfolgreich sind, könnte sich eine Zukunft ergeben, in der Stakeholder erwarten, einer Maschine einfach eine Frage zu stellen. Diese Maschine hätte dann sofort eine Antwort parat, inklusive aller relevanten Daten.
Sollte es so kommen, sehe ich die Rolle insgesamt weniger mathematisch und weniger technisch. Stattdessen wird ein stärkeres Verständnis für den jeweiligen Datenkontext, für Datenbereinigung und Datenmanagement gebraucht und auf der anderen Seite deutlich ausgeprägtere soziale und kommunikative Fähigkeiten.“
„Kann ich zwei Dinge nennen?
Technologie und Mathematik sind weder der schwierige noch der wirklich entscheidende Teil. Entscheidend sind die Menschen. Deshalb haben wir eine Wirtschaft, deshalb arbeiten wir, deshalb sind wir im Business, deshalb ist überhaupt jemand im Business: um Menschen zu dienen, nicht Maschinen. Der Wert, den wir schaffen, entsteht für Menschen. Wert existiert nicht im luftleeren Raum; er ist ein soziales Konstrukt.”
Das andere ist ein Zitat von George Box, einem bekannten Statistiker aus den 1970er-Jahren:
„Alle Modelle sind falsch, aber einige sind nützlich.“
„Es ist wichtig, sich bewusst zu machen, wenn man Ergebnisse präsentiert, egal vor wem oder welchem Stakeholder: Man hat nicht die Wahrheit, sondern eine Perspektive auf die Wahrheit.“
Jesse: Auf die Gefahr hin, jetzt metaphysisch zu werden: Was ist Wahrheit, Eilish? Was ist die Wahrheit? Was ist ein Fakt?
Eilish: Ich bestelle mir jetzt noch einen Kaffee und bekomme eine existenzielle Krise.