Data Science mit Milch und Zucker

About Data Science mit Milch und Zucker

Deutschlands meistgehörter Data Science Podcast – jetzt reinhören, ganz ohne Anmeldung Ob Data Science, Machine Learning oder künstliche Intelligenz – in diesem Podcast bekommst du mehr als nur Theorie. Prof. Dr. René Brunner liefert verständliche Einblicke in komplexe Themen und zeigt, wie Daten echte Wirkung entfalten. Praxisnah, aktuell und inspirierend. Was dich erwartet: Jede Episode beleuchtet ein spannendes Thema – zusammen mit Expertinnen und Experten aus der Wirtschaft. Es geht um konkrete Anwendungsfälle, Best Practices und Trends direkt aus dem Unternehmensalltag. Dein Host: Prof. Dr. René Brunner ist Professor an der Macromedia Hochschule, Gründer von Datamics und erfolgreicher Fachbuchautor. Über 60.000 Teilnehmer seiner Onlinekurse auf Udemy wissen: Er macht Data Science zugänglich – ohne unnötigen Fachjargon. Sein neuestes Buch „Python – Schritt für Schritt Programmieren lernen“ richtet sich an Einsteiger und erfreut sich großer Beliebtheit. Für wen ist der Podcast? Für Managerinnen und Manager, die Data Science verstehen und einsetzen wollen. Für Einsteigerinnen und Einsteiger, die sich einen fundierten Überblick über aktuelle Entwicklungen in deutschen Unternehmen verschaffen möchten. Das sagt die Community: „Ich höre seit zwei Wochen – und fast hätte ich dank des Podcasts einen Job bekommen.“ „Spannende Einblicke in die Berufswelt, hilfreiche Tipps für den Einstieg.“ „Informativ, praxisnah und motivierend – ein echter Gewinn für die Data Science Community.“ Mehr über René Brunner auf LinkedIn: linkedin.com/in/renebrunner

Publisher

Prof. Dr. René Brunner

Category

business · education · technology

Language

de

Explicit

No

First episode

1 Dec 2021

Latest episode

4 Nov 2026

Latest episodes

36 episodes in the feed.

1. 

   4 Nov 2026

   From Prototype to Production: Taking GenAI Live Without Losing Control

   (English version below) ++++ Folge 36: Vom Prototyp in die Produktion: GenAI ohne Kontrollverlust ++++ Laut RAND schaffen es rund 80 % der KI-Use-Cases nie in den Produktivbetrieb. Saumya Goyal und Thomas Waller von Datamics sprechen über Infrastructure as Code, Evaluation, Guardrails, Token-Kosten und MCP, und darüber, wie GenAI-Projekte den Sprung vom Prototyp in die Produktion schaffen. In dieser Folge, der ersten mit zwei Gästen und auf Englisch, sprechen wir mit Saumya Goyal, Data Engineer, und Thomas Waller, Data Scientist bei Datamics. Beide haben bereits KI-Produkte in Industrieprojekten produktiv gebracht. Ein RAG-System oder einen Agenten zu bauen, dauert heute einen Tag. Aber wie bringt man ihn sicher in Produktion, und woher weiß man, dass er gut genug ist? Wir sprechen über die Bausteine eines GenAI-Projekts von der Vektordatenbank bis zu Guardrails, darüber, warum Infrastructure as Code mit Terraform Chaos verhindert, und über ein Praxisbeispiel: einen Reiseassistenten mit Live-Daten der Deutschen Bahn. Dazu kommt die Frage „Build or Buy?“, in deren Rahmen die beiden auch das AIOps Kit vorstellen, ein toolunabhängiges Kit für den schnelleren Aufbau der Infrastruktur. Außerdem geht es um Kostenkontrolle bei Agenten, Datenschutz, den Umgang mit Halluzinationen durch messbare Evaluation und um die Frage, was das Model Context Protocol (MCP) eigentlich ist. Das nehmt ihr mit: Behandelt Infrastruktur wie Software, automatisiert von Anfang an und macht Qualität messbar, bevor euer System auf Kunden trifft. Links aus dieser Episode: Mehr über das AI Innovation Lab von Datamics erfahren: https://ai-lab.datamics.com/ Mit Saumya Goyal auf LinkedIn vernetzen: https://www.linkedin.com/in/saumyagoyal95/ Mit Thomas Waller auf LinkedIn vernetzen: https://www.linkedin.com/in/thomas-waller-063aaa208/ +++++ Episode 36: From Prototype to Production: Taking GenAI Live Without Losing Control +++++ According to RAND, around 80% of AI use cases never make it into production. Saumya Goyal and Thomas Waller from Datamics talk about infrastructure as code, evaluation, guardrails, token costs, and MCP, and how GenAI projects make the leap from prototype to production. In this episode, our first with two guests, we talk to Saumya Goyal, data engineer, and Thomas Waller, data scientist at Datamics. Both have already delivered AI products to production in industry projects. Building a RAG system or an agent takes about a day today. But how do you deploy it safely, and how do you know it’s good enough? We discuss the building blocks of a GenAI project from vector databases to guardrails, why infrastructure as code with Terraform prevents chaos, and a practical example: a travel assistant using live Deutsche Bahn data. We also tackle build vs. buy, where the two introduce the AIOps Kit, a tool-agnostic kit for setting up infrastructure faster. We also cover cost control for agents, data privacy, how to handle hallucinations through measurable evaluation, and what the Model Context Protocol (MCP) actually is. Your takeaway: treat infrastructure like software, automate from day one, and make quality measurable before your system meets customers. Links from this episode: Learn more about Datamics’ AI Innovation Lab: https://ai-lab.datamics.com/ Connect with Saumya Goyal on LinkedIn: https://www.linkedin.com/in/saumyagoyal95/ Connect with Thomas Waller on LinkedIn: https://www.linkedin.com/in/thomas-waller-063aaa208/

2. 

   13 Oct 2026

   Nische oder nichts: Datenberatung im Zeitalter der KI

   **(English version below)** ++++ **Unsere 35. Podcast-Episode: Der deutsche Data-Beratungsmarkt – Spezialisierung, KI und der Weg in die Branche** ++++ **Der deutsche Data-Beratungsmarkt umfasst rund 2.000 Unternehmen. Rocky Khan (Master of Data, BI & AI) spricht über Databricks, Snowflake, Nearshoring und darüber, wie der Einstieg in die Datenberatung gelingt.** In dieser Folge sprechen wir mit Rocky Khan, Advisor und Host des Podcasts „Master of Data, BI & AI“. Nach Stationen bei MicroStrategy (heute Strategy), SAS und Databricks berät er heute selbst Data-Beratungen und hat dadurch einen umfassenden Überblick über den DACH-Markt gewonnen. Wie findet man sich in diesem Markt zurecht? Wie recherchiert man sinnvoll – und wie gelingt der Einstieg in die Branche? Wir sprechen über Hersteller-Ökosysteme von Strategy, Qlik und Tableau bis hin zu Databricks, Snowflake und Microsoft Fabric, über ungewöhnliche Karrierewege wie den Einstieg über Inside Sales und darüber, warum klassische Kaltbewerbungen oft nicht zum Ziel führen. Rocky erklärt, wie man stattdessen mit einer klaren Positionierung und einem eigenen Point of View bei Entscheidern überzeugt. Ein weiteres großes Thema ist der zunehmende Wettbewerbsdruck – nicht nur durch KI, sondern auch durch Near- und Offshoring. Während deutsche Beratungen preislich oft nicht mithalten können, sieht Rocky die Zukunft in einer klaren Spezialisierung und tiefem, projektspezifischem Wissen, das sich nicht einfach durch ein LLM ersetzen lässt. Außerdem sprechen wir darüber, welche Datenplattformen heute bei Konzernen, Digital Natives und im Mittelstand tatsächlich eingesetzt werden, ob man sich eher auf eine Technologie oder eine Branche spezialisieren sollte und welche drei konkreten Empfehlungen Rocky Berufseinsteigern mit auf den Weg gibt, angefangen beim Konzept *Ikigai*. +++++ **Episode 35: The German Data Consulting Market – Specialization, AI, and How to Get In** +++++ **The German data consulting market consists of around 2,000 companies. Rocky Khan (Master of Data, BI & AI) discusses Databricks, Snowflake, nearshoring, and how to break into the data consulting industry.** In this episode, we talk to Rocky Khan, advisor and host of the podcast *Master of Data, BI & AI*. After working at MicroStrategy (now Strategy), SAS, and Databricks, he now advises data consultancies, giving him a unique perspective on the DACH consulting landscape. How do you navigate such a crowded market? How do you research it effectively, and how do you break into the industry as a newcomer? We discuss technology ecosystems ranging from Strategy, Qlik, and Tableau to Databricks, Snowflake, and Microsoft Fabric, unconventional career paths such as starting in inside sales, and why traditional cold applications rarely stand out. Rocky explains why approaching decision-makers with a well-researched point of view is often a far more effective strategy. Another major topic is competition—not only from AI, but also from nearshoring and offshoring, where international consulting firms can often compete on price. Rocky argues that long-term success comes from deliberate specialization and deep, project-specific expertise that no LLM can simply replicate. We also explore which data architectures are actually being used by large enterprises, digital natives, and mid-sized companies, whether it makes more sense to specialize in a technology or an industry, and the three practical pieces of advice Rocky shares for anyone starting a career in data, beginning with the concept of *Ikigai*. Links aus dieser Episode Mehr über das AI Innovation Lab von Datamics erfahren: https://ai-lab.datamics.com/ Rocky Khan und den Podcast „Masters of Data, BI & AI“ entdecken: https://mastersofdatabiai.buzzsprout.com/ Mit Rocky Khan auf LinkedIn vernetzen: https://www.linkedin.com/in/khanrocky/ Buchempfehlung aus dieser Episode: Ikigai von Ken Mogi

3. 

   23 Jul 2025

   Hard Hats & Smart Data: Machine Learning for Construction Safety

   (english version below) ++++ Unsere 34. Podcast-Episode: Machine Learning auf der Baustelle – Sicherheit, Sensoren & smarte Templates ++++ In dieser Folge sprechen wir mit Joel Un von Holcim - einem internationalen Konzern, der in mehr als 60 Ländern aktiv ist – über die Herausforderungen und Chancen beim Einsatz von Data Science im Bereich Arbeitssicherheit auf Baustellen. Wie lässt sich mit Hilfe von Audio-, Sensor- und Kameradaten erkennen, ob Sicherheitsvorgaben eingehalten werden? Welche Rolle spielen ML-Modelle in einem realen, oft chaotischen Baustellenumfeld – und wie bringt man diese überhaupt produktiv zum Laufen? Joel gibt uns Einblick in seine Projekte, erzählt von praktischen Erfahrungen bei der Implementierung von Machine Learning im Produktionsumfeld, von der Bedeutung eines guten MLOps-Setups und warum der Einstieg in strukturierte ML-Projekte nicht in Jupyter Notebooks enden sollte. Auch Themen wie Akzeptanz im Team, Datenschutz und Annotation im industriellen Umfeld kommen zur Sprache. Ein spannender Use Case, der zeigt, wie weit Data Science bereits in industrielle Kontexte vorgedrungen ist – und was es braucht, damit Innovation nicht nur ein Buzzword bleibt. +++++ Episode 34: Data Science on Construction Sites – Safety, Sensors, and Smart Use Cases +++++ In this episode, we talk to Joel, a data scientist working at a large international company operating in over 60 countries. The topic: using data science and machine learning to improve safety on construction sites. How can audio, sensor, and camera data help detect whether safety protocols are being followed? What does it take to get machine learning models running in the unpredictable reality of construction environments? Joel shares insights from real-world projects, explaining how ML can be effectively applied in industrial contexts. We dive into topics like MLOps, annotation challenges in production settings, data privacy, and why it's often a mistake to start with just a Jupyter notebook. A fascinating use case that shows how data science is already shaping safety and efficiency far beyond the tech industry—and what it takes to turn innovation into real impact. Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil: https://www.linkedin.com/in/joel-aytunc-un/

Reach and audience

Public platform figures. Ratings count people who left a rating, not total listeners.

Spotify

4.3 / 5

12 ratings

Contact Data Science mit Milch und Zucker

Guest appearances

Does not typically book guests

Based on episode analysis; this does not confirm that the show is currently accepting guests.