Hallo zusammen,

dies wird ein etwas längerer Text, da m.M.n. diese ganzen Informationen nützlich sind, um eine Entscheidung fällen zu können.

Zu mir:
Ich bin 28 Jahre alt.
Arbeite in einem großen Software-Unternehmen und habe Wirtschaftsinformatik im Bachelor studiert.
Mich begeistert die Technik, IoT, Machine Learning, Blockchain etc.
In meiner Freizeit beschäftige ich mich mit aktuellen Themen, programmiere in Python und lerne sehr gerne etwas neues. Aktuell arbeite ich mich in das Thema Machine Learning ein - welches mich seit einigen Monaten sehr begeistert.

Zu meinem Studium:
Ich habe erst mit Mitte 20 begriffen, dass und was ich studieren möchte.
Mit 27 habe ich mein Bachelor-Studium in der Wirtschaftsinformatik an einer Hochschule in der Regelstudienzeit mit 1,9 abgeschlossen.

Finanzielles im Studium:
Aufgrund eines vorherigen abgebrochenen Studiums war ich nicht mehr Bafög-berechtigt.
Mein Vater hat meine Miete bezahlt, ich habe mein "Taschengeld" durch Werkstudentenjobs an meiner Hochschule, bei Autokonzernen etc. verdient und praktische Erfahrung gesammelt.
Mein Vater war nicht mehr bereit ein eventuelles Master-Studium zu unterstützen.

Mein Job:
Ich habe mein Praktikum bei einem Software-Unternehmen gemacht.
Im Anschluss des Praktikums hat mir mein Vorgesetzter das Angebot unterbreitet, dass ich nach meinem Bachelor als Festangestellter bei ihm im Team anfangen könne.
Eigentlich wollte ich den Master machen, doch schien mir das Angebot verlockend und ich hatte die Befürchtung, dass ich sonst keine Stelle in dem Unternehmen bekommen könnte.
Mein Einstiegsgehalt betrug 46k€.
Nach 5 Monaten bin ich ein Karrierelevel aufgestiegen und habe eine Gehaltserhöhung auf 50k€ bekommen.
Ich arbeite in einem Team, dessen Projekte mich überhaupt nicht interessieren, aber ich lerne viel und bekomme interessante Einblicke. Auf jeden Fall werde ich das Team spätestens Ende dieses Jahres wechseln, um an Projekten zu arbeiten, die mich interessieren bzw. wo auch meine Stärken liegen.
Ich habe bereits intern ein Angebot bekommen.

Mein Ziel:
Ich möchte mich im Bereich Machine Learning weiterentwickeln und sowohl fundierte theoretische-, als auch praktische Wissen/Erfahrungen sammeln. Aktuell verfolge ich dieses Ziel außerhalb meiner Arbeitszeit - quasi in meiner Freizeit.

Die Konflikte:

• Ich habe noch eine gewisse Wissensdurst und möchte noch einiges lernen
• Das Team in dem ich aktuell bin, behandelt Themen, die nicht interessant für mich sind
• Mein Vorgesetzter schätzt mich und lässt mich das auch spüren (Durch gewisse Freiheiten, Gehaltserhöhung etc.) - aber ich fühle einfach, dass ich nicht in dieses Team gehöre
• Ich habe kaum Zeit mich so intensiv mit Machine Learning zu beschäftigen, wie ich es gerne hätte.
• Mir ist Karriere und Geld gar nicht so wichtig, aber wichtig genug, um nicht einen Fehler zu begehen und irgendwo in einem Team "stecken" zu bleiben
• Es fühlt sich so an, als wäre ein großes Unternehmen/ein Konzern nicht das richtige für mich. Irgendwann leidet die Innovation an der Größe der Organisationsstruktur - zumindest ist das mein Gefühl.

Meine Frage:
Soll ich meinen Job abbrechen und den Master in Wirtschaftsinformatik studieren?

Wenn ich diese selber beantworten würde, dann hätte ich folgende Pro und Contra Liste:

Pro:

• Mein Wissensdurst könnte gestillt werden
• Ich könnte mich intensiver mit aktuellen Technologien z.B. Machine Learning beschäftigen (vorausgesetzt ich wähle die richtige Studienrichtung und Universität)
• Ich fühle mich etwas unvollständig und ein Master fühlt sich erfüllend an. Nicht wegen des Abschlusses, sondern, dass ich mich noch intensiver mit gewissen Themen auseinandersetzen darf/kann/soll.
• Ich hätte Zeit mir bewusst zu werden, was ich denn genau unter einem "passenden" Arbeitgeber verstehe: StartUp-Feeling? Konzern? Mittelständischen Unternehmen? Durch Werkstudentenjobs könnte ich meinen Frage eventuell auch (zum Teil) beantworten.
• Durch bereits vorhandene Praxiserfahrung könnte ich einen Transfer des theoretischen Wissens an der Hochschule/Uni auf die Praxis erreichen.

Contra:

• Welchen Effekt hat das auf meine Zukunft?
• Wie kommt diese Entscheidung bei zukünftigen Arbeitgebern an? Was wäre passiert, wenn ich im Unternehmen geblieben wäre?
• Was, wenn ich es bereue?
• Werden mich zukünftige Arbeitgeber auch schätzen?
• "Verschwendete" Zeit, da ein Master aus Karrieresicht (vorerst) keine Vorteile bringt (?)
• Verfehle ich mein Ziel und kann im Bereich Machine Learning nicht die Kenntnisse erlangen, die ich möchte und hätte ich beim jetzigen Arbeitgeber auch die Chance gehabt praktische Erfahrung in diesem Bereich zu sammeln?
• Alter: Bin ich nicht schon zu "alt"?

Habt ihr eventuell noch ein paar Pros und/oder Contras oder eigene Erfahrung, die ihr mit mir teilen könnt? Wäre euch sehr dankbar :)

antworten

Höre auf dein Herz und auf deinen Verstand. Des Weiteren versetze dich in dein "Zukunfts-Ich". Zu guter Letzt spiele beide Entscheidungen durch und denke darüber nach, wie du im Nachhinein (1 Jahr / 3 Jahre / 5 Jahre) darüber jeweils denken würdest.

antworten

Würde zu nem Arbeitgeber gehen in ner Position, die genau mit den Sachen zu tun hat, die dich interessieren. So viel Mehrwert hast du nicht mehr durch nen WINF Master, wenn du eh schon den Bachelor drin hast

antworten

Mach den Master halt berufsbegleitend

antworten

Bedenke aber, dass die meisten Programme an Hochschulen mit ihrem Curriculum einige Jahre hinter dem aktuellen Forschungsstand hinterher hinken. Ich weiß nicht genau wie das im deinem Ziel-Bereich aussieht, würde aber auf nicht all zu viel Erleuchtung hoffen.

antworten

Das mag vielleicht für irgendwelche konkreten Anwendungen so sein. Meistens ist es so, dass die Ergebnisse der universitäre Forschung viel weiter und tiefer gehen, als das was tatsächlich in Betrieben umgesetzt wird. Konkretes Beispiel: die theoretischen Ergebnisse für viele Bereiche der Künstlichen Intelligenz (z.B. Machine Learning) sind schon lange in der universitären Forschung bekannt gewesen. Nur konnten diese mangels Rechenleistung nicht umgesetzt werden. Jetzt da die Rechenleistung gestiegen ist, wurden die uralten Algorithmen für Anwendungen implementiert. Anderes Beispiel: die statistische Auswertung im Big Data Umfeld nutzt Methoden und Erkenntnise aus der Mathematik, die dort schon sehr lange bekannt gut erforscht sind. In konkreten Anwendungen sind die Tech Firmen natürlich wegen dem vielen Geld den Unis meilenweit voraus. Was echte Grundlagenforschung angeht, wage ich das zu bezweifeln. Deswegen: wenn man später nicht nur ohne Plan was dahinter steckt KI betreiben will, sollte man sich meiner Meinung nach zuerst mit den Grundlagen (Mathematik/Informatik ) beschäftigen. Und die bekommt man am Besten an einer Universität. Sicherlich kann man KI in konkreten Firmen auch ohne großen Plan betreiben, da sehr viele Tools fertig implementierte Algorithmen anbieten und man muss am Ende vereinfacht gesprochen nur Puzzleteile zusammenführen. Sicher, man muss nicht dauernd das Rad neu erfinden. Aber man sollte mMn schon wissen was man tut.

antworten

WiWi Gast schrieb am 26.01.2019:

Das mag vielleicht für irgendwelche konkreten Anwendungen so sein. Meistens ist es so, dass die Ergebnisse der universitäre Forschung viel weiter und tiefer gehen, als das was tatsächlich in Betrieben umgesetzt wird. Konkretes Beispiel: die theoretischen Ergebnisse für viele Bereiche der Künstlichen Intelligenz (z.B. Machine Learning) sind schon lange in der universitären Forschung bekannt gewesen. Nur konnten diese mangels Rechenleistung nicht umgesetzt werden. Jetzt da die Rechenleistung gestiegen ist, wurden die uralten Algorithmen für Anwendungen implementiert. Anderes Beispiel: die statistische Auswertung im Big Data Umfeld nutzt Methoden und Erkenntnise aus der Mathematik, die dort schon sehr lange bekannt gut erforscht sind. In konkreten Anwendungen sind die Tech Firmen natürlich wegen dem vielen Geld den Unis meilenweit voraus. Was echte Grundlagenforschung angeht, wage ich das zu bezweifeln. Deswegen: wenn man später nicht nur ohne Plan was dahinter steckt KI betreiben will, sollte man sich meiner Meinung nach zuerst mit den Grundlagen (Mathematik/Informatik ) beschäftigen. Und die bekommt man am Besten an einer Universität. Sicherlich kann man KI in konkreten Firmen auch ohne großen Plan betreiben, da sehr viele Tools fertig implementierte Algorithmen anbieten und man muss am Ende vereinfacht gesprochen nur Puzzleteile zusammenführen. Sicher, man muss nicht dauernd das Rad neu erfinden. Aber man sollte mMn schon wissen was man tut.

Ich vermute, dass du mich falsch verstanden hast. Es ging in meiner Aussage nicht darum, dass das spezifische Wissen nicht an der Uni vorhanden ist. Da gebe ich dir nämlich völlig recht. Allerdings bezweifel ich, dass du mit Hilfe des Master bzw. den Inhalten des Masters auch nur in die Nähe des aktuellen Forschungsstandes kommst. So wie ich es an meiner Uni erlebt habe, kommt man erst im Rahmen eine Promotion beim aktuellen Stand an.

antworten

WiWi Gast schrieb am 26.01.2019:

WiWi Gast schrieb am 26.01.2019:

Das mag vielleicht für irgendwelche konkreten Anwendungen so sein. Meistens ist es so, dass die Ergebnisse der universitäre Forschung viel weiter und tiefer gehen, als das was tatsächlich in Betrieben umgesetzt wird. Konkretes Beispiel: die theoretischen Ergebnisse für viele Bereiche der Künstlichen Intelligenz (z.B. Machine Learning) sind schon lange in der universitären Forschung bekannt gewesen. Nur konnten diese mangels Rechenleistung nicht umgesetzt werden. Jetzt da die Rechenleistung gestiegen ist, wurden die uralten Algorithmen für Anwendungen implementiert. Anderes Beispiel: die statistische Auswertung im Big Data Umfeld nutzt Methoden und Erkenntnise aus der Mathematik, die dort schon sehr lange bekannt gut erforscht sind. In konkreten Anwendungen sind die Tech Firmen natürlich wegen dem vielen Geld den Unis meilenweit voraus. Was echte Grundlagenforschung angeht, wage ich das zu bezweifeln. Deswegen: wenn man später nicht nur ohne Plan was dahinter steckt KI betreiben will, sollte man sich meiner Meinung nach zuerst mit den Grundlagen (Mathematik/Informatik ) beschäftigen. Und die bekommt man am Besten an einer Universität. Sicherlich kann man KI in konkreten Firmen auch ohne großen Plan betreiben, da sehr viele Tools fertig implementierte Algorithmen anbieten und man muss am Ende vereinfacht gesprochen nur Puzzleteile zusammenführen. Sicher, man muss nicht dauernd das Rad neu erfinden. Aber man sollte mMn schon wissen was man tut.

Ich vermute, dass du mich falsch verstanden hast. Es ging in meiner Aussage nicht darum, dass das spezifische Wissen nicht an der Uni vorhanden ist. Da gebe ich dir nämlich völlig recht. Allerdings bezweifel ich, dass du mit Hilfe des Master bzw. den Inhalten des Masters auch nur in die Nähe des aktuellen Forschungsstandes kommst. So wie ich es an meiner Uni erlebt habe, kommt man erst im Rahmen eine Promotion beim aktuellen Stand an.

Sorry aber das ist nicht korrekt. Eine Promotion ist kein Masterstudium+. Während das Masterstudium darauf ausgelegt ist, Wissen zu erwerben, geht es in der Promotion darum, wissen zu schaffen. Man spezialisiert sich auf einen extrem kleinen Bereich und versucht hier neue Erkenntnisse zu gewinnen. In diesem sehr speziellen Bereich ist man absoluter Experte. Von allem, was außerhalb des konkreten Forschungsschwerpunktes liegt, bekommt man im Regelfall nicht viel mit, es sei denn, man bildet sich hier selbstständig weiter. Das kann man aber auch ohne PhD Studium.

antworten