Was du vor einem KI-Praktikum können solltest - und was nicht

"Was muss ich können, um ein KI-Praktikum zu bekommen?" ist die häufigste Frage - und die Antworten im Netz sind meist Listen, die so lang sind, dass sie entmutigen. Tatsächlich ist die Menge dessen, was erwartet wird, überschaubar. Entscheidend ist, welche Dinge darauf stehen.

Die kurze Antwort

Vor einem KI-Praktikum solltest du sicher sein in:

• Python, so weit, dass du eigenständig ein kleines Programm schreibst
• pandas, so weit, dass du Daten laden, filtern, gruppieren und zusammenführen kannst
• SQL, so weit, dass du eine Abfrage über zwei Tabellen mit Gruppierung schreibst
• Statistik, so weit, dass du Mittelwert, Streuung, Korrelation und die Grundidee von Signifikanz erklären kannst
• Git, so weit, dass du Änderungen einchecken, einen Branch anlegen und einen Konflikt auflösen kannst

Das ist die ganze Liste. Alles andere ist entweder Bonus oder wird im Projekt gelernt.

Warum SQL wichtiger ist, als du denkst

In fast jeder Rückmeldung aus Fachbereichen taucht derselbe Satz auf: Die Praktikanten können Modelle trainieren, aber keine ordentliche Abfrage schreiben.

Das liegt daran, dass Kurse zum Maschinellen Lernen mit fertigen CSV-Dateien arbeiten. In Unternehmen liegen die Daten in Datenbanken, verteilt über mehrere Tabellen, mit uneinheitlichen Schlüsseln. Bevor du irgendetwas modellierst, musst du die Daten erst zusammenbekommen - und das geht über SQL.

Wenn du eine einzige Sache vor deinem Praktikum verbessern willst, nimm SQL. Der Aufwand ist überschaubar: Joins, Gruppierung, Fensterfunktionen im Überblick. Ein Wochenende bringt dich weiter als eine Woche mit einer neuen Modellarchitektur.

Python: Was "sicher" bedeutet

Sicher heißt nicht, dass du jede Bibliothek kennst. Es heißt, dass du ohne Vorlage ein Programm schreiben kannst, das eine Datei einliest, etwas damit tut und ein Ergebnis ausgibt - mit Funktionen, mit Fehlerbehandlung, ohne alles in eine Datei zu schreiben.

Ein guter Selbsttest: Kannst du dein letztes Notebook in ein Skript überführen, das per Kommandozeile mit Parametern aufgerufen wird? Wenn ja, reicht dein Python.

Was dazugehört und oft fehlt: virtuelle Umgebungen. Wer nicht erklären kann, warum man Abhängigkeiten je Projekt trennt, wird im ersten Praktikumsmonat darüber stolpern.

Statistik: Weniger, als befürchtet

Es geht nicht um Herleitungen. Es geht um vier Dinge:

Verteilungen lesen. Ein Histogramm ansehen und sagen können, ob etwas symmetrisch ist, ob es Ausreißer gibt, ob zwei Gruppen sich unterscheiden.

Streuung ernst nehmen. Ein Mittelwert ohne Streuung ist eine halbe Aussage. Zwei Modelle mit 82 und 84 Prozent unterscheiden sich womöglich gar nicht.

Korrelation ist nicht Ursache. Klingt abgedroschen und wird trotzdem ständig verwechselt, besonders wenn ein Ergebnis in die erwartete Richtung zeigt.

Signifikanz im Grundsatz. Was ein p-Wert aussagt und - wichtiger - was er nicht aussagt.

Wer diese vier Punkte im Gespräch an einem Beispiel erklären kann, ist gut aufgestellt.

Was du dir sparen kannst

Eine tiefe Kenntnis von Architekturen. Du musst nicht erklären können, wie Aufmerksamkeitsmechanismen im Detail rechnen. Für Praktika wird das nicht erwartet, und wer es behauptet, wird gefragt.

Fünf Frameworks parallel. Eines reicht. Wer PyTorch kann, lernt TensorFlow bei Bedarf in einer Woche. Zwei halb gelernte Frameworks sind schlechter als eines richtig.

Zertifikate sammeln. Ein Onlinekurs-Zertifikat ist kein Nachteil, aber es ersetzt kein Projekt. Bei gleicher Zeit ist ein selbst gebautes Projekt die deutlich bessere Investition.

Mathematik von Grund auf. Lineare Algebra und Analysis helfen beim Verständnis, sind aber keine Eintrittskarte. Wer sie im Studium hatte, gut. Wer nicht, sollte deshalb nicht mit der Bewerbung warten.

Was den Unterschied macht: Umgang mit unsauberen Daten

Die Fähigkeit, die im Praktikum am meisten zählt und in keinem Kurs vorkommt: mit Daten umzugehen, die nicht stimmen.

Fehlende Werte, doppelte Zeilen, zwei Systeme mit unterschiedlichen Zeitzonen, ein Feld, das seit März anders befüllt wird als davor. Damit verbringst du im Praktikum mehr Zeit als mit allem anderen.

Wer das üben will, braucht keinen Kurs, sondern einen unaufgeräumten öffentlichen Datensatz. Offene Verwaltungsdaten sind dafür ideal, weil sie genau die Eigenschaften haben, die echte Daten auch haben.

Git: Das unterschätzte Handwerkszeug

In fast jedem Team arbeitest du mit Versionsverwaltung. Wer nur git commit -am "update" kennt, fällt schnell auf.

Nötig ist: Branches anlegen und wechseln, sinnvolle Commit-Nachrichten schreiben, einen Merge-Konflikt auflösen, einen Pull Request stellen. Das ist an einem Nachmittag lernbar und erspart Peinlichkeiten in der ersten Woche.

Englisch

Nicht verhandelbar bei fachlicher Lektüre. Dokumentationen, Veröffentlichungen und Fehlermeldungen sind auf Englisch. Sprechen musst du es nicht überall - in internationalen Teams schon.

Wer unsicher ist: Lies eine Veröffentlichung, die dich interessiert, mit Wörterbuch durch. Nach drei Stück geht es deutlich leichter.

Eine realistische Selbsteinschätzung

Wenn du die folgenden Aufgaben ohne Anleitung lösen kannst, bist du bereit für ein Praktikum:

1. Eine CSV-Datei mit 100.000 Zeilen einlesen, drei Auffälligkeiten darin finden und beschreiben.
2. Eine SQL-Abfrage schreiben, die zwei Tabellen verbindet und je Monat einen Durchschnitt ausgibt.
3. Ein einfaches Modell trainieren, gegen eine Baseline vergleichen und begründen, welche Metrik du wählst.
4. Das Ganze in ein Repository legen, mit README und lauffähigem Code.

Schaffst du drei von vier, bewirb dich. Der Rest kommt im Praktikum - genau dafür ist es da.

Zum Schluss

Der häufigste Fehler ist, zu lange zu warten, bis man sich "bereit" fühlt. Ein Praktikum ist eine Lernstelle, keine Prüfung. Erwartet wird eine solide Grundlage und die Fähigkeit, sich in etwas Neues einzuarbeiten - nicht, dass du schon alles kannst.