Wie man ein Data-Scientist-Interview simuliert

Interviewprozesse für Data Scientists unterscheiden sich von Unternehmen zu Unternehmen stärker als bei Analysten, und wer sich auf jede denkbare Kombination vorbereiten will, ist meist schon vor dem Onsite-Interview erschöpft. Dieser Abschnitt beschränkt sich auf die vier Runden, die die meisten Prozesse abdecken, damit deine Übungszeit der tatsächlichen Verteilung entspricht.

Die vier Runden sind: ein Gespräch zu Statistik und Machine Learning, eine Fallstudie zu einem Experiment oder zu Metriken, eine Programmier-Runde in SQL und oft auch Python sowie eine Tiefenbefragung zu einem Projekt, das du selbst verantwortet hast. Stellen mit starkem Fokus auf Produktanalyse gewichten die Fallstudien-Runde stärker; Stellen mit starkem ML-Fokus gewichten Modellierungsfragen stärker und bringen manchmal noch ein Gespräch zum Design von ML-Systemen mit. Lies die Stellenbeschreibung und gewichte dein Probeinterview entsprechend.

Übe die Runden anfangs einzeln und dann, in der Woche vor den Interviews, als einen zusammenhängenden Prozess; die Seite Probeinterview beschreibt, wie du zeitlich begrenzte Sessions mit einem KI-Interviewer durchführst, der Nachfragen stellt.

Hier scheitert man meist nicht an fehlendem Wissen, sondern daran, Bekanntes unter Beobachtung schlecht zu erklären. Übe den Standardfragenkatalog laut, jede Frage in zwei Tiefenstufen: zuerst ein Satz in einfacher Sprache, dem ein Product Manager folgen könnte, dann die technische Version mit explizit genannten Annahmen.

• Was ein p-Wert ist und was nicht, und was einem die Teststärke bringt.
• Bias gegen Varianz und wie Regularisierung zwischen beiden abwägt.
• Wann Precision wichtiger ist als Recall, mit einem konkreten Beispiel.
• Warum ein Modell mit guten Offline-Werten in der Produktion trotzdem versagen kann.
• Overfitting: Wie man es erkennt und was man ändert, wenn man es findet.

Diese Übung mit zwei Tiefenstufen ist wichtig, weil echte Interviewer dieselbe Frage oft auf beide Arten stellen, und ein geschmeidiger Wechsel zwischen den Ebenen ist es, was als Seniorität wahrgenommen wird.

In der Fallstudien-Runde bekommst du eine Produktänderung vorgelegt und sollst den Test dafür entwerfen. Übe ein festes Grundgerüst: Erfolgsmetrik und ihren Nenner festlegen, die Randomisierungseinheit wählen, die Guardrail-Metriken benennen, die Teststärke im Kopf behalten und die Stichprobengröße grob schätzen, und die Entscheidungsregel formulieren, bevor überhaupt Daten vorliegen. Nenne anschließend die klassischen Fallstricke: zu frühes Blicken auf die Daten, nicht zusammenpassende Randomisierungseinheiten, Neuheitseffekte und Interferenz zwischen den Varianten.

Ein konkretes Beispiel: Eine Data Scientistin, die sich auf eine Stelle bei einem Marktplatz vorbereitet, gibt sich 15 Minuten für die Frage, ob ein neuer Ranking-Algorithmus ausgerollt werden soll, geht das Grundgerüst laut durch und prüft am Ende nur eine Sache: ob ihre Randomisierungseinheit die Interaktion zwischen Käufern und Verkäufern übersteht. Genau diese eine Prüfung entscheidet über Erfolg oder Misserfolg bei Marktplatz-Fallstudien, und Übung macht sie zur Selbstverständlichkeit.

Weitere Fallstudien-Aufgaben und rollenspezifische Fragensammlungen findest du im Fragenbank-Hub.

Ein Probeinterview ohne schriftliches Feedback verblasst innerhalb eines Tages. Beende jede Session mit drei Zeilen: was gut ankam, was ins Stocken geriet, und die eine Frage, die du beim nächsten Mal noch einmal versuchen willst. Beginne die nächste Session mit genau dieser Frage. Über fünf oder sechs Sessions hinweg läuft das auf deine tatsächlichen Schwachstellen zu – genau das ist der Sinn von Übung statt bloßem Lesen.

Übe für die Projekt-Tiefenbefragung ein Projekt in drei Tiefenstufen: eine 2-minütige Zusammenfassung, einen 10-minütigen Durchgang und eine 30-minütige Befragung, bei der jede Entscheidung hinterfragt wird. Interviewer bohren so lange nach, bis sie die Grenze deiner tatsächlichen Verantwortung finden; wenn du diese Grenze schon vorher kennst, bleibst du in der Runde gelassen. Wie vollständige Sessions und generiertes Feedback aussehen, zeigt der Probeinterview-Hub.