Letztes Jahr schrieb ich darüber, wie KI Aufgaben mit geringem Wert eliminiert und Arbeiten mit hohem Wert für Datenwissenschaftler beschleunigt. Ein Jahr später, mit KI, die von GPT 4.5 auf GPT 6 fortschreitet, ist die wirkliche Veränderung größer: KI formt Eigentum, Urteilsvermögen und Karrierewege neu.

In den letzten sechs Monaten habe ich kaum SQL oder Python manuell geschrieben. KI schreibt den meisten Analysecode; meine Rolle wechselte vom Codierer zum Prüfer. Wiederholte Arbeitsabläufe werden in Agent Skills verpackt, wie die Durchführung von Ursachenanalysen für Metrikbewegungen oder das Schreiben von Experimentberichten.

Stakeholder ziehen jetzt selbst mehr Daten mit KI-Tools wie Claude Code. Aber Vertrauensprobleme entstehen: Entweder verlieren sie nach KI-Fehlern das Vertrauen oder vertrauen blind vibe-coded Ausgaben. Semantische Ebenen werden entscheidend, definieren Metriken wie "Retentionsrate", damit Agenten Definitionen nicht manuell zusammensetzen müssen.

Der Engpass verlagerte sich von "Kann jemand die Daten bekommen?" zu "Können wir dem vertrauen, was sie bekommen haben?" KI erweiterte die Definition der Arbeit von Datenwissenschaftlern über reine Produktivitätsgewinne hinaus.