{"id":9978,"date":"2026-06-01T09:46:17","date_gmt":"2026-06-01T07:46:17","guid":{"rendered":"https:\/\/paiqo.com\/?page_id=9978"},"modified":"2026-06-02T08:35:56","modified_gmt":"2026-06-02T06:35:56","slug":"data-science-and-gen-ai","status":"publish","type":"page","link":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/","title":{"rendered":"Data Science im Zeitalter von GenAI"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t\t\t

\n\t\n\t\t\tData Science im Zeitalter von GenAI\n\t\t<\/h1>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Interview mit Dr. Timo Klerx<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t

\n\t\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t

\n\t\t\t\t\"GenAI macht KI greifbarer.
Aber echte Data Science beginnt dort,
wo aus Daten bessere Entscheidungen werden.\"\t\t\t<\/p>\n\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\t\t\t\t\tTimo Klerx, Co-Founder & Chief Data Scientist<\/cite>\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

F\u00fcnf Fragen aus der Praxis an Timo Klerx<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Kaum ein Thema wird derzeit so intensiv diskutiert wie K\u00fcnstliche Intelligenz. Mit dem Aufstieg von GenAI ist das Interesse an Data Science, Machine Learning und datengetriebenen Anwendungen noch einmal deutlich gestiegen. Gleichzeitig entstehen neue Erwartungen, neue Missverst\u00e4ndnisse und viele praktische Fragen aus dem Unternehmensalltag. <\/p>

Wir haben mit Dr. Timo Klerx, Co-Founder und Chief Data Scientist, gesprochen, der sich seit Jahren mit Data Science Projekten in der Praxis besch\u00e4ftigt. Im Interview erkl\u00e4rt er, was Data Science heute wirklich bedeutet, warum GenAI vieles ver\u00e4ndert, aber nicht alles ersetzt, und woran KI-Projekte in Unternehmen h\u00e4ufig scheitern. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Was versteht man heute eigentlich unter Data Science?<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Data Science<\/a> bedeutet, aus Daten nutzbares Wissen zu gewinnen und bessere Entscheidungen abzuleiten. Dazu geh\u00f6ren das Sammeln, Bereinigen, Analysieren und Modellieren von Daten mit verschiedensten Methoden – von einfachen Regelsystemen \u00fcber Machine Learning bis zu GenAI – sowie das Integrieren der Ergebnisse in reale Systeme & Prozesse. <\/p>

Ein Beispiel: Ein Retailer nutzt Data Science mit unserer Forecasting Platform prognotix<\/a>, um die Nachfrage pr\u00e4ziser vorherzusagen. Dadurch k\u00f6nnen Lagerbest\u00e4nde besser geplant, \u00dcberbest\u00e4nde reduziert und Out-of-Stock-Situationen vermieden werden. Der Mehrwert entsteht also nicht nur durch eine genauere Prognose, sondern vor allem durch bessere operative Entscheidungen. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Wird Data Science durch GenAI ersetzt oder neu definiert?<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Weder noch. GenAI macht eher sichtbarer, was Data Science eigentlich schon immer war. <\/p>

Es gab lange das Missverst\u00e4ndnis, dass Data Science haupts\u00e4chlich daraus besteht, Modelle zu bauen. Gemeint ist damit oft der technische Teil: also Algorithmen ausw\u00e4hlen, Machine-Learning-Modelle trainieren, testen und optimieren. In der Praxis ist das aber nur ein Teil der Arbeit. <\/p>

Der gr\u00f6ssere Teil ist Datenverst\u00e4ndnis: Welche Daten liegen vor? Sind sie vollst\u00e4ndig? Welche Muster sind relevant? Welche Fragestellung soll \u00fcberhaupt beantwortet werden? Dazu kommen Dom\u00e4nenwissen, kritisches Denken und die F\u00e4higkeit, Ergebnisse richtig einzuordnen. <\/p>

Was sich durch GenAI wirklich ver\u00e4ndert: KI wird anfassbarer. Viele Menschen in Unternehmen haben zum ersten Mal selbst erlebt, was KI leisten kann, zum Beispiel durch ChatGPT, generierte Texte oder Unterst\u00fctzung beim Programmieren. Dadurch ist die Ber\u00fchrungsangst deutlich geringer geworden. Gleichzeitig steigt aber auch die Erwartungshaltung enorm. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Kunden fragen oft: “Wenn KI so toll Texte schreiben und sogar komplexe Programme coden kann \u2014 warum kann die dann nicht auch Predictive Maintenance machen?”<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die Frage ist absolut nachvollziehbar. KI kann Predictive Maintenance<\/a> unterst\u00fctzen und in vielen F\u00e4llen auch erm\u00f6glichen. Aber sie funktioniert dort anders als bei Texten oder Code. <\/p>

Ein Large Language Model arbeitet vor allem mit Sprache, also mit Mustern, die in riesigen Mengen von z.B. Text und Audio verf\u00fcgbar sind. Predictive Maintenance basiert dagegen auf sehr spezifischen (meist tabellarischen) Maschinen-, Sensor- und Prozessdaten. Jede Anlage hat eigene Betriebsbedingungen, eigene Datenstrukturen und eigene Muster, wenn es um Verschleiss oder Ausf\u00e4lle geht. <\/p>

Daf\u00fcr braucht man saubere historische Daten, wie Sensordaten, Dom\u00e4nenwissen und ein Verst\u00e4ndnis f\u00fcr Ausfallmuster. Nichts davon l\u00f6st sich durch einen cleveren Prompt. GenAI kann dabei unterst\u00fctzen, zum Beispiel bei der Auswertung von Dokumentationen, bei der Code-Erstellung oder bei der Erkl\u00e4rung von Modellergebnissen. Aber die eigentliche Arbeit bleibt Data Science: Daten verstehen, Signale erkennen, Modelle entwickeln, validieren und in reale Wartungsprozesse integrieren. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Warum schaffen es viele KI-Projekte nicht in die Produktion?<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Oft scheitert es schon vor dem ersten Modell. Viele Unternehmen kommen mit einer konkreten KI-Idee, aber das eigentliche Business-Problem ist noch nicht sauber definiert. Manchmal wird nach A gefragt, obwohl B dahintersteht und im ersten Schritt vielleicht sogar C den gr\u00f6sseren Mehrwert bringen w\u00fcrde. Genau hier beginnt gute Data Science: nicht mit dem Modell, sondern mit der richtigen Fragestellung. Welche Entscheidung soll verbessert werden? Welche Daten stehen daf\u00fcr zur Verf\u00fcgung? Welche Qualit\u00e4t haben diese Daten? Und wie wird der Erfolg sp\u00e4ter gemessen? <\/p>

Der zweite typische Fehler: Das Projekt bleibt zu lange ein Data-Science-Experiment. Das Modell funktioniert im Notebook auf einem einmaligen Datenexport, aber es ist nicht gekl\u00e4rt, wie es regelm\u00e4ssig mit neuen Daten versorgt wird, wer die Ergebnisse nutzt und an welcher Stelle sie in einen echten Gesch\u00e4ftsprozess einfliessen. Genau daran scheitert oft der Schritt in die Produktion. Ein Modell allein ist noch keine L\u00f6sung. Es braucht stabile Datenpipelines, Schnittstellen zu bestehenden Systemen, Monitoring, klare Verantwortlichkeiten und Menschen, die mit den Ergebnissen arbeiten k\u00f6nnen. Wenn diese Dinge nicht von Anfang an mitgedacht werden, bleibt aus einem guten Prototyp am Ende nur eine Demo. <\/p>

Und dann gibt es noch einen Punkt, der oft untersch\u00e4tzt wird: die IT. Wenn die IT-Abteilung erst am Ende dazugeholt wird, hat sie das Projekt weder mitgestaltet noch Vertrauen darin aufgebaut. Gleichzeitig braucht es Management-Commitment, damit aus einem Prototyp auch eine priorisierte, produktive L\u00f6sung werden kann. Data Science muss deshalb fr\u00fch mit relevanten Fachbereichen, der IT und dem Management zusammen gedacht werden, damit fachlicher Bedarf, technische Umsetzbarkeit und strategische Verantwortung von Anfang an zusammenkommen. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Was r\u00e4tst du Unternehmen, die mit KI starten wollen?<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Nicht zu lange planen, sondern anfangen, aber mit einem klaren Problem. Wir Deutschen neigen zum Over-Engineering: die perfekte Architektur, die perfekte Datenbasis, der perfekte Use Case. Aber in der Realit\u00e4t lernt man am meisten, wenn man mit einem konkreten, \u00fcberschaubaren Use Case startet und daraus Schritt f\u00fcr Schritt eine belastbare L\u00f6sung entwickelt. <\/p>

Wichtig ist: Nicht gleich mit dem gr\u00f6ssten und komplexesten Case beginnen. Der verspricht zwar oft den h\u00f6chsten Mehrwert, bringt aber auch die meisten Unsicherheiten mit sich, fachlich, technisch und organisatorisch. Besser ist ein Use Case, der sich rechnet, aber schnell validierbar ist. <\/p>

Aus Data-Science-Sicht heisst das: klein starten, Datenqualit\u00e4t pr\u00fcfen, ein erstes Modell bauen, Ergebnisse mit den Fachbereichen validieren und fr\u00fch \u00fcberlegen, wie die L\u00f6sung sp\u00e4ter produktiv genutzt wird. So entsteht nicht nur ein Proof of Concept, sondern Vertrauen in Daten, Modelle und Prozesse. Denn der erste Case muss sitzen. Wenn er scheitert, heisst es schnell: \u201eWar doch klar, dass das mit KI nicht funktioniert.\u201c Wenn er gelingt, schafft er die Basis f\u00fcr gr\u00f6ssere und komplexere Projekte. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Fazit<\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

GenAI hat die Sicht auf KI ver\u00e4ndert. Vieles ist greifbarer geworden, vieles zug\u00e4nglicher. Gleichzeitig zeigt sich gerade jetzt, wie wichtig saubere Data Science Arbeit bleibt. <\/p>

Denn zwischen einer beeindruckenden Demo und einer produktiven, belastbaren L\u00f6sung liegen meist genau die Schritte, die in der \u00f6ffentlichen Diskussion oft \u00fcbersehen werden: Datenverst\u00e4ndnis, Dom\u00e4nenwissen, Integration in Prozesse und die richtige Priorisierung.<\/p>

Wer mit KI echten Mehrwert schaffen will, braucht deshalb nicht nur technologische M\u00f6glichkeiten, sondern vor allem einen klaren Blick auf das konkrete Problem. Genau dort beginnt gute Data Science. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Data Science im Zeitalter von GenAI Interview mit Dr. Timo Klerx “GenAI macht KI greifbarer. Aber echte Data Science beginnt dort, wo aus Daten bessere Entscheidungen werden.” Timo Klerx, Co-Founder & Chief Data Scientist F\u00fcnf Fragen aus der Praxis an Timo Klerx Kaum ein Thema wird derzeit so intensiv diskutiert wie K\u00fcnstliche Intelligenz. Mit dem […]<\/p>\n","protected":false},"author":14,"featured_media":10000,"parent":9944,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":"","_wp_rev_ctl_limit":""},"categories":[],"class_list":["post-9978","page","type-page","status-publish","has-post-thumbnail","hentry"],"yoast_head":"\nData Science im Zeitalter von GenAI<\/title>\n<meta name=\"description\" content=\"Was bedeutet Data Science im Zeitalter von GenAI? Timo Klerx, Mitgr\u00fcnder und Chief Data Scientist bei paiqo, erkl\u00e4rt, warum produktive KI mehr braucht als gute Prompts: saubere Daten, Dom\u00e4nenwissen und Integration in echte Prozesse.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data Science im Zeitalter von GenAI\" \/>\n<meta property=\"og:description\" content=\"Was bedeutet Data Science im Zeitalter von GenAI? Timo Klerx, Mitgr\u00fcnder und Chief Data Scientist bei paiqo, erkl\u00e4rt, warum produktive KI mehr braucht als gute Prompts: saubere Daten, Dom\u00e4nenwissen und Integration in echte Prozesse.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/\" \/>\n<meta property=\"og:site_name\" content=\"paiqo\" \/>\n<meta property=\"article:modified_time\" content=\"2026-06-02T06:35:56+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/paiqo.com\/wp-content\/uploads\/2026\/05\/Blog_GenAI_Datascience_TK-1024x512.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data1\" content=\"7 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/\",\"url\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/\",\"name\":\"Data Science im Zeitalter von GenAI\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/paiqo.com\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Blog_GenAI_Datascience_TK-scaled.png\",\"datePublished\":\"2026-06-01T07:46:17+00:00\",\"dateModified\":\"2026-06-02T06:35:56+00:00\",\"description\":\"Was bedeutet Data Science im Zeitalter von GenAI? Timo Klerx, Mitgr\u00fcnder und Chief Data Scientist bei paiqo, erkl\u00e4rt, warum produktive KI mehr braucht als gute Prompts: saubere Daten, Dom\u00e4nenwissen und Integration in echte Prozesse.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/#breadcrumb\"},\"inLanguage\":\"ch-CH\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"ch-CH\",\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/#primaryimage\",\"url\":\"https:\\\/\\\/paiqo.com\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Blog_GenAI_Datascience_TK-scaled.png\",\"contentUrl\":\"https:\\\/\\\/paiqo.com\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Blog_GenAI_Datascience_TK-scaled.png\",\"width\":2560,\"height\":1280},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/data-science-and-gen-ai\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/home\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Blog\",\"item\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/blog\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Data Science im Zeitalter von GenAI\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/#website\",\"url\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/\",\"name\":\"paiqo\",\"description\":\"The Platform & AI Company\",\"publisher\":{\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"ch-CH\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/#organization\",\"name\":\"paiqo - The Platform & AI Company\",\"url\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"ch-CH\",\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/paiqo.com\\\/wp-content\\\/uploads\\\/2023\\\/06\\\/paiqo-logo-beitragsbild.jpg\",\"contentUrl\":\"https:\\\/\\\/paiqo.com\\\/wp-content\\\/uploads\\\/2023\\\/06\\\/paiqo-logo-beitragsbild.jpg\",\"width\":1200,\"height\":1200,\"caption\":\"paiqo - The Platform & AI Company\"},\"image\":{\"@id\":\"https:\\\/\\\/paiqo.com\\\/ch\\\/#\\\/schema\\\/logo\\\/image\\\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Data Science im Zeitalter von GenAI","description":"Was bedeutet Data Science im Zeitalter von GenAI? Timo Klerx, Mitgr\u00fcnder und Chief Data Scientist bei paiqo, erkl\u00e4rt, warum produktive KI mehr braucht als gute Prompts: saubere Daten, Dom\u00e4nenwissen und Integration in echte Prozesse.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/","og_locale":"en_US","og_type":"article","og_title":"Data Science im Zeitalter von GenAI","og_description":"Was bedeutet Data Science im Zeitalter von GenAI? Timo Klerx, Mitgr\u00fcnder und Chief Data Scientist bei paiqo, erkl\u00e4rt, warum produktive KI mehr braucht als gute Prompts: saubere Daten, Dom\u00e4nenwissen und Integration in echte Prozesse.","og_url":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/","og_site_name":"paiqo","article_modified_time":"2026-06-02T06:35:56+00:00","og_image":[{"width":1024,"height":512,"url":"https:\/\/paiqo.com\/wp-content\/uploads\/2026\/05\/Blog_GenAI_Datascience_TK-1024x512.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Est. reading time":"7 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/","url":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/","name":"Data Science im Zeitalter von GenAI","isPartOf":{"@id":"https:\/\/paiqo.com\/ch\/#website"},"primaryImageOfPage":{"@id":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/#primaryimage"},"image":{"@id":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/#primaryimage"},"thumbnailUrl":"https:\/\/paiqo.com\/wp-content\/uploads\/2026\/05\/Blog_GenAI_Datascience_TK-scaled.png","datePublished":"2026-06-01T07:46:17+00:00","dateModified":"2026-06-02T06:35:56+00:00","description":"Was bedeutet Data Science im Zeitalter von GenAI? Timo Klerx, Mitgr\u00fcnder und Chief Data Scientist bei paiqo, erkl\u00e4rt, warum produktive KI mehr braucht als gute Prompts: saubere Daten, Dom\u00e4nenwissen und Integration in echte Prozesse.","breadcrumb":{"@id":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/#breadcrumb"},"inLanguage":"ch-CH","potentialAction":[{"@type":"ReadAction","target":["https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/"]}]},{"@type":"ImageObject","inLanguage":"ch-CH","@id":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/#primaryimage","url":"https:\/\/paiqo.com\/wp-content\/uploads\/2026\/05\/Blog_GenAI_Datascience_TK-scaled.png","contentUrl":"https:\/\/paiqo.com\/wp-content\/uploads\/2026\/05\/Blog_GenAI_Datascience_TK-scaled.png","width":2560,"height":1280},{"@type":"BreadcrumbList","@id":"https:\/\/paiqo.com\/ch\/blog\/data-science-and-gen-ai\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/paiqo.com\/ch\/home\/"},{"@type":"ListItem","position":2,"name":"Blog","item":"https:\/\/paiqo.com\/ch\/blog\/"},{"@type":"ListItem","position":3,"name":"Data Science im Zeitalter von GenAI"}]},{"@type":"WebSite","@id":"https:\/\/paiqo.com\/ch\/#website","url":"https:\/\/paiqo.com\/ch\/","name":"paiqo","description":"The Platform & AI Company","publisher":{"@id":"https:\/\/paiqo.com\/ch\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/paiqo.com\/ch\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"ch-CH"},{"@type":"Organization","@id":"https:\/\/paiqo.com\/ch\/#organization","name":"paiqo - The Platform & AI Company","url":"https:\/\/paiqo.com\/ch\/","logo":{"@type":"ImageObject","inLanguage":"ch-CH","@id":"https:\/\/paiqo.com\/ch\/#\/schema\/logo\/image\/","url":"https:\/\/paiqo.com\/wp-content\/uploads\/2023\/06\/paiqo-logo-beitragsbild.jpg","contentUrl":"https:\/\/paiqo.com\/wp-content\/uploads\/2023\/06\/paiqo-logo-beitragsbild.jpg","width":1200,"height":1200,"caption":"paiqo - The Platform & AI Company"},"image":{"@id":"https:\/\/paiqo.com\/ch\/#\/schema\/logo\/image\/"}}]}},"_links":{"self":[{"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/pages\/9978","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/users\/14"}],"replies":[{"embeddable":true,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/comments?post=9978"}],"version-history":[{"count":9,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/pages\/9978\/revisions"}],"predecessor-version":[{"id":10213,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/pages\/9978\/revisions\/10213"}],"up":[{"embeddable":true,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/pages\/9944"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/media\/10000"}],"wp:attachment":[{"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/media?parent=9978"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/paiqo.com\/ch\/wp-json\/wp\/v2\/categories?post=9978"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}