Wenn Teams Data- und AI Use Cases über Pilotprojekte hinaus bringen wollen, zeigt sich in der Realität oft eine Lücke: Das Know-how ist da, aber es passt nicht zur Umgebung. Sie können teure Kurse buchen, in denen Ihr Team Python lernt. Die Trainings sind hochwertig, Sie zahlen dafür, und am Ende können Ihre Mitarbeiter kleine Python-Skripte schreiben.
Was sie aber nicht können: das Ganze in Ihrer Umgebung sicher anwenden. Wo liegen die Daten im Unternehmen? Wie fließen sie durch die internen Systeme? Und was lässt das Governance Framework überhaupt zu?
Die Kernfrage ist deshalb nicht „Können Ihre Mitarbeiter Python lernen?“, sondern: „Können sie Python in Ihrem Unternehmen sinnvoll einsetzen?“
Dr. Boris Adryan, Director der Merck Data & AI Academy, zeigt seit drei Jahren, wie kontextorientiertes Upskilling in der Praxis funktioniert. Bei Merck ist das ein zehnwöchiges internes Programm. Es wird komplett von Mercks eigenen Coaches unterrichtet und macht Fachkräfte verschiedener Abteilungen zu Citizen Data Scientists.
Was ist ein Citizen Data Scientist?
Eine Person aus dem Fachbereich, die Datenfragen formulieren, Analysen durchführen und einfache Modelle selbst bauen kann, ohne die eigene Rolle zu verlassen. Bei Merck unterscheidet das „Citizen“-Präfix Programmabsolventen von formal ausgebildeten Data Scientists.
Auch die BARC-Daten zeigen: Das Thema steht in vielen Unternehmen weit oben auf der Agenda. Der BARC Trend Monitor 2026 basiert auf Antworten von fast 1.600 Fachleuten. Dort zählt „eine datengesteuerte Kultur etablieren“ zum fünften Mal in Folge zu den Top-Prioritäten. Und das noch vor Hype-Themen wie generativer AI und Agentic AI. Best-in-Class-Unternehmen bewerten die Relevanz mit 8,4 von 10 Punkten, Laggards mit 7,1.
In zehn Wochen vom Einstieg bis zum implementierten Use Case
Adryans Ziel ist ambitioniert: Mindestens 20% von Mercks Belegschaft (ca. 63.000 Mitarbeiter) sollen sicher mit Daten arbeiten können. Nicht als Data Scientists, sondern als Professionals, die datenbasierte Entscheidungen treffen können.
Damit das klappt, hat Merck ein modulares Curriculum in drei Stufen aufgebaut:
- Grundlagen (Woche 1). Der Einstiegskurs ist offen für alle. Dabei geht es in erster Linie um Ideation und Mindset: Hast du überhaupt Daten? Sind sie sauber? Was ist die Datenstrategie – und wie fügt sie sich in die Firmenstrategie ein? Aus diesen Fragen heraus entwickeln die Teilnehmer einen Use Case, der sich über das gesamte Programm zieht.
- Analyst Track (Woche 2 bis 4): Die nächste Stufe ist für alle geeigneten Kandidaten, die Interesse daran haben, tiefer einzusteigen. Zwei Wochen lang geht es darum, Python und SQL zu lesen und zu verstehen. Danach folgt ein einwöchiger Hackathon. Dort setzen Teilnehmer ihren Use Case mit einem dedizierten Mentor aus einer Data-Funktion um.
- Citizen Data Scientist Track (Woche 5 bis 10): Der finale Schritt zum Citizen Data Scientist umfasst Inferenzstatistik und Machine Learning plus eine hands-on Projektphase. Am Ende steht der implementierte Use Case.
Jedes Jahr bringt Merck etwa 300 Mitarbeiter durch die erste Stufe des Programms. Etwa 10% gehen in den Analyst Track und rund 20 Mitarbeiter pro Jahr schließen den kompletten Citizen-Data-Scientist-Track ab.
Warum internes Upskilling mehr Menschen erreicht
Die eigenen Leute schulen das Team. Die Mentoren kommen aus denselben Bereichen wie die Teilnehmer. Adryan nennt das „weniger Reibungsverlust durch Sprache“: Ein R&D Data Scientist coacht Kollegen aus R&D, ein Commercial-Analyst Kollegen aus dem Controlling.
„Man könnte dasselbe Wissen auch in 20 Wochen E-Learning vermitteln. Aber diesen Kurs würde niemand machen.“ — Boris Adryan
Training an internationalen Standorten. Teile des Programms finden in Städten wie São Paulo oder Bangalore statt. Das ist aufwendig, aber es macht jede Kohorte zu einem Ereignis. Und genau darüber wird im Unternehmen gesprochen.
Der Hype ist Absicht. Begrenzte Plätze, hohe Nachfrage, eine gute Story. Das klingt banal, ist in großen Organisationen aber ein echter Hebel: Menschen wollen rein, statt „zu müssen“.
Wenn der CFO nach dem Wertbeitrag fragt
Adryan war da sehr ehrlich: Viele Projekte bringen erst einmal nur „Taschengeld“. Aber etwa 20% der Use Cases liefern einen Wert von über 100.000 € oder mehr – umgesetzt von Menschen, die vorher vor allem mit Excel gearbeitet haben.
Auch die Rechnung bei externen Neueinstellungen ist eindeutig: Merck schätzt, dass allein die Rekrutierung eines externen Data Scientists rund 100.000 € Prozesskosten verursacht. Das Programm schafft hier eine Alternative, weil es intern qualifiziert: Rund ein Viertel der Absolventen wechselt später in Rollen mit Datenfokus.
Drei Learnings für Ihre Data-Culture-Strategie
Das ist bei mir nach der Session hängen geblieben:
- E-Learning kann ergänzen. Es ersetzt aber nicht Menschen, die die Daten, die Tools und das Governance-Framework in Ihrem Unternehmen kennen. Wenn Sie wollen, dass mehr Menschen mit Daten arbeiten, lassen Sie die schulen, die es heute schon tun.
- Sie brauchen nicht 1.000 Citizen Data Scientists. Sie brauchen viele Leute, die ein Gespür dafür haben, was Daten leisten können.
- Adryan ist nicht mit dem Anspruch gestartet, dass sich das Programm sofort rechnet. Aber weil er die Ergebnisse aus den Projekten konsequent dokumentiert hat, hat er sich eine belastbare Grundlage aufgebaut und damit die Rückendeckung des Managements gesichert.
Von Insights zu Action: Ihr nächster logischer Schritt
Über so ein Programm zu lesen ist das eine. Herauszufinden, was davon bei Ihnen konkret funktioniert, ist das andere. Genau dafür ist der Data Culture Summit 2026 da.
Am 23. April in Ingelheim am Rhein kommen Data Leaders aus unterschiedlichen Branchen zusammen und teilen ihre Erfahrungen aus der Praxis. Das diesjährige Programm greift die Fragen auf, die an Adryan’s Vortrag anknüpfen: Wie entsteht Data Impact? Wie verankern Sie Data Culture auf Leadership-Ebene? Und wie werden Sie im eigenen Unternehmen zum Changemaker?
