Direkt zum Inhalt

High five' mit den enspis - Larisa Chizhova
Principal Data Scientist

 
1. Wie würdest du deinen bisherigen beruflichen Werdegang beschreiben? Was waren die wichtigsten Abschnitte in deinem Leben? Warum?

Ich habe 2016 angefangen, als Softwareentwickler bei VisoTech zu arbeiten. Nach Erhalt meines Doktortitels war ich auf der Suche nach Möglichkeiten an realen Problemstellungen in der Wirtschaft zu arbeiten. Durch Zufall bin ich in der Softwareentwicklung für Energieunternehmen gelandet und habe so Erfahrungen im Trading-Bereich gesammelt. Nebenbei konnte ich mich in Themen wie Finanztechnik, Risikomanagement und den automatisierten Strom- und Gashandel einarbeiten. Etwa ein Jahr später habe ich  begonnen, mich mit maschinellem Lernen und insbesondere Deep Learning in der Anwendung auf Preisprognosen zu beschäftigen.

 

2. Warum hast du dich für enspired entschieden? 

Die Idee hinter dem Unternehmen, den automatisierten Energiehandel auf ein völlig neues Level zu heben, war einer der Hauptgründe für meine Entscheidung. Es hat mich gereizt, den Handel für unsere Kunden zu übernehmen anstatt eine Handelssoftware für sie zu schreiben. Das gibt uns Entscheidungsfreiheit für die Umsetzung von Ideen und fördert notwendige Forschung in dem Bereich. Vier Monate nach dem Einstieg kann ich sagen, es hat sich ausgezahlt!

 

3. Wie wird der Einsatz von Künstlicher Intelligenz (KI) und maschinellem Lernen deiner Meinung nach den Energiemarkt verändern?

Ich glaube, der automatisierten Handel am Energiemarkt bietet noch einiges an Potenzial. Im Vergleich zu Finanzmärkten hinkt der Intraday-Energiemarkt noch hinterher, was die Anzahl der Auftragsausführungen, die Geschwindigkeit der Auftragsausführung, die Anzahl der Handelsteilnehmer und automatisierten Handelslösungen, sowie die Anzahl der automatisierten Handelsalgorithmen, die maschinelles Lernen nutzen, angeht. In der Finanzwelt existiert ein Wettbewerb zwischen Forschungsgruppen, Quants und Händlern um Modelle zu entwickeln, die Aktienkurse mit hoher Genauigkeit vorhersagen. Portfolio-Optimierung ist ein weiterer Forschungsbereich, der auf dem Fortschritt von maschinellen Lernen basiert. Ich erinnere mich noch, von einem Programm namens "Star" gelesen zu haben, das an der Finanzbörse operiert und seine Stock-Picking-Strategie selbständig erlernt, indem es ein Dutzend verschiedener Preistendenzen scannt (siehe Dark Pools von Scott Patterson).

Wir erleben im Energiemarkt gerade einen Übergang vom manuellen zum vollständig automatisierten elektronischen Handel- ähnlich wie es im Finanzsektor vor 10-20 Jahren passiert ist! Der Einsatz von maschinellem Lernen spielt bei diesem Übergang eine große Rolle. Die enorme Menge an Handelssignalen wie Handelsdaten, Wetterdaten und Lastdaten aufzufinden ist eine Aufgabe, die Maschinen bewältigen müssen. Menschen können aus diesen Daten nur wenig Schlüsse ziehen und übersehen leicht wichtige Trends. Wir sind anfällig für Emotionen, Panik, Ermüdung oder einfach nur Tippfehler. Maschinen sind davon befreit und können selbständig ohne äußerer Faktoren lernen.

 

4. Wo suchst du nach Arbeitsinspiration? / neueste Informationen zu deinem Fachgebiet? 

Ich suche sowohl online als auch offline nach Arbeitsinspiration, während ich mich mit meinen Kollegen unterhalte. Ich habe das Glück, von intelligenten Menschen umgeben zu sein, die auch mal schwierige Fragen stellen. Online ist die nächste wichtige Ressource. Ich lese gerne Blogs über Programmieren, da die dort angesprochenen Themen einen Eindruck über Fortschritte und Trends im Bereich der Informatik liefern. Durch meinen naturwissenschaftlichen Hintergrund war es naheliegend, dass ich mich für das Gebiet der Datenwissenschaft interessiere. Und so gibt es ein paar Jahre später eine Menge Informationen im Internet,