„Meine Liebe zur Mathematik, zum Problemlösen und zu Sprachen hat mich zur natürlichen Sprachverarbeitung geführt.“
In unserer Interviewreihe „PAIR Faces“ stellen wir Kolleg*innen Fragen zu ihrer Rolle bei PAIR Finance und lernen sie persönlich kennen. Dieses Mal haben wir mit Anna Anisimova, Data Scientist bei PAIR Finance, gesprochen.
Zunächst einmal würden wir gerne etwas über dich und deinen Hintergrund erfahren. Woher kommst du?
Ich komme aus einer kleinen Stadt in Russland, umgeben von Wäldern und Seen, 200 Kilometer von St. Petersburg entfernt. Seit meiner Kindheit liebe ich Mathematik, insbesondere das Lösen von interessanten und ungewöhnlichen Problemen. Außerdem habe ich sehr gerne Fremdsprachen gelernt. All das führte mich in den Bereich der natürlichen Sprachverarbeitung (Natural Language Processing, kurz „NLP”). Vor zweieinhalb Jahren bin ich nach Berlin gezogen, und seit fast zwei Jahren arbeite ich bei PAIR Finance.
Was sind deine Aufgaben als Data Scientist bei PAIR Finance und was gefällt dir am meisten an deinem Job?
Eine der wichtigsten Aufgaben, an denen ich arbeite, ist die Entwicklung eines automatisierten Systems zur Beantwortung der häufigsten deutschen Verbraucheranfragen in unserem modernen Inkassoprozess. Was mir an meinem Job gefällt, ist, dass meine Aufgaben sehr abwechslungsreich sind: Ich schreibe Production Code, führe Recherchen durch, liefere Analysen für verschiedene Abteilungen und lerne dabei ständig neue Dinge über das Geschäft, die Verhaltenswissenschaften und die Technologie. Auch die Zusammenarbeit mit meinen Kolleg*innen macht mir viel Spaß.
Du arbeitest unter anderem mit Deep Learning. Kannst du kurz erklären, was das ist und wie es von PAIR Finance im Forderungsmanagement eingesetzt wird?
Deep Learning ist ein Zweig der Künstlichen Intelligenz (KI), der sich an der Struktur des menschlichen Gehirns orientiert. Im Deep Learning nutzt man künstliche neuronale Netze, um aus großen Mengen von Rohdaten zu lernen, anstatt sich auf explizit bereitgestellte Merkmale zu verlassen. Dadurch können Deep-Learning-Modelle komplexe Muster und Abstraktionen erkennen.
In unserem Unternehmen wird Deep Learning für verschiedene Aufgaben der Verarbeitung natürlicher Sprache eingesetzt, z. B. zur Erkennung der Sprache, die Verbraucher*innen verwenden, um E-Mails an uns zu schreiben, oder zur Extraktion von Schlüsselinformationen aus einem Text (Namen, Standorte, Unternehmen).
Was sollte jemand, der mit KI arbeiten möchte und sich bei uns bewirbt, über unseren Ansatz bei PAIR wissen?
Unser Ansatz für KI bei PAIR Finance ist business-orientiert. Wir bemühen uns, für jede Aufgabe die optimale Lösung zu finden. Dabei berücksichtigen wir den Endzweck jedes Modells, die Geschäftsprozesse des Unternehmens, potenzielle Risiken und verfügbare Ressourcen. Das bedeutet, dass wir auch bei den Tools, die wir zur Lösung der Aufgaben verwenden, pragmatisch vorgehen müssen: Lohnt es sich, ein eigenes Deep-Learning-Modell zu erstellen, oder gibt es ein bereits trainiertes Modell, das als Open Source verfügbar ist? Sollten wir einen klassischen Machine Learning-Ansatz anwenden oder reguläre Ausdrücke verwenden? Letztendlich kommt es auf das Ergebnis an und darauf, wie zuverlässig wir im laufenden Geschäft helfen können.
Und wie sieht dein Leben außerhalb des Büros aus? Hast du einen Lieblingsplatz in Berlin?
In meiner Freizeit schreibe ich melancholische Popsongs und stehe auf der Bühne. In Berlin besuche ich gerne verschiedene Open-Mic-Veranstaltungen und lasse mich dort von talentierten Künstler*innen inspirieren.
Bereit, die Finanzwelt mit uns zu verändern?
Möchtest du gemeinsam mit Anna an der Zukunft des Inkassos arbeiten? Dann freuen wir uns darauf, dich kennen zu lernen.
Unsere Themen
Das könnte dich auch interessieren.
