Wechsel From Teacher to Data Analyst

Du unterrichtest seit Jahren und fragst dich, ob ein Wechsel vom Lehrer zum Data Analyst überhaupt realistisch ist. Die kurze Antwort: ja, aber der Weg dauert länger als die meisten Ratgeber behaupten. Dieser Artikel zeigt dir, was du mitbringst, was du neu lernen musst, und wie du den Wechsel konkret planst.

Was du als Lehrer wirklich mitbringst#

Lehrer verkaufen sich in Bewerbungen oft schlechter als nötig. Der Grund: sie beschreiben ihren Job in pädagogischen Begriffen statt in Begriffen, die eine Firma versteht. Dabei hast du genau das, was im Data-Job Alltag ist.

Du arbeitest seit Jahren mit Daten. Noten, Lernstandserhebungen, Förderpläne, Zeugnisse, Statistiken zur Klassenleistung. Du interpretierst Zahlen, erkennst Muster bei einzelnen Schülern und erklärst komplexe Zusammenhänge Leuten, die keine Fachleute sind. Genau das ist Data Analytics.

Konkret übertragbar sind diese Fähigkeiten:

• Daten aus verschiedenen Quellen zusammentragen und in eine sinnvolle Form bringen
• Auffälligkeiten erkennen und erklären, warum ein Wert vom Erwarteten abweicht
• Komplexe Sachverhalte für ein Publikum ohne Vorwissen verständlich machen
• Dokumentation schreiben, die andere nachvollziehen können
• Strukturiert arbeiten, Deadlines einhalten, mit wenig Feedback eigenständig entscheiden
• Stakeholder managen, also mit Eltern, Kollegen und Schulleitung umgehen
• Präsentationen halten, die zu einem klaren Ergebnis führen

Besonders die Erklärungskompetenz ist im Data-Bereich schwer zu finden. Viele Analysten können rechnen, aber scheitern daran, ihren Manager zu überzeugen. Du machst das täglich.

Was du wirklich neu lernen musst#

Hier wird es ungemütlich, also sag ich es klar: Pädagogik ersetzt kein technisches Handwerk. Diese Lücken musst du schließen.

SQL ist die wichtigste Einzelskill. Du wirst Daten aus Datenbanken ziehen, verknüpfen und filtern. Ohne solides SQL kommst du nicht durch ein technisches Interview. Rechne mit zwei bis drei Monaten Übung, bis du Window Functions und komplexere Joins sicher beherrschst.

Excel klingt langweilig, wird aber im Job täglich benutzt. Pivot Tables, XLOOKUP, Power Query, bedingte Formatierung. Viele Firmen arbeiten noch stark mit Tabellen, und wenn du dort langsam bist, merkt es dein Team.

Eine Sprache für Datenanalyse: Python mit pandas oder R. Für den Einstieg reicht Python. Du brauchst kein Softwareentwickler zu sein, aber du musst Daten einlesen, bereinigen, gruppieren und plotten können.

Ein BI-Tool, meist Power BI oder Tableau. Bau Dashboards, lerne, wie man Measures schreibt, und übe, aus Rohdaten eine klare Story zu machen.

Statistik und Datenverständnis. Kein Mathestudium, aber du musst wissen, was eine Verteilung ist, was ein Konfidenzintervall bedeutet, warum Korrelation nicht Kausalität ist und wann ein Mittelwert irreführend ist. Genau hier fallen Quereinsteiger in Interviews auf.

Schau dir dafür auch den kostenfreien Übersetzer für Stellenanzeigen an, den Jobbeschreibungen in Klartext übersetzt. Da siehst du schnell, welche Tools in der echten Anforderungsliste stehen, statt dich an einem Kursplan zu orientieren, den niemand abfragt.

Drei Portfolio-Projekte, die überzeugen#

Recruiter wollen Beweise, keine Zertifikate. Drei solide Projekte schlagen jeden weiteren Onlinekurs. Wichtig: dokumentiere jedes Projekt mit Problemstellung, deinem Vorgehen und deinem Ergebnis.

Erstes Projekt: eine Datenqualitätsanalyse mit SQL. Nimm einen öffentlichen Datensatz, etwa Schuldaten oder öffentliche Bildungsstatistiken, und untersuche, welche Faktoren mit besseren Ergebnissen zusammenhängen. Zeige deine Queries, deine Annahmen und wo die Daten Lücken haben. Das beweist technische Grundkompetenz.

Zweites Projekt: ein Dashboard in Power BI oder Tableau. Nimm einen realistischen Business-Fall, etwa die Analyse von Kundenabwanderung, Umsatzentwicklung oder Helpdesk-Tickets. Bau ein Dashboard, das ein Manager in 30 Sekunden versteht. Notiere drei konkrete Entscheidungen, die sich aus deinen Daten ergeben.

Drittes Projekt: eine komplette Analyse von Rohdaten bis Präsentation. Nimm einen Datensatz mit echten Problemen, also fehlende Werte, Ausreißer, inkonsistente Formate. Bereinige ihn in Python, analysiere ihn, und schreibe eine kurze Präsentation für ein Management-Publikum. Genau dieser Prozess ist der Job.

Nutz für die Projekte echte öffentliche Datensätze. Kaggle, data.gov, Eurostat oder offene Verwaltungsdaten sind gute Quellen. Und wenn du später nach offenen Stellen suchst, findest du auf der Jobbörse für Data-Rollen einen realistischen Eindruck, was Firmen tatsächlich suchen.

Zeitleiste: realistisch statt optimistisch#

Viele Artikel versprechen sechs Monate. Bei einem Vollzeitjob neben dem Unterrichten ist das selten machbar. Hier ist eine ehrlichere Rechnung.

Wenn du 10 bis 15 Stunden pro Woche investieren kannst: rechne mit 9 bis 15 Monaten bis zur ersten Bewerbung. Davon gehen etwa 4 Monate für SQL und Statistik drauf, 3 Monate für Python oder BI, 3 Monate für Portfolio-Projekte, plus Bewerbungszeit.

Wenn du reduzierst oder eine Auszeit nimmst, verkürzt sich das auf 5 bis 8 Monate. Aber auch dann: die Jobsuche dauert danach nochmal 2 bis 5 Monate. Plane diese Zeit ein, bevor du kündigst.

Der größte Fehler: zu lange Kurse machen, ohne sich zu bewerben. Nach den ersten zwei Projekten bewirb dich parallel weiter. Feedback aus echten Absagen ist mehr wert als das dritte Zertifikat.

Für den Einstieg lohnt ein Blick in unsere Artikel rund um Quereinstieg und Karrierewechsel, dort findest du Erfahrungsberichte und praktische Vorlagen.

So schreibst du den Wechsel-Lebenslauf#

Dein Lebenslauf darf nicht nach Lehrer aussehen. Keine Romane über Pädagogik, keine Aufzählung von Fächern. Stattdessen: Ergebnisse, Daten, Wirkung.

Verwende ein hybrid-Format: oben eine kurze Profilzeile mit deinem Ziel, dann Skills, dann Projekte, dann Berufserfahrung umformuliert. Die Projekte kommen vor der Lehrer-Zeit, weil sie das sind, was zählt.

Schlechtes Beispiel aus der Lehrer-Zeit: "Verantwortlich für den Unterricht in Mathematik und Deutsch, Betreuung von 120 Schülern."

Bessere Fassung: "Analysiert Lernstandserhebungen für 120 Schüler, identifiziert Förderbedarf anhand von Notenverläufen und leitete daraus differenzierte Maßnahmen ab, die in einem halben Jahr messbar bessere Ergebnisse brachten."

Der Unterschied: Tätigkeit versus Wirkung mit Datenbezug. Mach das mit allen Stationen. Und lass deinen Lebenslauf vom kostenfreien ATS-Check für Bewerbungsunterlagen laufen, damit deine Formulierungen überhaupt im System landen.

Strategie für die erste Data-Rolle#

Direkt als Data Analyst in ein Konzern zu wechseln ist möglich, aber selten. Ein smarterer Weg führt über Rollen, die niedrigere Hürden haben.

Schau dir diese Einstiege an: Reporting-Assistent, Junior BI Analyst, Data Analyst mit Fokus auf einen Bereich den du kennst, etwa Bildungstechnologie, öffentlicher Sektor oder Personalanalyse. Dort ist deine Lehrer-Erfahrung kein Makel, sondern ein Vorteil.

Interne Wechsel sind oft der kürzeste Weg. Wenn dein Arbeitgeber eine Datenabteilung hat, rede mit denen. Ein Wechsel innerhalb eines Unternehmens ist immer leichter als ein kompletter Branchensprung.

Netzwerk vor Bewerbungsportal. Melde dich in Data-Communities, geh zu lokalen Meetups, kommentiere Beiträge von Leuten die in Rollen arbeiten die du willst. Ein Referal verkürzt den Prozess massiv.

Zum Gehalt: Einstiegsgehälter für Data Analysts in Deutschland werden typischerweise im Bereich von etwa 40.000 bis 55.000 Euro berichtet, je nach Branche, Region und Vorkenntnissen. Die Spanne ist groß, prüfe die aktuellen Angaben für deine Region und Branche, bevor du verhandelst.

Häufige Fragen#

Wie lange dauert der Wechsel vom Lehrer zum Data Analyst wirklich?

Bei einem Vollzeitjob und 10 bis 15 Stunden Lernzeit pro Woche rechne mit 9 bis 15 Monaten bis zur ersten Bewerbung. Dazu kommen nochmal 2 bis 5 Monate für die eigentliche Jobsuche. Wer Stunden reduziert oder eine Auszeit nimmt, kommt auf 5 bis 8 Monate.

Brauche ich ein Informatikstudium oder einen Master?

Nein. Für die meisten Data-Analyst-Rollen zählen nachweisbare Skills und Portfolio-Projekte mehr als ein Abschluss. Ein Master kann bei manchen Konzernen helfen, ersetzt aber keine praktische Erfahrung mit SQL, Python und BI-Tools.

Welche Tools sollte ich zuerst lernen?

Starte mit SQL und Excel, danach ein BI-Tool wie Power BI oder Tableau. Python kommt erst, wenn du die Grundlagen sicher beherrschst. Diese Reihenfolge bringt dich am schnellsten in die Lage, echte Aufgaben zu lösen.

Ist meine Lehrer-Erfahrung im Data-Bereich ein Nachteil?

Nein, wenn du sie richtig formulierst. Deine Fähigkeit, Daten zu interpretieren und komplexe Sachverhalte zu erklären, ist im Data-Bereich gefragt. Problematisch wird es nur, wenn dein Lebenslauf nach Pädagogik aussieht statt nach analytischer Arbeit.

Was ist ein realistisches Einstiegsgehalt als Quereinsteiger?

Berichtet werden in Deutschland typischerweise 40.000 bis 55.000 Euro für den Einstieg als Data Analyst, abhängig von Branche, Region und Vorkenntnissen. Die Spanne ist groß, prüfe die aktuellen Angaben für deine Situation bei offiziellen Quellen oder Gehaltsportalen.