Ich habe nach meinem PhD/Doktorat die Richtung gewechselt. Nicht den Beruf, denn Forscherin bin ich geblieben. Sondern die Art von Forschung. Vom Wet Lab in die Bioinformatik. Das war keine Notlösung und kein Umweg. Es war eine bewusste Entscheidung. Sie hatte einen Druckpunkt und einen Sog. Der Druckpunkt war meine Hand. Der Sog war meine Faszination für Code und Daten. Beides hat zusammengepasst. Daraus ist eine Tätigkeit geworden, die mich glücklich macht.
Was im Wet Lab nicht mehr ging
Ich habe während meines PhDs viel an der Laminar Flow Box gearbeitet. Also unter einer Werkbank mit gefilterter Luft. Dort kultiviert man unter sterilen Bedingungen Zellen. Ich habe immer gesagt, man braucht dafür vier Arme. Mit zwei funktionierenden Händen ist es ohnehin eine Choreografie. Mit einer geht sie nicht mehr auf. Oder nur schwer.
Meine Behinderung im Wet Lab begann schon vor dem ersten Pipettierschritt: beim Anziehen der Handschuhe. Es ging, aber es dauerte lange. Und in der Laminar Flow Box wechselt man Handschuhe ständig. Pipettieren selbst war das nächste Problem. Wenn man ehrlich pipettiert, braucht man eine zweite Hand. Damit hält man die Eppi-Tube oder stützt sich am Arbeitsbereich ab. Das ist die Hand, über die ich nur schwer Kontrolle habe.
Diese Realität habe ich nicht gleich akzeptiert. Ich habe es ein gutes Stück lang versucht, mit Assistenz im Labor und mit Geduld. Es hat reichen müssen, um den PhD abzuschließen. Aber du verbringst jeden Tag dort, wo dein Körper dich ausbremst. Das kostet eine Menge Energie für sehr wenig Output. Irgendwann war klar: In dieser Tätigkeit will ich nicht die nächsten 30 Jahre stecken.
Was mich schon vorher gezogen hat
Schon während meines PhDs und meines Postdocs habe ich mit Mikroskopie und Bildanalyse gearbeitet. Das war für mich von Anfang an der spannendste Teil. Ich habe eine Highthroughput-Pipeline gebaut. Damit kann man das Alter von Zellen anhand ihrer Form vorhersagen. Kleine Skripte in R, einer Programmiersprache. Tabellen analysieren. Plots erzeugen. Erkenntnisse herausziehen. Dieser Teil der Forschung war für mich immer der, an dem ich abends nicht aufhören wollte.
Bioinformatik und Informatik hatten für mich außerdem etwas, das ich nur halb scherzhaft als Mysterium bezeichne: Du tippst Buchstaben in einen Editor. Und am anderen Ende kommt ein Spiel raus. Ein Bild. Eine Analyse. Ein funktionierendes Programm. Wie genau das zusammenhängt, wollte ich verstehen.
Die bewusste Entscheidung: AI-Studium und Wechsel in die Bioinformatik
Nach dem PhD habe ich 2 Schritte gleichzeitig gemacht. Erstens habe ich ein Masterstudium in Artificial Intelligence begonnen. Das Studium ist an der Johannes Kepler Universität in Linz. Nicht, weil ich einen weiteren Abschluss brauchte. Sondern weil ich mir etwas beweisen wollte. Bin ich nach dem Schlaganfall noch in der Lage, eine größere Menge Information aufzunehmen? Kann ich sie strukturieren und in Prüfungen abrufen? Das war für mich nicht trivial. Es hat funktioniert.
Zweitens habe ich innerhalb der BOKU die Richtung gewechselt. Vom Wet Lab in die Core Facility for Bioinformatics. Gleiche Universität. Gleiches Selbstverständnis als Forscherin. Andere Werkzeuge. Mit dem AI-Studium kam Python dazu, eine andere Programmiersprache. Parallel zu meinem R aus dem Doktorat. Heute arbeite ich auf beiden Sprachen, je nach Aufgabe.
Was ich heute tue
An der Core Facility kommen Forschungsgruppen mit Bildanalyse-Problemen zu mir. Manchmal aus der BOKU, manchmal von außen.
- Histologie
- Cryo-Elektronenmikroskopie
- Drohnenbilder
- Cell Painting
Die Frage ist immer ähnlich: wir haben tausende Bilder, was sagen uns die Daten?
Mein Job ist:
- mit den Klient:innen die richtige Forschungsfrage schärfen
- eine Pipeline bauen
- Modelle trainieren
- Distribution Shifts mitigieren
- am Ende eine Antwort liefern, die statistisch sauber ist und praktisch verwertbar
Distribution Shifts mitigieren heißt, einen Effekt zu reduzieren. Jedes Labor erzeugt seine Bilder ein bisschen anders. Das ist genau die Mischung aus tiefem Denken und konkretem Problem, die ich gesucht habe.
Theorie und Praxis greifen ineinander
Ich studiere an der JKU und arbeite an der BOKU. Das sind nicht 2 getrennte Sphären. Ich habe Vorlesungen zu:
- CNNs
- Vision Transformers
- Domain Adaptation
- Multiple Instance Learning
Was ich dort lerne, wende ich in der nächsten Woche auf ein echtes Datenset an. Was in der CF-Arbeit nicht funktioniert, nehme ich als Frage mit ins Studium. Diese Verzahnung ist für mich der Grund, warum beides gerade gleichzeitig geht. Und warum es Spaß macht.
Was der Richtungswechsel mit der Behinderung zu tun hat
Eine offene Frage am Schluss: hätte ich diesen Richtungswechsel auch ohne Schlaganfall gemacht? Ehrlich gesagt: vielleicht später, vielleicht gar nicht. Der Schlaganfall hat eine Tür zugemacht (Wet Lab). Gleichzeitig hat er den Druck erhöht, die andere Tür wirklich aufzumachen (Code und Daten). Was am Anfang wie ein Verlust ausgesehen hat, ist im Rückblick ein Weichenstellen gewesen. Heute macht diese Tätigkeit den Großteil meines Arbeitsalltags aus. Vorher hätte ich sie höchstens als Hobby gehabt.
Zusammengefasst
Deine bisherige Tätigkeit passt nach dem Schlaganfall nicht mehr? Dann sieh einen Richtungswechsel innerhalb deines Feldes nicht nur als Notausgang. Es lohnt sich, ihn als Chance auf eine bewusste Korrektur zu sehen. Was wolltest du immer schon machen, hattest aber keine Zeit dafür? Welche Aufgaben in deinem bisherigen Arbeitsalltag haben dich am meisten interessiert? Manchmal liegt die Antwort genau dort, wo du im alten Job ohnehin schon hingeschaut hast.