Big Data

Rohstoff der Informationsgesellschaft

03.08.2012
Von dpa dpa
In zehn Jahren könnte das vollautomatische Autofahren Wirklichkeit werden. Möglich macht dies die Verknüpfung einer Vielzahl von Daten. Die Möglichkeiten zur Datenanalyse werden immer raffinierter. Das birgt Risiken, eröffnet aber auch neue Chancen.

In zehn Jahren könnte das vollautomatische Autofahren Wirklichkeit werden. Möglich macht dies die Verknüpfung einer Vielzahl von Daten. Die Möglichkeiten zur Datenanalyse werden immer raffinierter. Das birgt Risiken, eröffnet aber auch neue Chancen.

von Peter Zschunke, dpa

Soziale Netzwerke, Internet-Suche, Verkehrsinfos in Echtzeit: In der Informationsgesellschaft fallen immer mehr Daten an. Die Analyse dieser "Big Data" birgt Risiken für den Schutz der Privatsphäre, kann nach Auffassung von Forschern aber auch das Alltagsleben einfacher machen. Eine Konferenz in Hildesheim befasste sich jetzt mit Datenströmen von ständig neu erfassten Messwerten.

"Hier sind am Horizont Möglichkeiten für intelligente Anwendungen zu erkennen, deren Potenzial kaum absehbar ist", sagte der Informatiker Lars Schmidt-Thieme zum Abschluss der Konferenz "Data Analysis, Machine Learning and Knowledge Discovery" (Datenanalyse, maschinelles Lernen und Erschließung von Wissen) in Hildesheim. So könnte etwa die Echtzeit-Auswertung von Sensordaten im Auto die Unfallrisiken im Verkehr deutlich verringern. Bereits in zehn Jahren könnte das vollautomatische Autofahren denkbar sein.

"Jede Lenkbewegung und Pedalbewegung, jeder Schaltvorgang und die präzise Erfassung des Benzinverbrauchs - das sind alles interessante Dinge, die man miteinander verknüpfen kann und mit deren Hilfe man das Fahrverhalten optimieren kann", erklärte der Professor, der als Experte für Wirtschaftsinformatik und maschinelles Lernen die dreitägige Konferenz der Deutschen Gesellschaft für Klassifikation (GfKl) geleitet hat. Allein bei Anwendungen im Verkehrswesen könne man heute noch kaum überblicken, was durch eine automatische Steuerung von Fahrzeugen einmal möglich sein werde.

Als weiteres Beispiel für die praktische Nutzung der Analyse von Datenströmen nannte Schmidt-Thieme die Möglichkeit einer personalisierten Therapie in der Medizin. So lasse sich eine Medikation mit Hilfe von kontinuierlich erfassten Sensordaten ungleich präziser steuern als bisher. Die Analyse von Datenströmen ermögliche eine erhebliche Effizienzsteigerung und senke damit auch die Kosten.

Zur Startseite