open/close menu

Prognosen schürfen in Datenbergen

Zahlenmengen bergen Muster: Ralf Klinkenberg bei seinem Vortrag an der HfWU.

- IT-Experte hielt Vortrag zu Big-Data-Analytik an der Hochschule für Wirtschaft und Umwelt (HfWU) in Nürtingen -

NÜRTINGEN (hfwu). Überall hinterlassen wir digitale Spuren: im Internet, beim Einkaufen, beim Reisen. Wie die Big-Data-Analytik auf dieser Basis unser Verhalten vorherzusehen vermag und wie Unternehmen dies nützen, zeigte ein Vortrag an der Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen (HfWU).

„Können Sie die Zukunft vorhersehen?“, fragt Ralf Klinkenberg die Zuhörer im vollbesetzten Vorlesungsaal an der HfWU in Nürtingen. Amazon kann. Zumindest zu einem gewissen Grad. Wer Frostschutzmittel gekauft hat, kauft auch einen Eiskratzer. Die Algorithmen der Verkaufsplattform liegen meist ziemlich gut, wenn sie vorhersagen, was wir als nächstes in unseren virtuellen Warenkorb legen werden. „Es geht darum, Muster in Daten zu finden und daraus Prognosen zu machen“, erklärt der Forschungsleiter des Softwareanbieters RapidMiner.

Unser immenser Waren- und Medienkonsum macht jeden einzelnen zu einer schier unendlichen Quelle an personenbezogenen Daten. In vier Schritten, erklärt Klinkenberg, lässt sich aus diesen Big Data ein ziemlich zuverlässiges Orakel machen: „Die deskriptive Analyse fragt ‚Was ist passiert?‘, die diagnostische ‚Warum ist es passiert?‘, die vorhersagende ‚Was wird passieren?‘ und die prediskriptive gibt Empfehlungen“. Dieses maschinelle Lernen ist ein Teil der Künstlichen Intelligenz (KI). Je nach Kontext müsse allerdings gefragt werden, wo und in welchem Umfang sie eingesetzt werden soll. „Wenn es etwa in der Medizin um das menschliche Leben geht, zielt die KI in erster Linie darauf, den Arzt zu unterstützen, nicht ihn zu ersetzten.“

Haben die Algorithmen in den Datenbergen erfolgreich nach Mustern geschürft, kann auf dieser Basis das Verhalten von Menschen und Maschinen vorhergesagt – und beeinflusst werden. Der Energieanbieter kann kündigungswillige Kunden identifizieren und ihnen, bevor sie von der Stange gehen, ein attraktives Angebot machen. Will ein Buchgroßhändler sein Versprechen halten, bis 17 Uhr zu liefern, hilft ihm dabei zu wissen, wann, welche und wie viele Bücher an einem bestimmten Ort voraussichtlich bestellt werden. Weiß der Algorithmus, wie viele Plätze in der ersten Klasse freibleiben werden, kann die Fluggesellschaft den Holzklassekunden anbieten, ihr Ticket zum Schnäppchenpreis hochzustufen. Lernt ein Programm, nach wie vielen Einsätzen und unter welchen Bedingungen ein Bohrkopf bei der Zementförderung brechen wird, kann das Werkzeug vorher ausgetauscht werden. „Die vielfältigen Daten und Informationen bergen ein enormes Potenzial für die Kostenreduzierung und Qualitätssicherung“, ist sich Klinkenberg sicher. Mit der Software seiner Firma lässt sich so etwa konkret in der Praxis prognostizieren, mit welcher Wahrscheinlichkeit eine Maschine ausfällt.

Der Studium-generale-Vortrag des Unternehmensgründers, dessen Firma weltweit an vier Standorten vertreten ist, stieß auf großes Interesse. Die angeregte Diskussion im Anschluss des Referats ging weit über das offizielle Ende der Veranstaltung hinaus. Deutlich machte Klinkenberg noch, wo die Grenzen liegen bei aller Schläue der Algorithmen. Das System gäbe Empfehlungen an Menschen, die sich auskennen. Deswegen sei es auch wichtig, dass es sagt, warum es diese Empfehlungen gibt. „Damit die Menschen selbst entscheiden können.“

 
p0: 360
p1: 5464
p2: 9084
uid: 9085