Veröffentlicht am 23. Juni 2022
mehr Erfahren
Im Diskurs beim Thementag: Data Science am KIT
Aus Daten Wissen schaffen – aber wie? Rund um diese Herausforderung drehte sich der Thementag „Data Science am KIT – aus Daten Wissen schaffen“ des KIT-Business-Clubs am 28. April unter der Schirmherrschaft von Prof. Thomas Hirth, Vizepräsident für Transfer und Internationales des KIT. Die Antworten auf die Frage waren vielfältig und boten Gelegenheit, für einen Diskurs aus ganz unterschiedlichen Blickwinkeln im digitalen Plenum und kleinen Breakout-Sessions.
Was ist Data Science und warum jetzt?
Data Science, zu Deutsch Datenwissenschaft, bezeichnet ganz allgemein die Extraktion von Wissen aus Daten. Die Voraussetzungen für die Nutzung datenbasierter Ansätze in ganz unterschiedlichen Anwendungsszenarien sind bereits gegeben: Einerseits sind häufig größere Datenmengen verfügbar, z.B. durch die zunehmende Verbreitung von Sensoren, die stärkere Vernetzung im Internet der Dinge und das Fortschreiten der Digitalisierung. Andererseits ist es durch höhere Rechenkapazitäten und Cloudlösungen zunehmend möglich, diese immense Datenlawine zu bewältigen und daraus Erkenntnisse zu extrahieren. Den Datenwissenschaften kommt die Schlüsselrolle zu, dafür geeignete Werkzeuge und Datenmodelle zu entwickeln und bereitzustellen. Nicht zuletzt deshalb wird in großen Datenbeständen (und deren Nutzung) inzwischen eine weitere Säule der wissenschaftlichen Erkenntnis gesehen, neben dem Dreiklang aus Theorie, Experiment und Modell.
In welchen Feldern spielt Datenwissenschaft eine Rolle am KIT?
Schon zu Beginn der Veranstaltung verwies Prof. Martin Frank vom KIT-Zentrum MATHSEE darauf, dass datenbasierte Forschung längst ihren Einzug in viele unterschiedliche Disziplinen am KIT gefunden hat und ein wichtiges Instrument bei der präzisen und effizienten Klärung aktueller und zukünftiger Fragestellungen ist. Dass die Datenwissenschaft dafür meist interdisziplinär agieren und Wissen über die Anwendungsdomäne einfließen muss, zeigte sich auch anhand der Impulsbeiträge beim Thementag, die exemplarisch Anwendungen aus verschiedenen Fachbereichen vorstellten.
- Im Mittelpunkt des Vortrags von Prof. Alexander Mädche (Institut für Wirtschaftsinformatik und Marketing (IISM)) stand die zukünftige Kommunikation zwischen Mensch und Maschine am Beispiel von Conversational Dashboards, Dashboard mit denen man reden kann. Er ist überzeugt, dass multimodale Kommunikation schon bald einen starken Impact auf die Arbeitswelt haben wird, dass deren effizienter Einsatz aber entsprechende Begleitung und Schulung erfordert.
- Prof. Melanie Schienle (Institut für Volkswirtschaftslehre (ECON)) schilderte eindrucksvoll die Möglichkeiten, die kooperative Ansätze der Datenauswertung für Vorhersagen bieten. In ihrem Beitrag zu Kurzzeitprognosen im Kontext der Covid-19-Pandemie zeigte sie, dass die Nutzung von ganzen Ensembles aus unterschiedlichen statistischen Ansätze die Qualität von Prognosen deutlich verbessern kann.
- Prof. Wolfgang Wenzel (Institut für Nanotechnologie (INT)) stellte die vielfältigen Aktivitäten am KIT zu Data Science in den Materialwissenschaften. Neben konkreten Einzelbeispielen aus der Materialoptimierung ist insbesondere die Nutzung und Zugänglichkeit von verteilten Material- oder Experimentaldaten im Rahmen von Plattformen wie Material Digital dabei von großer Bedeutung.
- Die Beispiele für angewandtes Machine Learning von Prof. Ralf Mikut (Institut für Automatisierung und Angewandte Informatik (IAI)) kamen aus ganz unterschiedlichen Anwendungsfeldern, wie Life Science und Industrie 4.0. Er zeigte, dass der grundlegende Data-Science-Ansatz jeweils ähnlich funktioniert, dass domänenspezifisches Wissen allerdings entscheidend für einen sinnvollen Einsatz der Technik ist.
Welche Chancen und Herausforderungen sehen die Unternehmen?
Die Gäste der Veranstaltung aus der Industrie erwarten viel von der Datenwissenschaft. Einerseits bieten zunehmend verfügbare große Datenmengen ein riesiges Potential für schnellere Entwicklungszyklen, neue Geschäftsmodelle und mehr. Aktuell bleiben noch 90 % oder mehr der anfallenden Daten ungenutzt! Andererseits ist die Hebung dieses enormen Potentials aufwändig. Die Bereitstellung entsprechender technischer Infrastrukturen und der nötigen Personalkapazitäten könnte zunehmend das Engagement von staatlichen Akteuren erfordern. Konkrete Defizite für den effektiven Einsatz von Datenwissenschaft sehen die Unternehmen z.B. bei Qualität, Struktur und Einheitlichkeit von Datensätze, bei der Organisation von Datennutzung in den gegebenen Unternehmensstrukturen, aber auch in der Identifikation von wirtschaftlich interessanten Geschäftsmodellen auf Datenbasis. Außerdem sind natürlich auch die ethischen gesellschaftlichen Aspekte der Digitalisierung, wie Spaltung der Gesellschaft, nicht zu vernachlässigen.
Personen mit einer fachlichen, aber auch interdisziplinären Expertise kommt hier eine Schlüsselrolle zu. Das gesuchte Fachpersonal ist rar, der „War for talents“ in diesem Feld ist in vollem Gange und wird sich weiter verschärfen. Eine gemeinsame Erkenntnis: Die stärkere und passgenauere Ausbildung seitens der Bildungseinrichtungen ist wichtig, um diesem Expertenmangel zu begegnen. Ein Impuls den auch Prof. Frank in die Planung der Graduiertenschule für Computational und Data Science am KIT aufnehmen wird.
Kommentare zu diesem Artikel
Keine Kommentare