Wie aus Rohdaten nützliche Informationen werden, können Studierende an der Münchener Ludwig-Maxi-milians-Universität jetzt hautnah erleben. Im neuen Data Science Lab, das von der Industrie mitfinanziert wird.
Das Labor der Universität, das vom Unternehmen mitfinanziert wird, soll künftig als Schnittstelle zwischen Wissenschaft und Industrie fungieren und steht Studierenden offen, die sich in ihren Projekten mit Big Data beschäftigen. Im Zuge der Digitalisierung werden künftig immer mehr Daten anfallen. Es bestehe, die Notwendigkeit, aus den gesammelten Rohdaten Zusammenhänge zu erkennen und mit Hilfe passender Algorithmen Vorhersagen treffen zu können.
So können aus Sensordaten Entscheidungen abgeleitet werden, ob Maschinen weiterlaufen können oder gewartet werden müssen. Das soll möglichst automatisiert geschehen, Stichwort maschinelles Lernen.
Deshalb ist Datenwissenschaft (engl. Data Science) mehr denn je gefragt. Der Begriff ist nicht neu. Er tauchte erstmals vor 50 Jahren auf, zunächst für das Feld der Datenverarbeitung. Ende der 1990er-Jahre erweiterten die Forscher die Definition um die Statistik (mit Datenerfassung, -modellierung, -analyse, Entscheidungsfindung). Data Science ist eine Disziplin, die Mathematik, Informatik, Statistik und Domain-Expertise verbindet.
Vor allem Letzteres sei von Bedeutung, denn wenn man als Datenwissenschaftler die Sprache des Einsatzfeldes nicht kenne und keine Ahnung von den Daten und Prozessen habe, die man untersuche, erhält man triviale Ergebnisse". Industrielle Prozesse erzeugen Datenströme, die die Forscher benötigen.
Das Institut ist beim Lehrstuhl für Datenbanksysteme (DBS) angesiedelt, dessen Schwerpunkte in den Bereichen Datenmodellierung, Datenmanagement und Datenanalyse liegen.
Ziel der Forschung ist es, neue Werkzeuge für andere Disziplinen zur Verfügung zu stellen. Ohne Experten, die passende Methoden entwickelten, um Rohdaten auszuwerten und daraus nützliche Informationen zu generieren, ließen sich anfallende Datenmengen künftig nicht bewältigen.
Für die Firmen geht es auch darum, aus den Daten neue Erkenntnisse zu gewinnen, um automatisierte digitale Dienstleistungen wie zum Beispiel Fernwartung anbieten zu können. Zwar wird oft befürchtet, dass im Zuge der Automatisierung Arbeitsplätze wegfallen, doch bei Data Science scheint das Gegenteil der Fall zu sein. „
Es gibt keine fertigen Lösungen, die man aus der Schublade ziehen kann. Notwendig sind Erfahrung und die richtige Ausbildung.
Kommentare
Kommentar veröffentlichen