Page - 6 - in Die Big-Data-Debatte - Chancen und Risiken der digital vernetzten Gesellschaft

6 1 Big Data im öffentlichen Diskurs … Folgt man den überwiegenden Darstellungen, dann zeichnet sich Big Data durch vier ‚V‘ aus: Das erste V steht für ‚Volume‘ und besagt, dass mit den exponentiell wachsenden Analyse- und Speicherkapazitäten, die sich dem Moore’schen Gesetz zufolge alle 12 bis 24 Monate verdoppeln, auch die weltweit für die Analyse zur Verfügung stehenden Daten exponentiell zunehmen. Die Computerchips werden immer leistungsfähiger, kleiner und preiswerter, der Grad der Vernetzung nimmt zu und eine Vielzahl von Geräten und Alltagsgegenständen ist mit Sensoren aus- gestattet, die einen kontinuierlichen Datenstrom liefern. Das macht Analysen und Vorhersagen billiger. Mit dem zunehmenden Datenvolumen in direkter Beziehung steht das zweite V: ‚Velocity‘, also die Geschwindigkeit, mit der gigantische Datenvolumina heute verarbeitet werden können bis hin zur Analyse in Echtzeit. Das dritte V bedeutet ‚Variety‘ und bezieht sich auf die Vielfalt der unter- schiedlichen Datenquellen und Datenformate, die verarbeitet und miteinander verknüpft werden können, um daraus Erkenntnisse zu gewinnen. Das betrifft Daten aus den unterschiedlichsten Bereichen, von strukturierten demografischen Statistiken bis hin zu unstrukturierten Daten in Form von Text-, Audio-, Bild- und Video-Dateien insbesondere aus den sozialen Netzwerken. Das vierte V – ‚Veracity‘ für Zuverlässigkeit – betrifft die Anforderung an die Datenquali- tät im Sinne von Richtigkeit und Vertrauenswürdigkeit. Das heißt, die mit einer Big-Data-Analyse erzielten Erkenntnisse sind von der Qualität der Daten und der Analysemethode abhängig. Nur mit validen Daten und einem adäquaten Ver- arbeitungsverfahren sind vertrauenswürdige Ergebnisse möglich. Big Data bezeichnet also die Verarbeitung von Massendaten unterschied- lichster, auch unstrukturierter, komplexer und sich ändernder Informationen mithilfe von Algorithmen und/oder Künstlicher Intelligenz. Zeichnete sich ein klassischer Analyseprozess bislang durch das Überprüfen von Hypothesen mittels Datenerhebungen aller Art aus, um daraus Aussagen über Kausalitäten zu gewin- nen, so besteht er nun vor allem darin, den jeweils vorgefundenen Datenstrom auszubeuten, sprich maschinell nach Zusammenhängen zwischen Variablen, d. h. nach Korrelationen, zu durchforsten. Unter dem mathematischen Begriff Algorithmus ist eine Rechen- oder Ver- arbeitungsvorschrift zur Lösung genau definierter Probleme zu verstehen, die von Maschinen abgearbeitet werden können. Algorithmen in Navigationssystemen errechnen die schnellste Verbindung zwischen zwei Orten oder verbessern bei der Textverarbeitung die Rechtschreibung. Aber nicht alle Situationen sind im Voraus modellartig zu erfassen. Für das autonome Fahren etwa braucht es ein System, das lernfähig ist und auch in neuen Situationen richtig (intelligent) zu ent- scheiden weiß. Hier ist Künstliche Intelligenz erforderlich, man braucht lernfähige Algorithmen beziehungsweise maschinelles Lernen, um Muster in komplexem