Seite - 168 - in Limina - Grazer theologische Perspektiven, Band 1:1

168 | www.limina-graz.eu Data Science, Big Data und Business Intelligence Bis vor wenigen Jahren war die Datenverarbeitung auf überwiegend (für heu tige Verhältnisse) geringere Datenmengen und vordefiniert algorithmi- sche Prozesse beschränkt. Das war begründet im Fehlen der (erheblichen) Rechnerkapazitäten – und es war auch nicht am gedanklichen Horizont. Das hat sich grundlegend geändert: Durch deutliche Weiterentwicklungen in der Hardware, zunehmende Vernetzung und dynamische Ressourcen durch Cloud-Computing stehen heute exponentiell erweiterte Möglich- keiten zur Verfügung.4 Ohne ersichtliche und direkte Kausalität: Big Data ist die Verarbeitbarkeit und Durchführung dessen mit (sehr!) großen Datenmengen. Sehr große Daten- mengen in begrenzter Zeit sind etwa die Betriebs- und Sensordaten der Jet-Triebwerke5 eines Verkehrsflugzeuges am Flug über den Atlantik von 10-600 TB in zehn Stunden. Viele der dabei erfassten Daten weisen keinerlei oder zumindest keine di- rekte Kausalität mit Ereignissen (wie etwa der Ausfall eines Triebwerkes) auf. Mit Data Science, Business Intelligence und Maschinenlernen bzw. Künst- licher Intelligenz werden diese Daten und Medataten analysiert, Muster gefunden und verfeinert, Cluster gebildet und visualisiert. Die dazu ver- wendeten Systeme sind „lernfähig“, perfektionieren ihre Vorgangsweise also auch laufend. Damit werden mehrere Daten bzw. Daten-Änderun- gen gesamt zu einer mit einer Eintritts-Wahrscheinlichkeit bewerteten Vorankündigung für ein Ereignis. Oft tauchen diese Muster auf, bevor diese Information über (eigentlich) primäre Quellen verfügbar wird. Ebenso kann dies Ereignisse vorwegneh- mend beeinflussen: ̟ Thyssen-Krupp6 unterzieht Aufzugsanlagen einer zeitnahen vor- sorgenden (und damit planbaren = billigeren) Wartung, wenn sich ein Ausfall ankündigt – und vermeidet diesen dadurch. ̟ Der Musikdienst Spotify spielt den Abonnenten neue Musik vor, die sie hören wollen: Profilierung und das dynamische Nutzungsver- halten anderer Nutzer dieses Profils. Christian Ekhart | Big Data und Metadaten 4 Nur um die Größenordnung zu verdeutlichen: Ein typischer Heim- computer der 1980er war der Com- modore C64; weit verbreitet, aber bei weitem nicht in jedem Haushalt vorhanden (weltweit wurden ca. 30 Mio. Exemplare verkauft). Die Geräte waren nicht vernetzbar. Heute steht in praktisch jedem Haushalt mind- estens ein Gerät, das ca. 3.400mal so schnell ist und fast 250.000mal so viel Speicher hat, nämlich eine Standard-Notebook der aktuellen Generation. Dass Netzwerkfähigkeit aus keinem Endgerät wegzudenken ist, braucht man nicht eigens zu erwähnen. 5 Vgl. http://aviationweek.com/ connected-aerospace/internet- aircraft-things-industry-set-be- transformed. 6 Vgl. https://max.thyssenkrupp- elevator.com/en/. Die Dynamisierung der Ressourcen erweitert die Möglichkeiten im Datenraum exponentiell.