Wie lassen sich aus einer Fülle unterschiedlicher Datenquellen Erkenntnisse gewinnen, die Unternehmen als Grundlage von Entscheidungen dienen können – und zwar unter Beachtung des Datenschutzes? Unter dieser Leitfrage stand das dritte „Forum Junge Spitzenforscher und Mittelstand“, das die Stiftung Industrieforschung gemeinsam mit der Humboldt Innovation GmbH am 27. November 2013 in Berlin ausrichtete.

Forum junge Spitzenforscher 2013

Sechs erstklassige Jungforscher aus der Hauptstadt referierten über Ideen und Trends aus der Forschung für Big Data-Strategien. Sie gaben damit den Anstoß für eine lebendige Diskussion mit den Vertretern der Praxis – in diesem Fall neun Jungunternehmern, die mehr über die Nutzung von Big-Data-Strategien ind er Praxis erfahren wollten. Neben dem Dialog zwischen Wissenschaft und Praxis stand beim Forum jedoch auch die Forschungsförderung auf der Tagesordnung: Am Ende der Veranstaltung gaben die Unternehmer ihr Votum ab, welche Vorträge sie als besonders hilfreich beurteilten. Die drei erstplazierten Projekte wurden von der Stiftung Industrieforschung mit jeweils 10.000 Euro gefördert, die drei anderen Projekte mit jeweils 2.000 Euro.

Der Vortrag von Nils Montenegro (Fraunhofer Institut FOKUS) hatte das Thema „Big Data Analyse am Fallbeispiel der Finanzdaten“. Im Mittelpunkt seiner Untersuchung standen Finanzanalysen, durch die Kursverläufe von Finanzprodukten prognostiziert werden können. Diese Prognosen wurden mit historischen Aufzeichnungen durch eine Handelssimulation evaluiert. Auf diese Weise konnte einerseits die Güte der Prognosen bewertet werden und andererseits die Kombination von Finanzanalyse und Big Data erforscht werden. In seiner Arbeit beschäftigte er sich insbesondere mit Verfahren zur Mustererkennung und verschiedenen MapReduce-Algorithmen, die es ermöglichen, signifikante Trends schnell zu erkennen.

Jan Sürmeli (Humboldt Universität Berlin) referierte zum Thema „Modellierung und Analyse von Prozessen aus dem Bereich der Akquisition unstrukturierter Daten aus dem Internet in Unternehmen“. Kernziel des vorgestellten Projekts ist es, den Marktanalyseprozess und verwandte Prozesse zu verbessern, indem die Analysten bei Recherche, Speicherung und Konsolidierung der Daten unterstützt werden. Dazu planen die Forscher die Erfassung, Modellierung und anschließende Analyse von Prozessen durch erprobte Mechanismen aus dem Forschungsbereich des Geschäftsprozess-Managements. Im Ergebnis sollen Unternehmen die Analyseergebnisse nutzen können, um neue Produkte zu entwickeln, die den Marktanalyseprozess unterstützen und optimieren.

Forooz Shahbazi Avarvand (Fraunhofer Institut FOKUS) hatte ihren Vortrag unter das Thema „Applying and Improving Subspace Methods and Techniques for Big Data Reduction“ gestellt. Ihr war es gelungen, ihre Erkenntnisse in der Signalanalyse mit der Elektroenzephalografie (EEG), einer Methode zur Messung der Gehirnaktivitäten in der Neurologie, und der akustischen Signalverarbeitung auf den Bereich Big Data zu übertragen. Sie präsentiert in ihrer Arbeit einen neuen Ansatz für die Kategorisierung vollkommen unstrukturierter Daten, wie sie beispielsweise in Texten vorliegen. Die wesentliche Neuerung war es, den Datensatz nur im Hinblick auf eine kleinere Anzahl von Merkmalen zu betrachten, um die Daten dann mit Hilfe von Unterraummethoden zu sortieren. Diese Neuerung eröffnet neue Möglichkeiten in einer Vielzahl von Big Data-Anwendungen.

Dr. Christian Stein (Humboldt Universität Berlin) präsentierte das Projekt „Big Data für Knowledge Networks“. Die Idee dieses Vorhabens ist es, Kompetenzen, Aktivitäten und Interessen von Personen messbar zu machen und ihnen wirklich geeignete Kooperationen und Informationen vorzuschlagen. Ihre Forschung habe gezeigt, dass sich sehr aussagekräftige Profile erstellen ließen, indem gelesene und geschriebene Texte sowie weitere rechnerbasierte Aktivitäten von Personen aufgezeichnet und analysiert würden. Im Ergebnis entstehe so ein Themenprofil der Person, das Kompetenz, aktuelle Interessen und Informationsbedarfe sehr genau widerspiegele. Dieses System sei zudem datenschutzrechtlich völlig unproblematisch, da kein analysierter Inhalt den Rechner der Person jemals verlasse.

Stephan Ewen (TU Berlin) stellte „Stratosphere“ als Analyseplattform der nächsten Generation für Big Data vor. Als Ergebnis eines EU-geförderten Projekts unterstützt „Stratosphere“ als Open-Source-Plattform die Analyse sehr großer Datenmengen in Parallel Computing-Umgebungen wie Clouds oder Clusters. Dabei bietet „Stratosphere“ Programmierern die Chance, Algorithmen zur Datenanalyse ohne großen Aufwand zu implementieren. Im Unternehmensbereich ermöglicht die Plattform eine vertiefte Analyse großer Datensätze und die Erkennung bestimmter Muster. Konkret wird “Stratosphere“ von Firmen bereits genutzt, um Risikomanagement, zielgerichtete Werbekampagnen und Textanalyse zu unterstützen.

Florian Tschorsch (Humboldt Universität Berlin) diskutierte in seinem Beitrag die Frage „Privacy und Big Date, wie geht das zusammen?“. Angetrieben durch aktuelle Ereignisse, etabliere sich ein zunehmendes Bewusstsein im Sinne der informationellen Selbstbestimmung. Vor diesem Hintergrund habe er ein Verfahren zur Erhebung und Auswertung von verteilten Nutzerstatistiken entwickelt, das Rückschlüsse auf individuelle Teilnehmer verhindert. Hierbei werden die Identifikatoren der Teilnehmer, z.B. die IP-Adressen, mit einer Hashfunktion auf ein Bitfeld abgebildet. Die Identifikatoren liegen nicht als explizite Liste vor und werden durch zusätzliche Maßnahmen davor geschützt, Rückschlüsse auf Teilnehmer zuzulassen. Gleichwohl ist bei einer verteilten Infrastruktur eine statistische Auswertung möglich.

nach oben
Stand: 30.03.2017
Barkhovenallee 1 | 45239 Essen | Tel 0201 - 8401-160 | Fax 0201 - 8401-255 | E-Mail