Data Science durchdringt alle Bereiche des täglichen Lebens. (©Fotolia/bagotaj)
Data Science durchdringt alle Bereiche des täglichen Lebens. (©Fotolia/bagotaj)

Data Science durchdringt alle Bereiche

Die fortschreitende Digitalisierung führt dazu, dass immer mehr Daten produziert werden. Bereits jetzt sind es mehrere Milliarden Terabyte und das Wachstum ist exponentiell. Die Datensammlung durchdringt alle Bereiche unseres Lebens: von den klassischen Anwendungsfällen, wie der Analyse von Einkaufsverhalten und der darauffolgenden Übermittlung von entsprechenden Kaufvorschlägen, bis hin zum Leistungssport. Dabei bietet Data Science nicht nur für Business-Zwecke spannende Möglichkeiten.

So konnte David Anastasiu von der San José State University durch die Analyse von Elektrokardiogramm-Daten, die die Aktivitäten der Herzmuskelfasern wiedergeben, und mithilfe von Informationen über die Hautleitfähigkeit Autismus erkennen. Anastasius‘ Team konnte damit den Verlauf der Entspannungszeiten bestimmen, der – wie das Forschungsprojekt gezeigt hat – Aufschluss darüber geben kann, ob eine Person an Autismus erkrankt ist oder nicht. »Unser Modell erreichte eine 99,33 prozentige Genauigkeit. Ärztediagnosen liegen bei 82,9 Prozent«, sagt Anastasiu. Ein weiteres Anwendungsfeld mit gesellschaftlichem Nutzen zeigten Jad Rayes und Priya Mani von der George Mason University auf. Mit ihrer Datenanalyse können sie Aktivitäten im Bereich des Wertpapier-Insider-Handels erkennen. Die Exekutive kann mit diesen Informationen die Kriminalität im Kapitalmarkt eindämmen.

Diese und weitere spannende Best-Practice-Beispiele aus Wissenschaft und Wirtschaft stellten Expertinnen und Experten bei der »2. International Data Science Conference« des Studiengangs Informationstechnik & System-Management der FH Salzburg vor. »Die Durchdringung aller Bereiche zeigte sich bei der Konferenz. Präsentiert wurden Anwendungsfälle aus Markt- und Trendanalysen, dem Energie-, Gesundheits- und Sportsektor sowie der vorausschauenden Wartung im Industriebereich,« fassen die Konferenzorganisatoren Peter Haber und Manfred Mayr die Schwerpunkte zusammen. Neben Vorträgen zu State-of-the-Art-Methoden der Datenanalyse von ForscherInnen aus der internationalen Wissenschafts-Community berichteten WirtschaftsexpertInnen von Best-Practice-Anwendungen und Stolpersteinen aus der Praxis.

Die Highlight-Themen der Konferenz:

Künstliche Intelligenz und Machine Learning gewinnen an Bedeutung

Immer mehr Produktionsfirmen setzen auf Machine Learning, eine Form der künstlichen Intelligenz, die es einem System ermöglicht, aus Daten selbstständig zu lernen. Mit dieser Methode optimieren sie beispielsweise die Wartung ihrer Maschinen. Unter anderem werden Motoren mit intelligenten Sensoren bestückt, die Daten sammeln. Zur Analyse werden sogenannte prädiktive Algorithmen eingesetzt, die Aufschluss über einen bevorstehenden Wartungsbedarf geben. Damit kann viel Geld gespart werden.

Mit Blockchain-Technologie die Geschäftsmodelle der Zukunft entwickeln

Bodo Hoppe, Engineer bei IBM Research & Development GmbH, erklärte weiters in seiner Keynote »What Lies Ahead of Us?«, dass das Potenzial für neue Geschäftsmodelle vor allem in der durchgängigen Begleitung der Produktions- und Lieferkette von Produkten liege. So habe der Software-Riese IBM mit »IBM® Food Trust« ein neues Vertrauens- und Transparenzsystem für die Nahrungsmittelversorgung geschaffen. Hoppe: »Die Lösung basiert auf der Blockchain-Technologie und ermöglicht autorisierten BenutzerInnen sofortigen Zugriff auf aussagekräftige Daten zur Lebensmittelversorgungskette, vom landwirtschaftlichen Betrieb über die Filiale bis zum Verbraucher«.

Small Data: Die Lösungen für KMUs

Die »2. Internationale Data Science Conference« zeigte darüber hinaus besonders für kleinere und mittlere Unternehmen (KMUs) Möglichkeiten zur Optimierung ihrer Geschäftsprozesse auf. »Oft fehlen das Spezialwissen und die vermeintlichen Daten, um die Chancen und Risiken für den eigenen Betrieb auszuloten«, weiß Konferenzorganisator Peter Haber. »Die jüngsten Fortschritte im Bereich des Deep Learning bieten jedoch Lösungen für Fälle, in denen nur wenige Daten verfügbar sind«, meint Keynote-Speaker David Anastasiu, Assistenz-Professor im Department of Computer Engineering an der San José State University. Dadurch können KMUs ihre Geschäftstätigkeit um ein Vielfaches verbessern. Josef Waltl, Global Segment Lead bei Amazon Web Services und Absolvent des Studiengangs Informationstechnik & System-Management, stellte dafür in seiner Keynote ein cloudbasiertes Machine-Learning-Service vor, das Unternehmen für ihre Anwendungsfälle nützen können.

Open Data & Wissenschaftskooperation als Chance für KMUs

Peter Parycek, Leiter des Departments für e-Governance in Wirtschaft und Verwaltung an der Donau-Universität Krems möchte den Zugriff auf die Daten der »Big Player« in Form von Open Data ermöglichen. KMUs können diese als Referenz verwenden, um daraus Transfermöglichkeiten für ihre Anwendungsfälle zu generieren. Die Experten raten deshalb auch KMUs dazu, in Data Scientists zu investieren. Stefan Wegenkittl, wissenschaftlicher Leiter des Studiengangs Applied Image and Signal Processing sowie Fachbereichsleiter für Angewandte Mathematik und Data-Mining am Studiengang Informationstechnik & System-Management betonte dazu die Möglichkeit mit Hochschulen stärker in den Austausch zu treten: »Passende Lösungen finden sich dort, wo agile Entwicklungs- und Managementprozesse mit aktuellen Forschungsfragen der Data Science in Verbindung stehen.«

 

Gepostet am 13.08.2019

Ähnliche Beiträge

sproof – Die neue Art, digitale Dokumente auszustellen

Dezentral, offen und transparent: Das Salzburger Startup sproof ist der starke Partner für die überprüfbare Authentifizierung von vertrauenswürdigen Dokumenten und wurde von Forschern für die Wirtschaft entwickelt.

Digital Readiness Check
Digital Readiness Check: Wie digital ist Ihr Unternehmen?

Wie weit ist Ihr Unternehmen im Vergleich zu anderen, ähnlichen Unternehmen digitalisiert? Finden Sie es in weniger als zehn Minuten heraus – mit dem Digital Readiness Check!

Mit künstlicher Intelligenz will ITS-Masterstudent Georg Schäfer Sortieranlagen effizienter machen. Anhand eines »Digitalen Zwillings« entwickelt er Methoden des Machine Learning weiter. (Foto: FH Salzburg)
Die lernende Fabrik

Den Sortiervorgang einer Industrieanlage intelligent zu machen war das Ziel von Masterstudenten und Junior Researcher Georg Schäfer. Mit Methoden des Machine Learning will der gebürtige Salzburger die Industrie revolutionieren.