Eines der beliebtesten Schlagworte des, sich dem Ende zuneigenden, Jahrzehnts war unbestreitbar Big Data. Auch wenn dieser Begriff in den letzten Jahren von neuen Schlagworten abgelöst wurde, wie z.B. künstliche Intelligenz, Deep Learning oder Blockchain, bildet Big Data nach wie vor das Fundament für all diese Technologien, denn ohne ausreichend große Datenmengen gäbe es kein maschinelles Lernen, keine KI und keine Blockchain, in der man diese Daten miteinander verknüpfen könnte.
Gigantische Datenmengen zu erheben und auszuwerten ist darüber hinaus der wichtigste Geschäftszweig der weltgrößten IT-Konzerne, wie z.B. Google oder Facebook. Aufgrund der ungebrochenen Beliebtheit von digitalen Plattformen, sei es nun Facebook, Instagram oder Amazon, und nicht zuletzt aufgrund der Verbreitung von Smartphones, ist es so leicht wie nie zuvor, große Datenmengen zu erheben.
Doch was passiert mit dieser stetig wachsenden Ansammlung von Daten? Hier kommt das Data-Mining ins Spiel, der Versuch, aus Big Data relevante Informationen zu extrahieren.
Algorithmen sind das Herzstück des Data-Mining
Das Sammeln von Daten ist wohl eines der spannendsten, aber auch kontroversesten Themen unserer Zeit. Bei allem Für und Wider ist es jedoch letzten Endes entscheidend, was mit diesen Daten passiert. Das Herzstück von Data-Mining sind dabei Algorithmen, welche die Daten analysieren, Schlüsse
daraus ziehen und gegebenenfalls Entscheidungen treffen.
Diese Algorithmen können wahre Lebensretter sein, wenn sie z.B. Ärzten dabei helfen, eine richtige Diagnose und Therapie zu erstellen, oder dabei helfen, Verkehrsströme effektiv vorauszusagen und so für eine bessere Nutzung der Infrastruktur sorgen.
Dabei ist es selbstverständlich wichtig, über ausreichend viele und aussagekräftige Daten zu verfügen. Wirklich entscheidend ist jedoch, dass der entwickelte Algorithmus das gewünschte Ergebnis liefert.
Was passiert, wenn die gewählten Algorithmen unzuverlässig arbeiten, kann jeder, der Interesse hat, selbst ausprobieren. Google nutzt seine gesammelten, personenbezogenen Daten unter anderem dazu, Nutzer in bestimmte Kundensegmente und Interessensbereiche einzuteilen, um personalisierte Werbung schalten zu können.
Jeder Nutzer und jede Nutzerin hat dabei die Möglichkeit nachzuschauen, welche Daten gesammelt wurden und welche Schlüsse der Google-Algorithmus daraus gezogen hat, also in welche Zielgruppen man eingeteilt wurde. Ein kurzer Selbsttest zeigt, dass Google zwar oft richtig liegt, aber auch teilweise unerklärliche Ausreißer in den Zielgruppenzuweisungen auftauchen.
Die realen Auswirkungen dieser Fehler scheinen zwar zunächst vernachlässigbar – im Falle von Google wird den Nutzern gegebenenfalls unpassende Werbung angezeigt. In anderen Anwendungsgebieten können diese Fehler jedoch zu äußerst negativen Konsequenzen für die betroffenen Personen führen.
So wird Data-Mining z.B. im großen Umfang bei Banken und Kreditinstituten eingesetzt, um die Kreditwürdigkeit von Kunden zu ermitteln. Auch Versicherungsunternehmen gehören zu den größten Nutzern von Data-Mining. Die dabei gewonnenen Ergebnisse nutzen sie, um potenziellen Kunden passende Policen zu verkaufen oder aber, um das Versicherungsrisiko zu berechnen.
Fehlerhafte Data-Mining-Algorithmen können hier immensen Schaden anrichten, etwa wenn Personen eine wichtige Versicherungspolice, ein Kredit oder auch nur ein neuer Handyvertrag verweigert wird. Nicht zu unterschätzen ist darüber hinaus ein möglicher Kontrollverlust.
Schon heute ist es kaum noch möglich, einen fundierten Überblick über alle wichtigen EDV-Systeme zu haben. Langfristig besteht die Gefahr, dass wichtige Entscheidungsprozesse Blackboxen überlassen werden, deren genaue Funktionsweise niemand mehr wirklich verstehen kann.
Data-Mining erfordert hervorragend ausgebildete Fachkräfte
Sind Data-Mining-Algorithmen nun also eine Gefahr, die unbedingt verhindert werden muss? Sicherlich nicht: so kurzsichtig es wäre, die möglichen Probleme, die diese Technologie mit sich bringt, zu ignorieren, so problematisch wäre es auch, sie unreflektiert zu verteufeln.
Data-Mining-Algorithmen werden in Zukunft noch wichtiger werden als sie es ohnehin schon sind, und solange sie korrekt eingesetzt werden, werden sie dabei helfen, viele große und kleine Probleme unserer Gesellschaft zu lösen.
Um dies zu gewährleisten, ist es jedoch unerlässlich, in diesem Bereich Tätige mit dem erforderlichen Wissen auszustatten, das diese sensible Thematik erfordert. Der Virtuelle Weiterbildungsstudiengang Wirtschaftsinformatik (VAWi) verfolgt genau dieses Ziel – also Beschäftigten fundierte Fachkenntnisse und Kompetenzen im Bereich Data-Mining zu vermitteln.
Dazu gehört einerseits umfangreiches Wissen über Statistik und die Probleme, die falsche Interpretationen von Statistiken verursachen können. Andererseits vermittelt VAWi auch entsprechende Programmierkenntnisse, denn Programmcode will nicht nur elegant und effektiv geschrieben werden, er muss auch umfangreich und leicht lesbar dokumentiert werden, um die Gefahr der undurchsichtigen Blackbox zu eliminieren.
VAWi bietet mit seinem umfangreichen Angebot an spezialisierten Modulen Studierenden die Möglichkeit, sich bestmöglich auf die komplexen Anforderungen im Bereich Data-Mining in der Wirtschaft vorzubereiten.