© Adpic

Mit Daten zu Information und Wissen.
Unglaubliche Mengen an Daten werden jeden Tag weltweit erzeugt. Expertinnen und Experten sprechen von einem Datenvolumen von 100-200 Zettabytes im Jahr 2025. Vor allem Unternehmen sammeln fleißig Daten – über ihre Geschäftsprozesse, über ihre Produktionsanlagen und über ihre Kundinnen und Kunden.

Aktuelle Technologien, wie beispielsweise das Internet-of-Things (IoT), haben einen großen Anteil am massiven Datenwachstum. Während Daten wertvolle Ressourcen mit großem Potential darstellen, werden diese oft nicht zu Informationen und weiter zu Wissen verarbeitet. Sie bleiben damit größtenteils ungenützt – doch dabei bieten sie Chancen abseits des automatisierten Marketings.
 
In Zukunft Big Data?
In diesem Zusammenhang führt kein Weg am Schlagwort Big Data vorbei – charakterisiert durch die fünf Vs (1) Volume, (2) Variety, (3) Velocity, (4) Veracity, und (5) Value. Big Data ist auch ein Auslöser für den allgegenwärtigen Hype um Künstliche Intelligenz, da manuelle Verarbeitung dieser Datenmengen nur sehr schwer bis überhaupt nicht möglich ist. Mithilfe unterschiedlicher Methoden und Algorithmen „lernen“ Maschinen, die Daten zu analysieren und interpretieren. Schließlich sollen sie die menschliche Sprache verstehen, Personen in Videos erkennen, ein defektes Gerät vorhersagen oder Entscheidungen treffen, um bei Routinetätigkeiten eine Effizienzsteigerung zu erzielen.

Deep Learning: Eintauchen ins maschinelle Lernen
Vor allem Deep Learning – eine Methode des Maschinellen Lernens basierend auf künstliche neuronale Netze – liefert bedeutende Ergebnisse in den verschiedensten Anwendungsbereichen. Dazu gehören autonome Systeme im Bereich Transport, Bilddatenanalyse im Bereich Medizin oder auch die Erkennung von Cyber-Attacken im Bereich IT-Security. Das erfolgt vor allem unter der Verwendung großer Datenmengen, die nun auch in Massen zur Verfügung stehen.
Während meines Informatikstudiums habe ich mich vermehrt mit Intelligenten Informationssystemen, Data Science und genannten Technologien beschäftigt. Zwei Projekte bzw. Anwendungsbereiche zeigen, wie vielfältig Künstliche Intelligenz genutzt werden kann.

1.    Im Katastrophenfall: KI
In meiner Masterarbeit befasste ich mich mit der automatisierten, auf maschinellem Lernen basierenden, Klassifizierung von Social-Media-Daten im Katastrophenfall (z.B. Erdbeben, Waldbrände). Konkret wurde eine Methode entwickelt, die Twitter-Nachrichten von Usern vor-Ort, primär basierend auf den textuellen Inhalt, in informative und nicht informative Nachrichten klassifiziert. Diese Informationen sollen im Speziellen Einsatzkräften und Behörden als zusätzliche Informationsquelle für das Katastrophenmanagement dienen.

2. Mit Sicherheit intelligent: Semantische Technologien
Aktuell beschäftige ich mich im Rahmen eines FFG unterstützten Forschungsprojektes und meiner Dissertation auch mit semantischen Technologien, wie beispielsweise Ontologien für die digitale und formale Repräsentation von Wissen.
In Kombination mit datengetriebenen Ansätzen des maschinellen Lernens soll eine „intelligentere“ Überwachung von vernetzter kritischer Infrastruktur (z.B. Sensoren u. Aktoren) in industriellen Internet-of-Things Netzwerken ermöglicht werden.

Bei team kann ich den aktuellen Forschungsstand zu diesen spannenden Themen bestmöglich im Bereich Public Transport/ Rail einbringen.