Der Begriff «Big Data» bezieht sich auf eine extrem grosse Ansammlung von Daten. Wenn die Datensammlung so gross ist, dass diese mit herkömmlichen Datenverarbeitungssystemen nicht mehr verarbeitet werden kann, spricht man von «Big Data».
Diese Datenmengen entstehen aus einer Vielzahl von Quellen, beispielsweise Social Media, digitalen Bildern und Videos, Online-Einkäufen oder der Nutzung von Mobiltelefonen.
Aus dem Zusammenspiel der verschiedenen Daten aus den verschiedenen Quellen, können die Daten zwar nicht mehr einfach verknüpft und ausgewertet werden, dafür können, mit Hilfe von künstlicher Intelligenz, aus der Verknüpfung der richtigen Daten verschiedene Dinge analysiert oder vorausgesagt werden. Dies geschieht bereits in vielen Bereichen und viele weitere Anwendungen sind denkbar: im Bereich der Medizin können Krankheitsrisikofaktoren erkannt werden, im Bereich der Politik können Wahlwerbungen personalisiert und optimiert eingesetzt werden, im Bereich der Energie können Stromnetze überwacht und Strommengen gezielt erhöht oder reduziert werden.
Um eine bessere Vorstellung von «Big Data» zu erhalten, wurden im Laufe der Zeit die folgenden fünf «V» definiert:
- Volume (Datenmenge)
Die Basis von Big Data, eine riesige Menge an verschiedensten Daten, oft unstrukturiert und schwierig auszuwerten. - Velocity (Geschwindigkeit)
Die Daten werden schnell produziert, vermehren sich im Sekundentakt und sollten noch schneller ausgewertet werden. - Variety (Vielfalt)
Die Daten sind nicht mehr einfach in einer Tabelle gespeichert und können da ausgelesen werden. Sie stammen aus vielen internen und externen Quellen, kommen in Form von Bildern, Videos, Texten, GPS-Daten oder Zahlen daher. - Veracity (Wahrheitsgehalt)
Kann man den Daten wirklich vertrauen? Wo stammen diese her, wie genau sind diese, sind die Daten vollständig? Entsprechend komplex kann es sein, aus den Daten etwas exakt vorherzusagen oder zu analysieren. - Value (Wert)
Welchen Wert kann durch konkrete Datenanalyse erzielt werden? Kann damit ein Umsatz vergrössert werden? Können mit der Analyse Arbeitsstunden eingespart werden?
Seit einigen Jahren tragen wir alle dazu bei, dass die Datenmenge stetig vergrössert wird. Kameras im öffentlichen Raum, Messungen von Verkehrsströmen, Analysen von Menschenmassen, Nutzung von Mobiltelefonen, Einkaufen im Shopping-Center oder online. Die Datenmenge wächst rasant und es ist praktisch unmöglich, nicht Teil davon zu sein. Bei der eigenen Nutzung von Social Media oder Suchmaschinen kann man das noch beeinflussen oder auch ganz stoppen, bei anderen Datensammlungen ist das nicht möglich.
Der Einsatz von modernen Lern-Plattformen im Schulalltag können den Zugang zu «Big Data» in die Schule bringen. Wer hat sich wie oft eingeloggt und wie viel Zeit haben die Schülerinnen und Schüler auf der Plattform verbracht? Gibt es da einen Zusammenhang mit den abschliessenden Resultaten vom Abschlusstest? Vielleicht liefert eine einzelne Klasse noch nicht genügend Daten, aber was passiert, wenn alle Lernenden in der Schweiz die gleiche Plattform nutzen? Können die Daten dabei helfen, frühzeitig Fehler zu erkennen oder Lern-Niveaus automatisch zu erkennen und Aufgaben entsprechend anzupassen? Können Lernende automatisiert und individuell gezielt unterstützt werden?
Konsortium MIA21
Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
