idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instance:
Share on: 
07/12/2019 12:09

Datenanalyse: Unsicherheit als Informationsquelle

Monika Landgraf Strategische Entwicklung und Kommunikation - Gesamtkommunikation
Karlsruher Institut für Technologie

    Wachsende Datenmengen eröffnen Möglichkeiten, Herausforderungen aus Gesellschaft, Wissenschaft und Wirtschaft zu lösen. Allerdings unterliegen Daten und Analysen in der Praxis Unsicherheiten. Geeignete wahrscheinlichkeitstheoretische Verfahren können aus Unsicherheiten aber eine Informationsquelle machen. Im Projekt „Uncertainty Quantification – From Data to Reliable Knowledge“ arbeiten Anwender und Mathematiker des Karlsruher Instituts für Technologie (KIT) und neun weiterer Institutionen nun zusammen, um zuverlässige Erkenntnisgewinne aus großen Datenmengen zu ermöglichen und anwendbare Werkzeuge zu entwickeln. Gefördert wird es von der Helmholtz-Gemeinschaft für die nächsten drei Jahre.

    „Gerade bei Themen von öffentlichem Interesse wie Klimawandel, Energieversorgung und personalisierter Medizin ist eine Quantifizierung und verständliche Vermittlung von Wahrscheinlichkeiten, Chancen und Risiken unerlässlich“, sagt Professor Martin Frank vom KIT. Er ist Direktor des Steinbuch Centre for Computing (SCC) des KIT und Sprecher des KIT-Zentrums MathSEE (steht für Mathematics in Sciences, Engineering, and Economics). „Wir halten es für unverzichtbar, Unsicherheiten zu verstehen, und möchten mit unserem Projekt die Datenkompetenz von Forschenden stärken.“ Das Projekt „Uncertainty Quantification – From Data to Reliable Knowledge“ war nun im Rahmen des Helmholtz-Inkubators im Bereich Information & Data Science erfolgreich. Das Projekt kombiniert die Entwicklung von Methoden und Werkzeugen zum Umgang mit Unsicherheiten in Datenmengen mit deren Vermittlung.

    Mit geeigneten probabilistischen, also wahrscheinlichkeitstheoretischen Verfahren der Data Science stellt Unsicherheit eine wertvolle Informationsquelle und Bereicherung von Blackbox-Ansätzen wie der Künstlichen Intelligenz dar. Um diese Vorteile zu nutzen, setzt das Projekt an der Schnittstelle von Anwendungen und Mathematik an. Ziel ist es, zuverlässige Erkenntnisgewinne aus Daten zu ermöglichen, indem breit anwendbare Werkzeuge und Methoden im Forschungsfeld Uncertainty Quantification (Deutsch etwa „Unsicherheitsbemessung oder Fehleranalyse“) anhand konkreter Anwendungsfälle entwickelt werden.

    Data Science für Klima, Energie, Gesundheit und Information

    Das Projekt vernetzt Forschende aus den vier Forschungsprogrammen Erde & Umwelt, Energie, Gesundheit und Information der Helmholtz-Gemeinschaft untereinander sowie mit Helmholtz-Datenwissenschaftlerinnen und -wissenschaftlern sowie externen Hochschulpartnern aus Mathematik und Ökonometrie. Ein Beispiel aus den künftigen Projektthemen sind etwa die erneuerbaren Energien mit ihrem schwankenden Beitrag zur Energieversorgung. Die Planung und Operation der zukünftigen Energiesysteme erfordert daher eine verlässliche Quantifizierung der Unsicherheiten der Beiträge. Ein weiteres Beispiel sind Klimaprojektionen, die auf komplexen Simulationsmodellen beruhen, in die fehlerbehaftete Messdaten eingespeist werden. Eine genaue Quantifizierung von Unsicherheiten erlaubt eine bessere Auseinandersetzung mit dem Klimawandel und der Kommunikation über ihn.

    Mithilfe der entwickelten Werkzeuge und methodischen Ansätze werden Wissenschaftlerinnen und Wissenschaftler aus den Fachdisziplinen verlässliches Wissen aus Unsicherheit extrahieren können, wo traditionelle Ansätze und Software an den schnell wachsenden Datenmengen und deren hoher Variabilität scheitern. Das Projekt wird mit zwei Millionen Euro von der Helmholtz-Gemeinschaft gefördert, weitere zwei Millionen Euro bringen die beteiligten Institutionen ein. Professor Martin Frank vom KIT koordiniert es gemeinsam mit Professorin Christiane Fuchs, die an der Universität Bielefeld und dem Helmholtz-Zentrum München lehrt und forscht.

    Helmholtz-Inkubator Information & Data Science

    Der Helmholtz-Inkubator Information & Data Science ist ein langfristiger, gemeinschaftsweiter Bottom-up-Prozess und bringt die vielfältige Expertise der Helmholtz-Gemeinschaft im Bereich Information & Data Science zusammen. Er fördert Pilotprojekte, die innovative Ansätze zum Thema haben und dabei Forscherinnen und Forscher über die Grenzen der Helmholtz-Zentren und Forschungsbereiche hinweg verbinden. Information & Data Science umfasst Methoden und Technologien zur Gewinnung von Wissen aus Daten unter den Herausforderungen großer, komplexer, schnelllebiger oder schwach strukturierter Daten (Big Data) entlang der gesamten Daten-Wertschöpfungskette (Data-Lifecycle).

    Details zum KIT-Zentrum MathSEE "Mathematics in Sciences, Engineering, and Economics": https://www.mathsee.kit.edu

    Weiterer Pressekontakt:

    Kosta Schinarakis
    Redakteur/Pressereferent
    Tel.: +49 721 608-21165
    E-Mail: schinarakis@kit.edu

    Als „Die Forschungsuniversität in der Helmholtz-Gemeinschaft“ schafft und vermittelt das KIT Wissen für Gesellschaft und
    Umwelt. Ziel ist es, zu den globalen Herausforderungen maßgebliche Beiträge in den Feldern Energie, Mobilität und Information zu leisten. Dazu arbeiten rund 9 300 Mitarbeiterinnen und Mitarbeiter auf einer breiten disziplinären Basis in Natur-, Ingenieur-, Wirtschafts- sowie Geistes- und Sozialwissenschaften zusammen. Seine 25 100 Studierenden bereitet das KIT durch ein forschungsorientiertes universitäres Studium auf verantwortungsvolle Aufgaben in Gesellschaft, Wirtschaft und Wissenschaft vor. Die Innovationstätigkeit am KIT schlägt die Brücke zwischen Erkenntnis und Anwendung zum gesellschaftlichen Nutzen, wirtschaftlichen Wohlstand und Erhalt unserer natürlichen Lebensgrundlagen.

    Diese Presseinformation ist im Internet abrufbar unter: http://www.sek.kit.edu/presse.php


    Contact for scientific information:

    Weiterer Pressekontakt:

    Kosta Schinarakis
    Redakteur/Pressereferent
    Tel.: +49 721 608-21165
    E-Mail: schinarakis@kit.edu


    More information:

    https://www.mathsee.kit.edu
    http://www.sek.kit.edu/presse.php


    Images

    Im Forschungsfeld Uncertainty Quantification entstehen Werkzeuge für die Data  Science, die Unsicherheit als Informationsquelle nutzen. (Foto: Markus Riecker, KIT)
    Im Forschungsfeld Uncertainty Quantification entstehen Werkzeuge für die Data Science, die Unsicher ...
    (Foto: Markus Riecker, KIT)
    None


    Attachment
    attachment icon KIT: Datenanalyse: Unsicherheit als Informationsquelle

    Criteria of this press release:
    Journalists
    Energy, Information technology, Mathematics, Oceanology / climate
    transregional, national
    Cooperation agreements, Research projects
    German


     

    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).