INTERVIEW Der Dieburger Markus Döhring ist Professor für Datenwissenschaft

„Der Rohstoff der Zukunft“

Der Dieburger Markus Döhring (36), den die Hochschule Darmstadt als Professor für Data Science und Grundlagen der Informatik berufen hat. Foto: dörr

Dieburg – „Wo ist die Weisheit, die wir im Wissen verloren haben? Wo ist das Wissen, das wir in der Information verloren haben?“ So fragte 1934 der US-Schriftsteller T. S.

Eliot und meinte das schon damals wohl eher rhetorisch in dem Gefühl, allein mit vielen Fakten wenig anfangen zu können. Was würde Eliot wohl heute sagen, da sekündlich Datensätze ohne Ende produziert werden – und die Menschheit trotzdem nicht nur schlauer zu werden scheint?.

Ein Dieburger könnte ihm bei der Antwort auf seine Fragen helfen. Seit einem Jahr ist Markus Döhring an der Hochschule Darmstadt (h_da) als Professor für Data Science und Grundlagen der Informatik berufen. Im Interview nähert er sich der recht abstrakten Datenwissenschaft auf allgemeinverständlicher Ebene.

Herr Döhring, ob ich im Internet surfe, im Geschäft mit der Kundenkarte bezahle oder an Kameras im öffentlichen Raum vorbeilaufe: Daten produziere ich ständig, gewollt wie ungewollt. Warum nehmen sich Industrie und Wissenschaft des Themas immer intensiver an?

Daten sind der Rohstoff der Zukunft. Wobei sich das Öl verbraucht und die Daten immer mehr werden. In der Industrie gibt es zunehmend die Erkenntnis, dass man Daten ansammeln und zu Geld machen kann.

Ein bekanntes Beispiel ist der Internet-Versandhändler Amazon, der seinem Kunden auf Grundlage getätigter Käufe weitere Produkte vorschlägt, die ihm mit hoher Wahrscheinlichkeit gefallen ...

Ja, wer dort ein Buch gekauft hat, für den hat Amazon garantiert noch ein anderes im Angebot, das zum persönlichen Geschmack passen könnte. Den konkreten Nutzen vom Sammeln und Auswerten der Daten kann man aber auch an ganz anderen Beispielen verdeutlichen.

Bitte ...

Man kann zum Beispiel beim Gebrauch von Maschinen selbst leichteste Unterschiede bei Temperatur oder Druck feststellen. Diese Daten können dann helfen, die Wartung effektiver zu machen und damit Maschinen effizienter zu betreiben.

Auch in der Medizin gibt es Anwendungsmöglichkeiten.

Genau, beispielsweise können automatisiert erhobene Daten den Arzt bei seiner Diagnose unterstützen. So lässt sich etwa die Krankheitsvorhersage am Auge anhand des maschinellen Lesens auf Bildern der Netzhaut optimieren. So kann der Arzt auch kleinste Abweichungen oder Besonderheiten entdecken, die er mit bloßem Auge vielleicht nicht erkannt hätte.

Die immer präziseren Methoden der Datenerhebung und -auswertung sind trotz solcher Chancen vielen nicht geheuer.

Das Erheben und Nutzen von Daten wird noch zunehmen. Die Skepsis ist nachvollziehbar. Beispielsweise bei der Bonitätsprüfung, die ausschlaggebend sein kann, ob man einen Kredit erhält oder nicht. Die dafür zugrunde liegende Datensammlung und -auswertung ist für viele undurchschaubar. Und anhand Ihrer Payback-Karte für den Supermarkt kann ich mir ein erstes Bild davon machen, wie gesund Sie sind.

Weil Sie dann wissen, was über den Scanner gezogen wurde?

Ja. Wenn ich sehe, dass Sie häufig Kartoffelchips kaufen, ist das zum Beispiel ein Anhaltspunkt dafür, dass Sie sich ungesund ernähren, Sie also recht wahrscheinlich mit den negativen gesundheitlichen Folgen kämpfen oder eines Tages kämpfen werden. Was natürlich sehr vereinfacht dargestellt ist, aber das Prinzip ganz gut veranschaulicht.

Man kann auch politische Prozesse beeinflussen. Wenn ich jemanden zum Beispiel bei Facebook durch seine Einträge als Merkel-Gegner identifiziere, kann ich ihn gezielt mit Beiträgen „versorgen“, die ihn in seinem Bild bestätigen oder erschüttern.

Die Möglichkeiten der Einflussnahme durch das Sammeln, Auswerten und geschickte Nutzen von Daten sind in der Tat groß – und nicht immer unproblematisch. So etwas thematisieren wir in unserem Studiengang in der Pflichtvorlesung „Ethik und Datenschutz“.

Ansonsten dominieren bei den angehenden Data Scientists Mathematik und Informatik.

Richtig, diese Bereiche haben wir in unserem Studiengang zusammengefasst. Sie laufen sonst ja eher nebeneinander her. Wir versuchen hingegen, sie aufeinander abzustimmen.

Wer sind die knapp 100 Studenten, die sich an der h_da derzeit mit der Datenwissenschaft befassen?

Da wir ein reiner Master-Studiengang sind, haben die Studenten vorher in der Regel ihren Bachelor in Mathematik oder Informatik gemacht. Das ist auch unsere Expertise, wir haben zum Beispiel je fünf Informatik- und fünf Mathematikprofessoren. Unser Studiengang ist auf Deutsch, weshalb wir überwiegend deutsche Studenten haben. Der Frauenanteil liegt bei 25 bis 30 Prozent – höher als in der Informatik und niedriger als in der Mathematik.

Gerade haben die ersten Absolventen der Data Science die h_da verlassen. Was machen sie nun?

Das ist völlig unterschiedlich und kann auch mit den Data-Science-Projekten zusammenhängen, die die Studenten im Studium schon mit Unternehmen aus der Region gemacht haben. Die Gebiete reichen von der Chemie bis zur BWL. Bei uns kriegen die Studenten die Kenntnisse aus Mathematik und Informatik mit auf den Weg. Das Domänenwissen müssen sie sich noch aneignen, das können wir in seiner Breite natürlich nicht vermitteln und wollen da auch gezielt keine Grenzen setzen. Auf dem Markt gibt es aber mehr Nachfrage nach Data Scientists, als derzeit gedeckt werden kann. Zumal wir mit unserem Studiengang, den wir 2016 gestartet haben, in Deutschland bei den Pionieren sind.

Ihre persönliche Annäherung an die Datenwissenschaft begann als Oberstufenschüler der Dieburger Alfred-Delp-Schule ...

Ja, die Zeit auf der ADS war durchaus prägend für meinen weiteren Werdegang. Wichtig war, dass es auf der Delp-Schule einen eigenen Leistungskurs für Informatik gab. Dort haben wir uns bereits sehr viel mit Datenbanken befasst. Das war für mich schon richtungsweisend.

Das Gespräch führte Jens Dörr

DAS KÖNNTE SIE AUCH INTERESSIEREN

Kommentare