Methoden zur Analyse großer Datensätze

Wie können immer größere wissenschaftliche Datenmengen verarbeitet und ausgewertet werden? Und wie kann man Erdbeobachtungsdaten mit Messungen am Boden sinnvoll kombinieren und damit neue Informationsquellen erschließen? Im Querschnittsprojekt Big-Data-Plattform erarbeiten Wissenschaftler des Deutschen Zentrums für Luft- und Raumfahrt (DLR) Methoden für den Zukunftsbereich Big-Data-Science. In dem interdisziplinären Forschungsprojekt arbeiten 21 DLR-Institute aus den Forschungsbereichen Raumfahrt, Luftfahrt, Verkehr, Energie und Sicherheit zusammen.

„Big-Data-Science ermöglicht eine Vielzahl neuer Forschungsansätze und ist ein Schlüssel des digitalen Wandels, der sich in der gesamten Gesellschaft vollzieht - inklusive der Wirtschaft. Mit dem Querschnittsprojekt Big-Data-Plattform, das in der Strategie zur Digitalisierung fest verankert ist, erarbeitet das DLR Methoden, um aus Daten gesellschaftlich relevantes Wissen zu erzielen“, sagte die DLR-Vorstandsvorsitzende Prof. Pascale Ehrenfreund. „Wir verfügen bereits in vielen Bereichen über große Erfahrungen im Bereich Big-Data-Science, zum Beispiel in der Fernerkundung, in der Verkehrsforschung und bei detaillierten Computersimulationen in der Luftfahrt. Mit dem breit aufgestellten Projekt Big-Data-Plattform können wir Synergieeffekte aus unseren unterschiedlichen Forschungsbereichen hervorragend nutzen", so Ehrenfreund weiter.

Zusamenführen heterogener Datensätze

Ein wichtiges Ziel des Projekts ist die Entwicklung von Methoden zur Analyse großer Datensätze. Zudem arbeiten die Forscher an Datenmanagementtechniken, die das Zusammenführen von heterogenen Datensätzen ermöglichen. Durch die Verknüpfung unterschiedlicher Datensätze, etwa von Satellitenbildern mit Gebäudeaufnahmen, können neue, bislang nicht erkennbare Informationen abgeleitet werden, wodurch beispielsweise unterschiedliche Stadtgebietstypen viel besser voneinander unterscheiden werden können, was für die Städteplanung von besonderer Relanz ist.

Data-Mining und maschinelles Lernen

Ein weiterer Fokus im Querschnittsprojekt Big-Data-Plattform liegt auf der Erforschung von Analyseverfahren, die "Data-Mining" und maschinelles Lernen nutzen. Data-Mining umfasst dabei die Analyse von Daten mit dem Ziel, Informationen und Gesetzmäßigkeiten "aufzuspüren". Beim maschinellen Lernen sollen hingegen nicht nur Muster und Gesetzmäßigkeiten erkannt werden - das System soll vielmehr seine Fähigkeiten durch Verarbeitung von Trainingsdatensätzen weiterentwickeln. In der Erdbeobachtung beispielsweise können Datensätze mit selbstlernenden Systemen besser und schneller interpretiert werden. Dadurch lassen sich Gebäude, Straßen oder auch Vegetationstypen aus Luft- und Satellitenbildern wesentlich genauer ableiten. Maschinelle Lernverfahren bilden ferner einen wichtigen Baustein zum Aufbau von Systemen im Bereich "autonomes Fahren" und "intelligente Mobilität". Ein konkretes Anwendungsbeispiel ist die hochgenaue Ableitung von Straßen und Straßenmarkierungen, mit der in einer Echtzeit-Analyse freie Parkplätze in einer Stadt herausgefiltert werden können.

Weitere Informationen finden Sie hier.