• Keine Ergebnisse gefunden

Bernhard Koerber und Andreas Grillenberger (2021): Alltägliches im digitalen Zeitalter (Editorial). LOG IN - Informatische Bildung und Computer in der Schule 1, S. 3.

N/A
N/A
Protected

Academic year: 2022

Aktie "Bernhard Koerber und Andreas Grillenberger (2021): Alltägliches im digitalen Zeitalter (Editorial). LOG IN - Informatische Bildung und Computer in der Schule 1, S. 3."

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Alltägliches im digitalen Zeitalter

Im Jahr 2002 lag der Menschheit erstmals mehr Information digital als analog vor – spätestens jetzt war das ,,Digitale Zeitalter“ angebro- chen. Dies wurde von Martin Hil- bert und Priscila López in ihrem Aufsatz The World’s Technological Capacity to Store, Communicate, and Compute Information festge- stellt, der im Jahr 2011 erschienen war. Und schon 2007 wurde ge- schätzt, dass bereits 94 Prozent der weltweiten technologischen Infor- mationskapazität digital war – nach lediglich 3 Prozent im Jahr 1993. Ei- ner IDC-Studie aus dem Jahr 2011 zufolge verdoppelt sich das welt- weite erzeugte Datenvolumen mitt- lerweile alle zwei Jahre.

Als Schlagwort für diese elektro- nisch vorhandenen Massendaten hat sich der Begriff Big Data durch- gesetzt. Doch für heutige Anwen- dungszwecke ist nicht nur das schlichte Vorhandensein dieser Da- tenmengen zentral, sondern vor al- lem ihre Auswertung. Im Allgemei- nen sind diese Massendaten jedoch zu umfangreich, zu komplex, zu schnelllebig oder zu gering struktu- riert, um sie mit manuellen oder herkömmlichen automatisierten Methoden auszuwerten. Mithilfe künstlicher Intelligenz und der ent- sprechenden Algorithmen aller- dings können diese Daten struktu- riert und in ihnen bis dahin unbe- kannte Zusammenhänge erkannt werden.

So können in der Forschung durch Verknüpfung großer Daten- mengen und statistischer Auswer- tungen neue Erkenntnisse gewon- nen werden. Beispielsweise sind in einer Studie mit rund 16000 Kin- dern die Zusammenhänge zwischen Übergewicht und Diabetes in den Jahren von 2006 bis 2012 unter- sucht worden (IDEFICS – Identifi- cation and prevention of Dietary- and lifestyle-induced health EFfects

In Children and infantS). Dabei konnte statistisch festgestellt wer- den, dass wer schon als Kind häufig Süßes isst, auch später häufiger zu zuckerhaltigen Lebensmitteln greift und sein Risiko erhöht, Überge- wicht und Stoffwechselstörungen zu entwickeln.

Doch obwohl Big-Data-Analysen nach einer modernen Errungen- schaft klingen, ist deren Prinzip nicht neu: Schon bei der Entdeckung der Ursache der Choleraepidemie in Hamburg 1892 durch Robert Koch wurden von ihm den heutigen Big- Data-Methoden sehr ähnliche Mittel eingesetzt. So konnte Koch insbe- sondere den korrelativen Zusam- menhang feststellen, dass auf der Hamburger Seite einer Straße eine deutlich höhere Anzahl Cholera-Fäl- le feststellbar war als auf der ande- ren, der Stadt Altona zugehörigen Straßenseite. Da sich eine Seuche si- cherlich nicht an politischen Ge- meindegrenzen orientiert, aber eine offensichtliche Korrelation zwischen der Gemeinde und der Fallzahl be- stand, führte dies zur weiteren Ana- lyse der Daten und zur Entdeckung eines Unterschieds im Wasserversor- gungssystem, der die Verbreitung des Bakteriums förderte. Dieses Bei- spiel zeigt eine der typischen Eigen- schaften auch moderner Datenana- lysen: Die schon vorhandenen Daten werden explorativ untersucht, Kor- relationen in diesen entdeckt und gegebenenfalls – je nach Zielsetzung der Analyse – hinsichtlich der zu- grunde liegenden Kausalzusammen- hänge analysiert.

Aber auch Unternehmen erhof- fen sich von Big-Data-Analysen neue Möglichkeiten zur Erlangung von Wettbewerbsvorteilen, zur Ge- nerierung von Einsparungspoten- zialen und zur Schaffung neuer Ge- schäftsfelder. Staatliche Stellen er- hoffen sich bessere Ergebnisse in der Bekämpfung krimineller und

terroristischer Delikte. Und gerade diese Aktivitäten geben zum Be- griff Big Data der Assoziation zum Begriff Big Brother großen Raum, dem Diktator des Überwachungs- staats in George Orwells Roman 1984, den er bereits im Jahr 1949 veröffentlichte.

Insbesondere umfassen diese Massendaten mittlerweile auch Be- reiche, die als privat gelten: Der Wunsch der Industrie und bestimm- ter Behörden, möglichst freien Zu- griff auf solche Daten zu erhalten, sie besser analysieren zu können und die gewonnenen Erkenntnisse zu nutzen, gerät dabei unweigerlich in Konflikt mit geschützten Persönlich- keitsrechten der Einzelnen. Klassi- sche Anwender sind derzeit vor al- lem die Betreiber sogenannter sozia- ler Netzwerke und von Suchmaschi- nen. Die Erfassung und Analyse der hier anfallenden großen Datenmen- gen ist heute alltäglich.

Was wirklich mit dem Begriff Big Data zusammenhängt, welche Mög- lichkeiten, Grenzen, aber auch Ge- fahren sich dahinter verbergen, ist trotz seiner politischen, wirtschaft- lichen, sozialen und nicht zuletzt persönlichen Dimensionen den we- nigsten Betroffenen bekannt. Des- halb ist die vorliegende Ausgabe von LOG IN diesem Thema gewid- met – im Anschluss an die vorher- gehende Ausgabe, bei der das The- ma Künstliche Intelligenz im Mittel- punkt stand. Prädestiniert, solche Themen aufzugreifen, ist ohne Zweifel ein fundierter Informatik- unterricht. Mit den in diesem Heft vorliegenden Beiträgen, vor allem mit den Unterrichtsbeispielen soll gezeigt werden, wie ein solcher all- gemeinbildender Informatikunter- richt aussehen könnte, in dem auf aktuelle Themen eingegangen wird.

Andreas Grillenberger Bernhard Koerber

LOG IN Heft Nr. 195/196 (2021)

3

E D I T O R I A L

Referenzen

ÄHNLICHE DOKUMENTE

Da dies praktisch nicht umsetzbar ist, muss der seitenübergreifende J AVA S CRIPT -Zugriff daher vermieden werden, indem eine vorgeschaltete Anwendung genutzt wird, die als

Ent- sprechende Datenquellen sind auch für die Betrach- tung von Big Data und Data Science im Informatik- unterricht spannend, denn durch geeignete Wahl der Daten kann

Diese Aufgabe wird mit einer Puzzle-Aktivität eingeleitet: Die Schülerinnen und Schüler erhalten eine Vorlage für das Spiel Bana- nenjagd (siehe Bild 2).. Sie enthält alle

Erst zu Beginn der 2010er-Jahre ermöglichten signifikant gestiegene Rechnerleistungen und die Verfüg- barkeit immer größerer Datenmen- gen einen weitverbreiteten Einsatz von

Auch deshalb wird unüberwachtes Ler- nen manchmal zur Vorverarbeitung von Daten eingesetzt, die beispielsweise in Gruppen zugeordnet und dann für überwachtes Lernen als

1) Data Science ist ein zunehmend wichtiger interdisziplinärer For- schungs- und Bildungsbereich, der eine starke Basis in der In- formatik (insbesondere Datenma- nagement)

Die Strukturierung eines Fachgebiets durch Ermittlung der zugrunde liegenden Ideen, Kon- zepte oder Prinzipien ist insbesondere in den naturwissenschaftlichen Fächern und in

Durch eine Analyse dieser Herausforde- rungen und M¨oglichkeiten, sowie der Relevanz von Big Data f¨ur den Informatikunterricht, wird eine Grundlage f¨ur zuk¨unftige Lehrpl¨ane