Wie sich riesige Datenmengen auswerten lassen
Redaktion
/ Pressemitteilung des DLR astronews.com
18. Juli 2018
Erdbeobachtungssatelliten liefern inzwischen enorme
Datenmengen, die es auszuwerten und mit anderen Messungen zusammenzuführen gilt,
um den optimalen Nutzen aus ihnen zu ziehen. Im Deutsche Zentrum für Luft- und
Raumfahrt gibt es daher ein neues Projekt, in dem 21 Institute des DLR Methoden
für den Zukunftsbereich Big-Data-Science erarbeiten sollen.
Anwendungsbeispiele im Bereich der
Big-Data-Science sind die Fernerkundung,
Simulationen im der Luftfahrt, Städteplanung
sowie Krisenmanagement. Auch im Bereich der
Klimainformatik kommen diese Methoden in Einsatz,
um ein besseres Verständnis der Klimamechanismen
zu erhalten.
Bild: DLR (CC-BY 3.0) [Großansicht] |
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. Das Projekt hat eine Laufzeit von vier Jahren und ein
Finanzvolumen von über 21 Millionen Euro.
Die Menge an wissenschaftlich verwertbaren Daten wächst jedes Jahr enorm.
Erst effektive Datenanalysen oder intelligente Vernetzungen ermöglichen die
systematische Auswertung und Nutzung dieser Daten. Gleichzeitig ist der Umgang
mit großen Datenmengen auch eine große Herausforderung.
"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 Prof. Pascale Ehrenfreund, Vorstandsvorsitzende im DLR. "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."
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. "Das DLR arbeitet
schon lange in diesem Forschungsbereich und hat große Erfahrungen bei der
Interpretation großer Datensätze", betont Rolf Hempel, Projektkoordinator und
Leiter der DLR-Einrichtung Simulations- und Softwaretechnik. "Durch die
Verknüpfung unterschiedlicher Datensätze, etwa von Satellitenbildern mit
Gebäudeaufnahmen, die in den Sozialen Medien veröffentlicht wurden, können wir
neue, bislang nicht erkennbare Informationen ableiten. Dadurch lassen sich zum
Beispiel unterschiedliche Stadtgebietstypen viel besser voneinander
unterscheiden - eine Information, die beispielsweise für die Stadtplanung
genutzt werden kann."
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.
Die Echtzeit-Analyse von Bilddaten für ein schnelles Krisenmanagement ist
eine weitere konkrete Anwendung, die im Projekt Big-Data-Plattform bearbeitet
wird: Lagedaten und andere spezifische Informationen bieten Rettungskräften eine
wichtige Unterstützung bei ihren Einsätzen. Intelligente Datenanalysen mit
Methoden des maschinellen Lernens kommen zudem auch in der Klimainformatik zum
Einsatz. Hier werden große Datenmengen für ein besseres Verständnis der
Klimamechanismen ausgewertet.
|