Big Data

Big Data ist ein Überbegriff und umschreibt Sammlungen von strukturierten und unstrukturierten Daten, die zu groß sind, um mit herkömmlichen Methoden verarbeitet zu werden. Eine feste Größe, ab wann von Big Data gesprochen werden darf oder auch nicht, gibt es dabei jedoch nicht. Generell handelt es sich jedoch um Daten, die im Terrabyte Bereich liegen und zu groß sind, um auf einmal verarbeitet zu werden.

Beispiel für eine Quelle von Big Data könnte bspw. eine vernetze Stadt sein, in der tausende von Sensoren Messwerte erfassen und die BewohnerInnen mit GPS Trackern verfolgt werden. Aus solchen miteinander kombinierten Daten könnte dann etwa der Verkehr innerhalb der Stadt optimiert oder auch das Verhalten über den Tag einzelner BürgerInnen untersucht werden. Dieses Beispiel zeigt jedoch auch gut auf, dass Big Data auch zur Überwachung eingesetzt werden kann und somit aus datenschutzrechtlicher Perspektive teilweise kritische gesehen wird. Dieser Artikel stellt nachfolgend zunächst die verschiedenen Arten von Daten vor und geht im Anschluss weiter auf die Anwendungen von Big Data ein.

Verschiedene Datenarten #

Um Daten clustern zu können, muss erst einmal die Frage gestellt werden, was sind überhaupt Daten? Unter dem Begriff Daten versteht man sich allgemein eine Information, die in digitaler Form vorliegt und von einem Computer verstanden bzw. gelesen werden kann. Bilder etwa lassen sich durch eine 3-dimensionale Matrix von Zahlen speichern, die sogenannten RGB-Channel. Der Computer weiß zwar direkt nicht, was auf dem Bild dargestellt wird (außer durch den Einsatz von Computer Vision), jedoch weiß er wie die Daten zu lesen und in eine für den Menschen verständliche Form zu bringen sind. Weitere Beispiele für Daten sind unter anderem:

• Sensordaten – Temperatur, Geschwindigkeit oder Audioaufnahmen (auch Mikrofone sind Sensoren)
• Texte – Kurznachrichten wie etwa Tweets, E-Books und Ähnliches
• Logdaten – Zugriffszahlen auf eine Webseite, Ein- und Ausstempeln beim Arbeiten
• . . .

Alle Daten lassen dabei in drei verschiedene Bereiche bzw. Formen unterteilen:

Alle Daten lassen sich in einen dieser drei Bereiche einordnen, wobei die Zuordnung teilweise nicht ganz eindeutig ist und die Grenzen nicht klar formuliert sind. Je nach Art der Daten sind unterschiedliche Methoden zur weiteren Verarbeitung erforderlich. Bspw. ist das Pandas Paket sehr gut für strukturierte Daten wie Tabellen geeignet, kann jedoch mit unstrukturierten Daten wie etwa Audiosignalen wenig bis gar nicht anfangen. Auch im Bereich des maschinellen Lernens haben sich unterschiedliche Ansätze entwickelt, mit den verschiedenen Formen der Daten umzugehen.

Big Data setzt sich aus allen drei Bereichen zusammen und entsteht häufig erst, da Daten aus verschiedenen Quellen zusammengeführt und weiterverarbeitet werden. Gerade durch die Kombination von Datenquellen und der Verbindung von unstrukturierten mit strukturierten Daten lassen sich spannende Insights aufdecken. Ein Beispiel hierzu ist etwa die Analyse von Produktildern in Kombination mit zugehörigen Eigenschaften in tabellarischer Form.

Rechtliche Einschränkungen #

Wie bereits im oberen Teil angeschnitten, ist Big Data aus datenschutzrechtlicher Perspektive ein viel diskutiertes Thema, da es sich in den allermeisten Fällen bei den Datenbeständen um personenbezogene Daten handelt, die anschließend von Unternehmen weiter analysiert und gespeichert werden. Nutzende wissen dabei an vielen Stellen nicht, was tatsächlich mit ihren Daten passiert und zu welchen Zwecken diese langfristig gespeichert werden. Innerhalb der EU regelt die DSGVO grundlegende Fragen zum Datenschutz, jedoch haben Unternehmen nach wie vor viel Spielraum und einige Big Data Anwendungen sollten zumindest kritisch hinterfragt werden.

Weiterführende Links:
Was ist Big Data? Definition und Beispiele: https://www.ionos.de/digitalguide/online-marketing/web-analyse/big-data-definition-und-beispiele/
What is Big Data?: https://www.oracle.com/big-data/what-is-big-data/
Datenschutz Grundverordnung DSGVO: https://dsgvo-gesetz.de/