Was ist Big Data?
Eine eindeutige Definition des Begriffs „Big Data” liegt bislang nicht vor, wohl aber teilen sich viele Begriffsklärungen eine oder mehrere Aussagen in Bezug auf die Menge, die Strukturiertheit und die angewendeten Technologien zur Auswertung der digitalen Daten (Ward und Barker 2013). Big Data setzt immer leistungsfähigere Speichermedien voraus, um kontinuierlich digitale Daten zu sammeln und mithilfe von Programmen und Maschinen Lernen auszuwerten. Die Verfügbarkeit digitaler Datenmassen ist eine Folge der digitalen Transformation unserer Gesellschaft und der exponentiell gestiegenen Kapazität von Speichertechnologien und der Leistungsfähigkeit von Prozessoren und Algorithmen.
BOX: Eine Erläuterung des Begriffs Big Data aus informatischer Sicht findet sich hier: https://gi.de/informatiklexikon/big-data
Aus einer engeren wirtschaftlichen Perspektive bezeichnet Big Data laut Bundesverband Informationswirtschaft, Telekommunikation und neue Medien (Bitkom) „die Analyse großer Datenmengen aus vielfältigen Quellen in hoher Geschwindigkeit mit dem Ziel, wirtschaftlichen Nutzen zu erzeugen“ (Bitkom 2012, S. 7).
Häufig in der Literatur zitiert wird die Charakterisierung von Big Data über englischsprachige „V“-Begriffe (Laney 2001; Isitor und Stanier 2016). Demnach zeichnet sich Big Data aus durch: „Volume“, „Velocity“ und „Variety“.
https://gi.de/informatiklexikon/big-data/
»Volume«
Die Menge an Daten, zu deren Bearbeitung konventionelle Datenbanksysteme nicht mehr ausreichen und verteilte, parallele Systeme eingesetzt werden.
»Velocity«
Die Geschwindigkeit bzw. Beschleunigung des Datenverkehrs und die Analyse der Daten in Echtzeit.
Die Geschwindigkeit bzw. Beschleunigung des Datenverkehrs und die Analyse der Daten in Echtzeit.
»Variety«
Die unstrukturierte Beschaffenheit der Daten jedweden Formats (Text‑, Bild‑, Audio- und Videodaten, Metadaten usw.) im Unterschied zu den strukturierten, traditio-nellen Datenbanksystemen.
Die unstrukturierte Beschaffenheit der Daten jedweden Formats (Text‑, Bild‑, Audio- und Videodaten, Metadaten usw.) im Unterschied zu den strukturierten, traditio-nellen Datenbanksystemen.
In seiner im November 2017 veröffentlichten Stellungnahme zu Big Data im Gesundheitswesen legt der Deutsche Ethikrat folgende Arbeitsdefinition zugrunde:
„Big Data ist der Umgang mit großen Datenmengen, der darauf abzielt, Muster zu erkennen und daraus neue Einsichten zu gewinnen, und der hierzu angesichts der Fülle und Vielfalt der Daten sowie der Geschwindigkeit, mit der sie erfasst, analysiert und neu verknüpft werden, innovative, kontinuierlich weiterentwickelte informationstechnologische Ansätze nutzt.” (Deutscher Ethikrat 2017, S. 36, i.O. kursiv)
Im Folgenden steht nicht die informatisch-technische Umsetzung von Big Data im Vordergrund, sondern die gesellschaftlich-kulturellen Auswirkungen, die sich durch die fortschreitenden Computerisierung und Datafizierung ergeben. Big Data kann so als eine Erweiterung der Beobachtungs- und Verarbeitungsmöglichkeiten verstanden werden; sie ist „weniger eine neue Technologie denn eine neue oder jedenfalls signifikant verbesserte Methode der Erkenntnisgewinnung” (Mayer-Schönberger 2015, S. 14).
Die US-amerikanische Forscherinnen Boyd und Crawford (2013, S. 188 f.) begreifen Big Data als Zusammenspiel von Technik, Analyse und „Mythologie“:
„Damit einher geht der weitverbreitete Glaube, dass große Datensätze uns Zugang zu einer höheren Form der Intelligenz und des Wissens verschaffen, die neue, bislang unmögliche Einsichten generieren, Einsichten, die eine Aura der Wahrheit, der Objektivität und der Genauigkeit umgibt.“
Auch der Deutsche Ethikrat (2017, S. 47) spricht von einem „Missverständnis zu glauben, dass mehr Daten auch automatisch zu mehr Wissen über kausale Effekte führen. Es wäre zudem ein Kategorienfehler, Korrelationsaussagen mit Kausalaussagen zu verwechseln”. So lassen sich anhand von Big Data Analysen statistische Zusammenhänge aufzeigen, die aber nicht unbedingt etwas über Wirkungszusammenhänge aussagen.
Ein „Versprechen der Allwissenheit“ (Geiselberger & Moorstedt 2013) durch Big Data und die Grenzen der Anwendbarkeit von Big Data Analytics in sozialen Bereichen muss zum Gegenstand einer kritischen Medienbildung werden. Es stellt sich allerdings die Frage, wie tief ein grundlegendes Verständnis über Big Data reichen muss, damit informierte und selbstbestimmte Entscheidungen über diese Systeme möglich sind.
BOX: Eine Diskussion des Big Data Begriffs aus medienwissenschaftlicher Sicht findet sich hier:https://www.bigdataliteracy.net/glossar/?rdp_we_resource=https%3A%2F%2Fwww.ds-glossar.de%2Fwiki%2FBig_Data
BOX
https://www.content-digitale-lernwerkstatt.com/projects/modul4_1/level1/introduction.mp4
https://www.bigdataliteracy.net/2021/05/17/datensammlung-big-data/
Das Modul „Datensammlung – Big Data“ der Digitalen Lernwerkstatt richtet sich an Lehrerinnen und Lehrer und befasst sich mit der massenhaften Sammlung und Auswertung von Daten. Es enthält drei Kurz-Videos. Das erste Video gibt eine knappe Definition (2 min), das zweite fragt danach, wie Big Data unser Leben beeinflusst.
BOX
https://www.bigdataliteracy.net/2021/05/17/unterrichtseinheit-was-ist-big-data/
Die Unterrichtseinheit „Was ist Big Data?“ nimmt 45 Minuten in Anspruch und richtet sich an Schülerinnen und Schüler im Alter von 12 bis 16 Jahren an Gymnasien, Real- und Hauptschulen. Es wird der Begriff „Big Data“ eingeführt und erklärt, wie und welche Mengen an Daten im Alltag produziert werden. Die Materialien stehen zum Download zur Verfügung. Die „Digitale Lernwerkstatt” ist ein Projekt der Accenture Dienstleistungen GmbH.