Big Data muss beherrschbar werden

Big Data lässt Softwareprogrammierer nach Hilfe rufen – Wissenschaftler am HPI in Potsdam antworten. Die InnoProfile-Transfer-Initiative 4D- und nD-GeoVis entwickelt Werkzeuge zur räumlichen Visualisierung großer Datensätze.  

„Den wenigsten, die mit ihren mobilen Endgeräten elektronische Daten hin und her schicken, ist es noch bewusst, dass irgendwo ein Rechner stehen muss, der diese digitale Flut auffängt, verarbeitet und verwaltet“, sagt Jürgen Döllner und schmunzelt mit Blick auf das weiße Kabelgeflecht: „Unser digitales Herz hier am Hasso-Plattner-Institut ist da vergleichsweise ein Miniatur-Rechenzentrum.“ Doch lässt es ahnen: Die unvorstellbaren Datenmengen weltweit sind mit den klassischen Methoden nicht mehr zu bewältigen.

Wie kommt es zu diesem überwältigenden Datenwachstum? „Allein in Deutschland hat statistisch gesehen jeder bereits mehr als ein mobiles Endgerät, hinzu kommt die allgegenwärtige Datenerzeugung“, sagt Projektkoordinator Döllner und nennt als Beispiel das modern ausgestattete Auto mit all seiner Sensorik eine „fahrende Big-Data-Maschine“.

Die HPI-Forschungsgruppe von links: Dr. Jürgen Döllner, Rico Richter, Dr. Matthias Trapp, Daniel Limberger. (Foto: PRpetuum GmbH)
Die HPI-Forschungsgruppe von links: Dr. Jürgen Döllner, Rico Richter, Dr. Matthias Trapp, Daniel Limberger.
Foto: PRpetuum GmbH
Die Wissenschaftler der InnoProfile-Transfer-Stiftungsprofessur 4D- und nD-GeoVis – Geovisualisierungstechnologie für massive raumzeitliche und hochdimensionale Informationen – sind moderne Werkzeugmacher sozusagen. Sie entwickeln Demonstratoren und Prototypen von Instrumenten, die Softwareentwickler jetzt und künftig dringend brauchen, um das Big Data-Phänomen zu beherrschen.
 

Die Grafik hat ausgedient

Im Server-Raum des HPI stehen 3D Rendering-Server, die interaktive Bilder berechnen. Solche Bilder werden genutzt, um Datensätze zu visualisieren. „Noch gibt es kein System auf dem Markt“, betont Döllner, „das die Unternehmen nutzen könnten, um ihren Big-Data einfach Gestalt zu geben.“ Wer die digitalen Werkzeuge dafür entwickelt, betritt demnach Neuland.

Matthias Trapp leitet die Nachwuchsforschungsgruppe 4D- und nD-GeoVis. Trapp weiß aus der guten Kooperation mit regionalen Unternehmen: Der Ruf nach räumlicher Visualisierung von Softwareprogrammen wird immer lauter, denn die herkömmlichen Grafiken sind nicht mehr geeignet für die großen Datenmengen. Sein Kollege Daniel Limberger demonstriert das Beispiel einer räumlichen Softwarekarte. Sie ähnelt einer Stadt aus Bausteinen. Aus deren Grundfläche, Farbe und Höhe können Details der komplexen Software herausgelesen werden.

Auf Punktwolken zum Ziel

Stichwort Informationsüberladung: Die Forschungsgruppe macht sich gleichsam Gedanken über Werkzeuge, die aufgabenbezogen aus einer Fülle von Daten auswählen. Am Beispiel einer Smart Map von Berlin wird demonstriert, wie solche Werkzeuge funktionieren.

Wahrnehmungsoptimierte 3D-Stadtkarte mit Daten der Stadt Nürnberg (Geobasisdaten (C) Bayerische Vermessungsverwaltung 2013). (Foto: 3D Content Logistics GmbH)
Wahrnehmungsoptimierte 3D-Stadtkarte mit Daten der Stadt Nürnberg
Geobasisdaten
C Bayerische Vermessungsverwaltung 2013
.
Foto: 3D Content Logistics GmbH
Je nachdem, wer diese Karte zu welchem Zweck nutzt, filtern sie Daten; beispielsweise über die Vegetation, wenn es um die Co2-Aufnahmefähigkeit einer Stadt geht oder um deren Lärmschutz. Das Baudezernat dagegen könnte sich explizit für veränderte, abgerissene und neue Bauwerke interessieren. Der Tourist, der auf einen Blick erfassen möchte, wie er am besten von A nach B kommt, würde sich für die Karte interessieren, die auf wesentliche Orientierungspunkte reduziert. Dabei entsteht eine Karte, die jenen Stadtmodellen ähnelt, die der Kupferstecher Matthäus Merian vor beinahe 400 Jahren erstellt hat.

„Die räumlichen und effizienten Stadtkarten entstehen auf der Basis von Punktwolken“, erklärt Rico Richter. Punktwolken sind digitale Momentaufnahmen, die bei der 3D-Vermessung von Objekten und Oberflächen durch Überfliegen, mobiles Laser Scanning und stationäre Aufnahmen entstehen.

In den nächsten zwei Jahren Projektlaufzeit sollen die Werkzeuge soweit optimiert werden, dass sie von den KMU leicht anzuwenden sind. Außerdem, so Projektkoordinator Döllner, sollen die Herausforderungen in der Medizintechnik mit im Fokus der Forschung stehen.

Weitere Informationen zur InnoProfile-Transfer-Stiftungsprofessur 4D- und nD-GeoVis finden Sie hier.