Datenanalyse durch Data Mining (Artikel)

Aus Kompetenzportal
Wechseln zu: Navigation, Suche
Datenanalyse durch Data Mining (Artikel)
Autor Jürgen Cleve, Uwe Lämmel
In: Landes-Technologie-Anzeiger MV
Ausgabe September
ISBN/ISSN:
Erscheinungsjahr 2006
Jahrgang
Seitenzahl 18
Hyperlink
Review

KIWI is the name of a research group on Wismar University. It combines expert knowledge in Business Informatics and Artificial Intelligence. A current topic uses Data-Mining technology. The research focuses on automatization of Data-Mining-Processes, which results in 'Eddie', a software environment for the integration of various Data-Mining-Applications.

Sammeltrieb und Vorratshaltung

Der Mensch ist zwar in der Moderne angekommen, hat aber seine Wurzeln als Jäger und Sammler noch nicht vollständig abgelegt. Heute sammelt er hauptsächlich Daten – und die rasante Entwicklung der Speicher- und Rechenleistung von Computern kommt ihm dabei sehr gelegen. Und weil Speicherplatz billig ist, sammelt er immer häufiger auf Vorrat. Nur die Auswertung der stetig wachsenden Datenberge bereitet ihm zuweilen Kopfzerbrechen. Mit Data Mining steht ihm jedoch ein Schürfgerät zur Verfügung, das bei richtiger Anwendung aus den Datenbergen den ein oder anderen Schatz hervorzaubern kann.

Ein Interdisziplinäres Forschungsgebiet

Data Mining profitiert von der Verzahnung verschiedener Fachgebiete. Maschinelles Lernen, Künstliche Intelligenz und Statistik bilden die Grundlage der wichtigsten Verfahren, moderne Datenbank-Managementsysteme ermöglichen flexiblen Datenzugriff, und Visualisierungstechniken erleichtern die Interpretation der Ergebnisse. Letzteres, bleibt den Experten des jweiligen Einsatzgebietes vorbehalten. Die Einsatzmöglichkeiten für Data Mining sind vielfältig: Marketing, Untersuchung von Kundenverhalten oder Verbrauchsprognosen (Lebensmittel, Energie). Clustering-Verfahren decken Ähnlichkeiten in den Daten auf. Entscheidungsmodelle können neue und unbekannte Situationen bewerten, nachdem sie zuvor anhand von Beispielen trainiert wurden. Andere Verfahren lassen sich für die Optimierung von Abläufen, wie z.B. für die Tourenplanung, einsetzen. Das große Interesse an Data Mining zeigt nicht zuletzt der jährlich stattfindende Data-Mining-Cup [2], bei dem Teams aus aller Welt im Wettbewerb Lösungen für eine aktuelle Problemstellung aus der Praxis entwickeln.

Aktuelle Forschungen

Data-Mining ist ein aktuelles Forschungsgebiet an der Hochschule Wismar, das sowohl in der Lehre als auch in verschiedenen Projekten Anwendung findet. Das e-Learning-System DaMiT [3], das in Zusammenarbeit mit 9 weiteren Hochschulen entwickelt wurde, vermittelt online die Funktion und Anwendung verschiedener Data-Mining-Methoden. Das Extensible Dynamic Data Integration Environment - kurz 'Eddie' - automatisiert einen großen Teil des Data-Mining-Prozesses. Die Grundlage bildet ein XML-basiertes Format für den Datenaustausch und die Beschreibung von parameterisierbaren Workflows, die automatisch ausgeführt werden können. Das streng modulare Konzept macht zusätzlich zu den integrierten Funktionen die Einbindung existierender Anwendungen möglich. Dadurch bietet Eddie eine hohe Flexibilität und Funktionalität. Das System wird u.a. im Projekt DaMEn- Data Mining Engineering - eingesetzt, um die Anwendung und Einbindung verschiedener Methoden zur Auswertung von Finanztransaktionsdaten zu untersuchen.


[1] KIWI: http://www.wi.hs-wismar.de/kiwi
[2] DMC: http://www.data-mining-cup.de
[3] Data Mining Tutor: http://damit.dfki.de