Holistischer Überblick

Bei Datenvisualisierung mit AR/VR geht es also weniger um eine revolutionäre Methode, Big Data zu visualisieren, sondern vielmehr um einen revolutionären Ansatz, von unserer angeborenen Fähigkeit zur Mustererkennung einen sinnvollen Gebrauch zu machen und so die Auseinandersetzung mit grossen Datenmengen zu erleichtern. «Um ein historisches Beispiel heranzuziehen: Der qualitative Unterschied in Wahrnehmung und Gesamterlebnis ist mit dem Unterschied zwischen alten Schwarz-Weiss-Filmen in Mono und Breitbildfilmen in Farbe und Stereo vergleichbar», erklärt George Djorgovski von Virtualitics.

Denkbare Anwendungsfälle können dabei sowohl relativ einfach als auch ziemlich komplex ausfallen. So arbeitet etwa Georg Kreimer, Leiter der SAP Customer Experience Labs, zusammen mit seinem Team am Projekt Signal. Ziel ist es, Big Data aus der Customer Journey in Virtual Reality darzustellen. Jeder Schritt enthält mehrere Touchpoints, die über die Interaktion zwischen Händlern und Kunden entstehen. «Diese sind nicht nur entscheidend, ob ein Kauf zustande kommt, sondern auch, ob man über den Kauf hinaus eine positive Kundenbeziehung aufbauen kann», erklärt Kreimer. Mit Hilfe von VR will sein Team alle Datenpunkte, die in der Customer Journey entstehen, zusammenziehen und einen holistischen Blick darauf ermöglichen.

Ein weiterer spannender Anwendungsfall ist der Einsatz von AR-/VR-Visualisierungen für die Überprüfung von Machine-Learning-Modellen. Schlaue Algorithmen ermöglichen zwar eine effiziente Bearbeitung und Analyse selbst sehr grosser Datenmengen, sind aber nur so objektiv und vorurteilsfrei wie die Daten, die sie eingespeist bekommen. Und hier hapert es in vielen Fällen – mal liegt das an der menschlichen Voreingenommenheit, mal an der Unvollständigkeit oder mangelnden Qualität der Daten selbst. Deshalb müssen Machine-Learning-Modelle kontinuierlich überprüft und bei Bedarf angepasst werden.

Dies kann jedoch selbst für Data Scientists eine sehr zeit­intensive und somit herausfordernde Aufgabe sein, bei der Fehler leicht passieren können. Nach Ansicht von Suzanne Borders, CEO und Gründerin des US-amerikanischen Unternehmens BadVR, das Lösungen für VR- und AR-Visualisierungen von Daten entwickelt, ermöglichen es Augmented und Virtual Reality, solche Fehler schneller aufzuspüren: «VR-/AR-Datenvisualisierungsplattformen bieten den Nutzern die Möglichkeit, ein Machine-Learning-Modell wirklich zu ‹sehen› und sogar das Lernen durch die Algorithmen in Echtzeit zu beobachten.»

Ihr Team hat damit eigene Erfahrungen gemacht, denn BadVR wurde von einem Finanzunternehmen beauftragt, ein Machine-Learning-Modell zu visualisieren, das kreditwürdige Personen identifizieren sollte. Dadurch sollte sichergestellt werden, dass das Modell keine diskriminierenden Entscheidungen gegenüber ethnischen Gruppen oder aufgrund des Einkommensniveaus trifft. Durch die Darstellung des Modells in der immersiven Umgebung konnte in Echtzeit beobachtet werden, wie es funktioniert und welche Ergebnisse es ausgibt. Dabei wurde tatsächlich ein Fehler gefunden, der den Datenwissenschaftlern bis dahin nicht aufgefallen war.

«Die Möglichkeit, mit Datenmodellen holistisch zu arbeiten, sorgt dafür, dass nichts von dem, was uns als Menschen ausmacht – Empathie, Herzlichkeit, Ethik und Mitgefühl – verloren geht oder geopfert wird, um den grösstmöglichen Wert aus unseren Daten zu erzielen», unterstreicht Suzanne Borders.