Von Ralf Keuper
Als Folge des Fortschritts in der elektronischen Informationsverarbeitung stehen uns heute Werkzeuge zur Analyse selbst größter Datenmengen zur Verfügung. Unter dem Schlagwort Big Data preisen die Hersteller analytischer Applikationen die neuen Verfahren an, die den Unternehmen zu neuen Einsichten in das Verhalten der Kunden wie auch des Wettbewerbs verhelfen sollen. Die daraus in Echtzeit abgeleiteten Aktionen verschaffen dem Unternehmen jedoch nur einen kurzlebigen Vorsprung. Schon im nächsten Moment kann sich das Blatt wenden, wenn der Wettbewerb mit ausgefeilteren Analysen aus dem Datenmeer die besseren Informationen filtert.
Als Folge des Fortschritts in der elektronischen Informationsverarbeitung stehen uns heute Werkzeuge zur Analyse selbst größter Datenmengen zur Verfügung. Unter dem Schlagwort Big Data preisen die Hersteller analytischer Applikationen die neuen Verfahren an, die den Unternehmen zu neuen Einsichten in das Verhalten der Kunden wie auch des Wettbewerbs verhelfen sollen. Die daraus in Echtzeit abgeleiteten Aktionen verschaffen dem Unternehmen jedoch nur einen kurzlebigen Vorsprung. Schon im nächsten Moment kann sich das Blatt wenden, wenn der Wettbewerb mit ausgefeilteren Analysen aus dem Datenmeer die besseren Informationen filtert.
Inzwischen mehren sich die kritischen Stimmen, die darauf hinweisen, dass ein Mehr an Informationen nicht zwangsläufig auch zu besseren Entscheidungen und tieferen Erkenntnissen führt, wie z.B. Stephen Few. Unter dem Etikett Big Data verbergen sich im Grunde bereits bekannte Technologien, die nun aber dem breiten Publikum mithilfe eines Schlagworts aus dem Haus McKinsey schmackhaft gemacht werden – mit Erfolg.
Der Hype um Big Data und unsere wachsenden analytischen Möglichkeiten veranlasste James Landay, Professor für Computerwissenschaft an der University of Washington, zu der Frage, ob wir inzwischen nicht zu analytisch und damit zu informationsgläubig werden.
Auch die besten analytischen Applikationen arbeiten auf Basis von Annahmen, die durch Algorithmen repräsentiert werden und damit zwangsläufig eine eingeschränkte Sicht liefern. Die Verführung ist groß, die Verwendung neuester Technologien mit Objektivität gleichzusetzen. Sie können sogar, wie James Landay am Beispiel Google kritisiert, zu voreiligen Schlüssen führen.
Der amerikanische Kognitionswissenschaftler Donald A. Norman plädiert dagegen für einen komplementären Ansatz aus einem Wechselspiel von Mensch und Maschine. Auf diese Weise lässt sich die Wahrscheinlichkeit von Fehlinterpretationen vermindern. Obendrein werden die jeweiligen Stärken und Schwächen in Balance bzw. kreativer Spannung gehalten:
Machines tend to operate by quite different principles than the human brain, so the powers and weaknesses of machines are very different from those of people. As a result, the two together – the powers of the machine and the powers of the person – complement one other, leading to the possibility that the combination will be more fruitful and powerful than either alone. (in: Things that make us smart)
