Advertisement

Informatik-Spektrum

, Volume 41, Issue 6, pp 433–439 | Cite as

Eine nationale Daten- und Analyseinfrastruktur als Grundlage digitaler Souveränität

  • Volker MarklEmail author
HAUPTBEITRAG EINE NATIONALE DATEN- UND ANALYSEINFRASTRUKTUR
  • 55 Downloads

Zusammenfassung

Daten sind der wesentliche Produktionsfaktor der Zukunft. Informatik und Data Science werden zur Grundlage der meisten anderen wissenschaftlichen Fächer wie Physik, Chemie, Wirtschaft. Sie sind in ihrer Bedeutung damit der Mathematik vergleichbar. Datenzugang und Datenkompetenz sind die Schlüsselfaktoren für die zukünftige Wettbewerbsfähigkeit. In beiden Belangen ist Deutschland ins Hintertreffen geraten. Zur Erlangung von Datensouveränität benötigen Deutschland bzw. Europa eine nachhaltig (und öffentlich) betriebene Daten- und Analyseinfrastruktur. Diese stellt den Zugang zu Daten zu großen, qualitativ hochwertigen Datenmengen (Internet, Forschungsdaten, öffentliche Daten, z. B. mCloud) sicher und ermöglicht es, deren Analyse und Visualisierung für Schulen, Universitäten, Forschungseinrichtungen und Bürger zu demokratisieren. Nur auf diese Weise lässt sich die Lücke zu den monopolisierten Datensammlungen amerikanischer IT-Konzerne oder dem staatlich regulierten Zugang zu Daten in China schließen. Eine derartige nationale, allgemein zugängliche Infrastruktur sollte nicht nur Daten, Analysen und Visualisierungen verwalten und kontinuierlich in Echtzeit bereitstellen, sondern gleichzeitig die Algorithmen und Werkzeuge entlang der gesamten Datenwertschöpfungskette (Quellenauswahl, Informationsextraktion und Integration, Analyse und Modellbildung sowie Anwendung und Visualisierung) einfach nutzbar (webbasiert, open-source, wiederverwendbar) bereitstellen, um auf diese Weise durch ,,Daten und Analysen aus der Steckdose“ Forschung sowie die Innovation in datengetriebene Anwendungen in Wirtschaft, Wissenschaft und Gesellschaft zu befeuern.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Apache Flink. https://flink.apache.org/Google Scholar
  2. 2.
    BBDC. http://www.bbdc.berlin/home/Google Scholar
  3. 3.
    Big Data Open Storage Network. https://hub.jhu.edu/2018/06/07/big-data-open-storage-network-alex-szalay/Google Scholar
  4. 4.
    International Data Space. https://www.fraunhofer.de/de/forschung/fraunhofer-initiativen/industrial-data-space.htmlGoogle Scholar
  5. 5.
    KI Strategie. https://www.ki-strategie-deutschland.de/home.htmlGoogle Scholar
  6. 6.
    NFDI Arbeitsgruppe. https://www.akademienunion.de/arbeitsgruppen/ehumanities/nfdi-arbeitsgruppe/Google Scholar
  7. 7.
    OpenML. https://www.openml.org/Google Scholar
  8. 8.
    Rapidminer. https://rapidminer.com/Google Scholar
  9. 9.
    Rat für Informationsinfrastrukturen. http://www.rfii.de/de/themen/Google Scholar
  10. 10.
    Rat für Wirtschafts- und Sozialdaten. https://www.ratswd.de/forschungsdaten/fdi-ausschussGoogle Scholar
  11. 11.
    Scads. https://www.scads.de/de/Google Scholar
  12. 12.
    Sloan Digital Sky Survey. http://www.sdss.orgGoogle Scholar
  13. 13.
    Hey T, Tansley S, Tolle K: The Fourth Paradigm. https://www.microsoft.com/en-us/research/publication/fourth-paradigm-data-intensive-scientific-discovery/Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Fachgebiet Datenbanksysteme und InformationsmanagementTechnische Universität Berlin und DFKIBerlinDeutschland

Personalised recommendations