Skip to main content
SpringerLink
Log in

Big Data

Viele Daten – viel Wissen?

  • Chapter
  • First Online:
Wie Maschinen lernen

  • 18k Accesses

Zusammenfassung

Big Data ist ein Marketingbegriff und es gibt keine einheitliche wissenschaftliche Definition. Wir erklären, was man unter Big Data versteht, und wie sich Big Data von Daten abgrenzt. Weiterhin zeigen wir Beispiele auf, bei denen Big Data in unserem Leben einen Unterschied gemacht hat. Zuletzt beschäftigen wir uns mit dem unheimlich großen Volumen von Datenmengen im heutigen Internet.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
eBook
USD 19.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 29.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Zitat von Chris Anderson, Editor-in-Chief von Wired, in „Six Provocations for Big Data” by D. Boyd, K. Crawford, 2011, S. 3, http://dx.doi.org/10.2139/ssrn.1926431.

  2. 2.

    The Guardian, zuletzt aufgerufen am 7. Mai 2019, https://www.theguardian.com/uk-news/2018/mar/23/leaked-cambridge-analyticas-blueprint-for-trump-victory.

  3. 3.

    https://seotribunal.com/blog/google-stats-and-facts/, zuletzt aufgerufen 15. April 2019.

    https://searchengineland.com/google-now-handles-2-999-trillion-searches-per-year-250247, zuletzt aufgerufen am 15. April 2019 Auf der Seite seht ihr, wie viele Suchanfragen täglich gemacht werden: http://www.internetlivestats.com/google-search-statistics/, zuletzt aufgerufen am 15. April 2019.

  4. 4.

    Durchschnittliche Länge von Suchanfragen: https://www.adzine.de/2017/03/drei-woerter-oder-mehr-suchanfragen-werden-immer-laenger/, zuletzt aufgerufen am 15. April 2019.

    https://ahrefs.com/blog/long-tail-keywords/, zuletzt aufgerufen 15. April 2019.

  5. 5.

    Datenvolumen im Internet: http://www.ieee802.org/3/ad_hoc/bwa/BWA_Report.pdf Datenvolumen allgemein: https://insidebigdata.com/2017/02/16/the-exponential-growth-of-data/, Artikel von 2017, zuletzt aufgerufen am 15. April 2019.

Author information

Authors and Affiliations

  1. Universität Bonn, Bonn, Deutschland

    Christian Hölzer

  2. Tübingen, Deutschland

    Elena Natterer

Authors
  1. Christian Hölzer
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Elena Natterer
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Christian Hölzer .

Editor information

Editors and Affiliations

  1. Technische Universität Darmstadt, Darmstadt, Germany

    Kristian Kersting

  2. Institute of Science and Technology, Klosterneuburg, Austria

    Christoph Lampert

  3. Technische Universität Darmstadt, Darmstadt, Germany

    Constantin Rothkopf

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Hölzer, C., Natterer, E. (2019). Big Data. In: Kersting, K., Lampert, C., Rothkopf, C. (eds) Wie Maschinen lernen. Springer, Wiesbaden. https://doi.org/10.1007/978-3-658-26763-6_19

Download citation

Publish with us

Policies and ethics

Search

Navigation