Warum Daten visualisieren?
Im folgenden Artikel versuchen wir, Antworten auf die Frage zu finden, wie komplexe Strukturen und hyperdimensionale Daten umfassend visualisiert werden können
Die Bedeutung von Daten für den Erfolg eines Unternehmens hat in den letzten 5 Jahren rapide zugenommen. Daten sind in den heutigen Branchen zu einem integralen Bestandteil der Produkte und Dienstleistungen eines Unternehmens geworden. Die meisten Unternehmen sind heute auf die Auswertung bestimmter Daten angewiesen, um Prozesse zu optimieren und ihren Kunden das bestmögliche Produkt zu liefern. Die Untersuchung von Daten kann auch dazu beitragen, neue Geschäftsmöglichkeiten zu erkennen und Geschäftsmodelle zu entwickeln, die wiederum neue Einnahmequellen für Unternehmen schaffen können.
Dazu muss man die Korrelationen zwischen den einzelnen Datenpunkten richtig erkennen und verstehen und diese Korrelationen in umfassende Begriffe übersetzen. Diese Begriffe können dann verwendet werden, um die aktuelle Dienstleistung/das aktuelle Produkt zu verbessern oder voranzutreiben. Das Problem ist, dass es heutzutage immer schwieriger wird, diese Zusammenhänge zu erkennen, zu verstehen und zu kommunizieren. Dies ist zurückzuführen auf:
- die schiere Menge der Daten
- die zunehmende Komplexität der Datensätze
Die Komplexität der einzelnen Datenpunkte hat stetig zugenommen, da auch die Zahl der Verhaltensweisen oder Interaktionen, die der Anbieter überwachen kann, erheblich gestiegen ist. Ein Datenpunkt kann theoretisch unendlich viele, d. h. "n" zusätzliche Attribute haben, die ausgewertet werden können. Dies macht es sehr schwierig, wertvolle Schlussfolgerungen aus gegebenen Datensätzen zu ziehen. Datenwissenschaftler haben sich auf diesen Wandel eingestellt, indem sie ausgeklügelte Algorithmen zur Datenextraktion und -darstellung einsetzen und sich mithilfe von Cloud Computing und KI durch unglaublich große Datensätze wühlen. All dies geschieht in der Hoffnung, aus dem untersuchten Datensatz verwertbare Erkenntnisse zu gewinnen. Sind diese Erkenntnisse erst einmal gewonnen, ist es äußerst schwierig, diese Abhängigkeiten und Korrelationen zu visualisieren.
Nun könnte man fragen, warum Daten visualisieren?
Der Mensch ist eine audiovisuelle Spezies, und ein großer Teil der Informationen, die wir über unsere Umgebung erhalten, stammt aus dem Licht, das unsere visuellen Neuronen einfangen. Daher ist die Verarbeitung und Analyse visueller Reize für uns ganz natürlich, und die Visualisierung einer gegebenen Information hilft uns, diese Information besser zu verstehen. Dies gilt sowohl für so einfache Dinge wie das Aussehen eines bestimmten Objekts als auch für hochdimensionale Datensätze.
Der Prozess der Visualisierung hilft auch dabei, Menschen für ein bestimmtes Thema zu begeistern. Dies lässt sich leicht durch die Beobachtung von Kindern demonstrieren. Während der Versuch, einem Kind etwas zu erklären, äußerst mühsam sein kann, kann die Verwendung eines visuellen Mediums wie eines Films oder einer interaktiven Anwendung zu äußerst positiven Ergebnissen führen.
Die Qualität der Mensch-Maschine-Interaktion wird drastisch verbessert, indem dem Nutzer die Möglichkeit gegeben wird, mit digitalen Inhalten intuitiv in einem dreidimensionalen virtuellen Raum zu interagieren.
Wie können wir also Daten visualisieren?
Eine der traditionelleren Techniken, die wir zur Visualisierung von Korrelationen zwischen bestimmten Attributen in einem Datensatz verwendet haben, ist ein einfaches zweidimensionales Diagramm. In einem Diagramm ordnet man zwei Attribute des Datensatzes den beiden entsprechenden Achsen des Diagramms zu, und dann werden die Punkte unter Verwendung der zugeordneten Heuristik aufgetragen. Das Problem bei diesem Ansatz ist schnell ersichtlich, man ist durch die "Zweidimensionalität" des Visualisierungsmediums extrem eingeschränkt. Theoretisch bräuchten wir ein "n"-dimensionales Format (wobei n die Anzahl der Attribute ist), um einen hochdimensionalen Datensatz genau darzustellen und zu zeichnen. Dies ist nicht machbar, da der Mensch bekanntlich nur 3 Dimensionen visuell wahrnehmen kann.
Wie kann man also dieses Problem angehen?
Nun, der allgemeine Konsens ist, dass man, bevor man versucht, sich auf die multidimensionale Wahrnehmung einzulassen, einfach alle Dimensionen nutzen kann, die wir wahrnehmen können. Seit Tausenden von Jahren stellt der Mensch gerasterte 3D-Bilder auf 2D-Ebenen dar. Diese Form der Visualisierung ist das Herzstück unserer modernen Zivilisation, und doch ist sie immer noch etwas, das manche als unnatürlich oder nicht intuitiv empfinden mögen. Das bedeutet nicht, dass es keine eifrige Praxis der 3-dimensionalen Visualisierung gegeben hat. Die Praxis, Materialien so zu formen, dass sie einem realen Gegenstück ähneln, gibt es auch schon fast so lange wie die 2D-Visualisierung.
Das Problem bei diesem herkömmlichen Verfahren ist, dass es in der Regel mehr Zeit und Ressourcen erfordert und zudem mehr handwerkliches Geschick verlangt als das einfache Zeichnen einiger Linien auf einer flachen Oberfläche. Es ist zwar immer noch möglich, 3D-Inhalte auf einer 2D-Oberfläche darzustellen, aber dies schränkt die Art und Weise ein, wie der Nutzer mit dem virtuellen Raum interagieren kann, und zwingt ihn dazu, nicht-intuitive Interaktionsmethoden wie eine Tastatur oder eine Maus zu verwenden. Erst in den letzten Jahren, als die VR/AR-Technologien auf dem Vormarsch waren, war es möglich, dreidimensionale Inhalte nicht nur effizient zu produzieren, sondern sie auch in einem dreidimensionalen Raum zu erleben.
Daraus entstand auch eines der faszinierendsten Gebiete der interdisziplinären Forschung, das Gebiet der immersiven Analytik. Immersive Analytics ist ein aufstrebender Forschungszweig, der untersucht, wie neue Interaktions- und Anzeigetechnologien zur Unterstützung analytischer Überlegungen und Entscheidungen eingesetzt werden können.
Das Ziel von Immersive Analytics ist es, multisensorische Schnittstellen zur Verfügung zu stellen, die die Zusammenarbeit unterstützen und es den Nutzern ermöglichen, auf eine Weise einzutauchen, die reale Analyseaufgaben unterstützt. Dies kann durch den Einsatz aktueller Technologien erreicht werden, wie z. B. große Touch-Oberflächen, immersive Virtual- und Augmented-Reality-Umgebungen, Sensorgeräte und andere, sich schnell entwickelnde natürliche Benutzerschnittstellengeräte.
Trotz seines jungen Alters gibt es bereits einige große Unternehmen, die in diesem Bereich tätig sind. IBM hat mit seiner Software-Suite IBM Watson Studio Pionierarbeit auf dem Gebiet der Datenvisualisierung geleistet. In den letzten zwei Jahren hat das Unternehmen erfolgreich IA-Lösungen wie den Watson IoT Digital Twin integriert, mit dem Teams über den gesamten Lebenszyklus eines IoT-Geräts zusammenarbeiten können. Sobald diese Geräte gebaut sind, existieren sie im virtuellen Raum und können dann überwacht werden, um zu sehen, ob das Objekt gemäß dem beabsichtigten digitalen Design funktioniert und arbeitet. Dieser Prozess ermöglicht eine bessere Kommunikation zwischen den Abteilungen und schließt die Feedback-Schleife zwischen Design und Betrieb effektiv. IBM hat sich auch mit der Entwicklung von AR-basierten IA-Lösungen beschäftigt, wie der preisgekrönten IBM Immersive Insights-Anwendung. IBM Immersive Insights bringt die Leistungsfähigkeit von AR-3D-Visualisierungen in Data-Science-Tools ein und verbessert die Benutzererfahrung, die Datenexploration und den Datenanalyseprozess. Die Software wird über ein AR-Headset verwendet und richtet sich in erster Linie an Datenwissenschaftler.
Zukunft der Mensch-Maschine-Interaktion und Vorteile der immersiven Datenvisualisierung
Ob es Ihnen gefällt oder nicht, AR- und VR-Technologien werden nicht so schnell verschwinden. Trotz ihrer Unfähigkeit, sich als erfolgreiches Verbraucherprodukt im Mainstream durchzusetzen, ist es nur eine Frage der Zeit, bis AR/VR-Headsets zum Marktstandard werden und Computerbildschirme in jedem Haushalt ersetzen. Der Grund dafür ist ganz einfach, dass die Qualität der Mensch-Maschine-Interaktion drastisch verbessert wird, indem dem Nutzer die Möglichkeit gegeben wird, mit digitalen Inhalten intuitiv in einem dreidimensionalen virtuellen Raum zu interagieren. Einfach ausgedrückt bedeutet dies, dass sich die Interaktionen in einer VR- oder AR-Umgebung viel besser auf die Interaktionen übertragen lassen, die der Benutzer aus seinem täglichen Leben gewohnt ist. Ein Klick wird zu einer Berührung oder einer Punktgeste, das Ziehen wird zu einem einfachen Aufheben und Bewegen, das Schweben kann jetzt einfach eine Blickinteraktion sein usw. In Verbindung mit den sich rasch entwickelnden Schritten bei der Echtzeit-Computergrafik wird dies zu einer Mensch-Maschine-Schnittstelle führen, mit der der Benutzer lebensechte virtuelle Umgebungen erleben und mühelos und intuitiv mit digitalen Inhalten interagieren kann. Die Anwendungen von morgen werden also nicht mehr den Design- und UX-Richtlinien folgen, die wir in den letzten Jahrzehnten bei der Herstellung konventioneller Software perfektioniert haben. Daher ist jede Art von Forschung über Mensch-Maschine-Interaktionen in VR für den Prozess der Gestaltung und des Verständnisses der Anwendungen von morgen von Nutzen.
Wenn diese Prämisse allein nicht ausreicht, um die Untersuchung dieser Art von Mensch-Maschine-Interaktion zu rechtfertigen, gibt es zahlreiche Studien, die die Vorteile der Interaktion mit komplexen digitalen Inhalten in VR gegenüber herkömmlichen Visualisierungsmethoden untersuchen. Eine solche Studie wurde von der University of Bath durchgeführt, in der sie die ergebnisoffene Erkundung mehrdimensionaler Datensätze mit VR untersuchten und die Ergebnisse mit denen herkömmlicher 2D-Visualisierungen verglichen. Bei der Durchführung dieser Studie wurde festgestellt, dass es keinen Unterschied in der allgemeinen Arbeitsbelastung zwischen traditionellen Visualisierungsmethoden und Visualisierungen in VR gab. Sie fanden jedoch Unterschiede in der Genauigkeit und Tiefe der von den Benutzern gewonnenen Erkenntnisse. Sie deuten darauf hin, dass die Nutzer zufriedener und erfolgreicher sind, wenn sie VR-Tools zur Datenexploration verwenden, und bestätigen das Potenzial von VR als ansprechendes Medium für die visuelle Datenanalyse. Für die Gründe dafür wurden zahlreiche Gründe genannt.
Beispiel einer Studie, in der immersive gegenüber traditionellen Visualisierungstechniken getestet werden (Quelle: Institut für Informatik, Bundesuniversität Rio Grande do Sul)
Erstens ist die virtuelle Realität vollständig interaktiv, d. h. der Nutzer hat keine andere Möglichkeit, als sich mit seiner virtuellen Umgebung auseinanderzusetzen. Dies führt dazu, dass sich der Nutzer voll und ganz auf die angezeigten Informationen einlässt und in sie eintaucht. Wie oben erläutert, kann der Benutzer in der VR intuitiver mit den visualisierten Datenpunkten interagieren, so dass eine komplizierte Benutzeroberfläche nicht erforderlich ist. Außerdem führt VR einen neuen Blickwinkel für den Benutzer ein und kann durch die zusätzliche Wahrnehmung des Maßstabs zu einem besseren Verständnis führen. Infolgedessen kann der Benutzer mit Objekten auf verschiedenen Ebenen interagieren. Einerseits kann der Benutzer mit dem Datensatz als Ganzes interagieren, andererseits kann er heranzoomen und mit jedem einzelnen Datenpunkt interagieren. Darüber hinaus könnte die Möglichkeit, mehrere Dimensionen zu erforschen, indem hochdimensionale Datensätze während der Datenexploration auf mehrere Achsen abgebildet werden, zu neuen Erkenntnissen über statistische Beziehungen führen.
All diese Ergebnisse deuten darauf hin, dass die VR-Datenvisualisierung Datenexperten dabei helfen kann, ihre Daten besser zu verstehen und zu analysieren. Darüber hinaus hilft die VR-Datenvisualisierung auch Personen, die keine Erfahrung mit Daten haben, komplexe Datensätze und Strukturen zu verstehen.
Header image by Markus Spiske
