Motivation
Big Data und die Analyse sehr großer Datenmengen wie etwa aus sozialen Netzwerken oder für Industrie 4.0 sind ein Anwendungsfeld mit stark wachsender Bedeutung. Diese Analyseformen werden vielfach, aber unzutreffend, mit statistischen Verfahren gleichgesetzt. Es gibt zahlreiche Analyseaufgaben, die in Ergebnis und Analysetiefe besser mit mathematischen Verfahren aus der Graphentheorie bearbeitet werden. In netzwerkartigen Graphen werden die Elementen in einer Datenmenge und ihre Beziehungen zueinander notiert. Ein bekanntes Beispiel für die Anwendung bei einem Optimierungsproblem ist das von Euler 1736 formulierte „Königberger Brückenproblem“ zur Suche nach dem kürzesten Weg über die sieben Brücken der Stadt. Mathematik und Informatik stellen hocheffiziente Berechnungsverfahren zur Verfügung, um unterschiedlichste grafisch notierte Zusammenhänge zu analysieren und zu optimieren. Die Darstellung von Datenstrukturen in grafischer Form ist darüber hinaus seit langem bewährt, um Bezüge und Strukturen in Datenmengen durch eine interaktive Exploration der Daten durch Fachexperten herausarbeiten zu lassen. Voraussetzung dafür sind geeignete Werkzeuge und Darstellungsformen.
Ziele und Vorgehen
Die heute verfügbaren Datenmengen – in Graphen übertragen – sind allerdings unüberschaubar groß und komplex. Viele klassische Data-Warehouse-Lösungen sind zu unflexibel und bieten kaum Unterstützung für derartige Analysen. Für den Bereich großer Datenmengen entwickelte Systeme bieten wiederum meist nur sehr technische Schnittstellen und Verarbeitungsmodelle für einfache Graphen. Zudem sind die genannten Datenbanken und Systeme bisher weitgehend wenig benutzerfreundlich und damit nur begrenzt einsetzbar. Das große Potenzial dieser Analysemethoden ist daher nur ansatzweise nutzbar. Ziel des Vorhabens „BIGGR“ ist es, ein neuartiges Softwaresystem zur benutzerfreundlichen und effizienten Analyse und Visualisierung von großen Daten-Graphen zu entwickeln. Dieses System soll für Datenanalysten ohne vertiefte technische Kenntnisse gut nutzbar sein. Dabei sollen Graph-Analyse-Workflows graphisch aus einfachen Analyseoperatoren definiert und auf leistungsfähigen Systemen ausgeführt werden können. Während der Ausführung werden Berechnungsfortschritte sowie Zwischen- und Analyseergebnisse visualisiert. Das Softwaresystem besteht aus einer Anwendung für die workflow-basierte Analyse großer Daten-Graphen. Grundlage sind mit der KNIME Analytics Plattform sowie dem Gradoop-Framework als Open Source verfügbare Systemkomponenten beider Partner, die gezielt angepasst, erweitert und kombiniert werden. Außerdem soll das System leicht um neue Operatoren, Ausführungszielsysteme und Visualisierungstechniken erweitert werden können. Damit lassen sich mathematische und visuelle Analyseverfahren besser verbinden.
Innovationen und Perspektiven
Die Praxistauglichkeit wird anhand zweier realer Anwendungsfälle, dem Erkennen von Wirkzusammenhängen von Medikamenten bzw. der Prozessanalyse im Customer Relationship Management evaluiert. Durch Open-Source-Stellung werden die Ergebnisse zur nutzerfreundlichen Analyse netzartig strukturierter Daten für Datenanalysten am Standort Deutschland breit einsetzbar. Durch diesen Technologietransfer in die Wirtschaft werden intelligentere Unternehmensentscheidungen unterstützt und wirtschaftliche Verluste aufgrund von Fehlentscheidungen verringert.