Professor Nazemi, Sie kommen gerade von der Konferenz Information Visualization 2019 in Paris zurück, wo das von Ihnen vorgestellte Paper "Visual Analytics for Analyzing Technological Trends from Text" den Best Paper Award erhalten hat. Dazu herzlichen Glückwunsch!
Doch bevor wir darüber sprechen: Können Sie uns kurze Beispiele für den Einsatz von Informationsvisualisierung geben?
Es gibt fast keinen Bereich, in dem Informationsvisualisierung und Visual Analytics keinen Einsatz finden. Dazu werden meist sehr große Datenmengen mit Methoden der Informationsvisualisierung visuell-interaktiv aufbereitet und bieten eine sehr einfache Handhabung und Analyse dieser Daten an. Informationsvisualisierung wird in allen Gebieten eingesetzt, in denen große Datenmengen vorhanden sind, beispielsweise im Gesundheitswesen, im eCommerce, in der Politik und Wirtschaft.
Kann man also sagen, dass hier Datenkompetenz, Design und damit auch Usability zusammen kommen?
Design und Usability spielen sicher eine sehr wichtige Rolle, doch darüber hinaus zeichnet sich insbesondere Visual Analytics durch den kombinierten Einsatz maschineller Lernverfahren oder künstlicher Intelligenz mit interaktiven Visualisierungen aus. Ich würde deshalb eher sagen, dass Informationsvisualisierung die Bereiche Algorithmik, maschinelles Lernen, Data Mining mit Mensch-Computer-Interaktion zusammenbringt. Intelligente Ansätze der Informationsvisualisierung passen sich auch automatisch an die Bedürfnisse der Benutzer an.
Wenn Sie an die Pariser Konferenz denken: Welche aktuellen Entwicklungen der Daten-Visualisierung wurden deutlich?
Im Bereich der Informationsvisualisierung wurde die starke Dominanz lernender Verfahren deutlich. Der kombinierte Einsatz von maschinellen Lernverfahren und Visualisierung spielte eine besondere Rolle.
Nun zu Ihrem ausgezeichneten Paper, das Sie zusammen mit Dirk Burkhardt erstellt haben und das Forschungsergebnisse für die Fach-Community sichtbar gemacht hat: Woran haben Sie genau geforscht?
Wir haben ein vollautomatisiertes und lernendes Verfahren zur Datenerhebung und -anreicherung sowie zu Informationsextraktion und Visualisierung vorgestellt, das zudem automatisch sogenannte „emerging Trends“ in sehr großen Datenmengen erkennt und diese interaktiv mit verschiedenen interaktiven visuellen Repräsentationen zur Verfügung stellt. Als Anwendungsbereich haben wir Technologie- und Innovationsmanagement gewählt.
Was sind die wichtigsten Erkenntnisse?
Wir haben zwei wesentliche Beiträge geliefert. Wir haben einen automatisierten und lernenden Transformationsprozess für die gesamte Datentransformation von der Datenerhebung bis hin zu interaktiven Visualisierungen dargeboten. Darüber hinaus haben wir einen völlig neuen Algorithmus zur Früherkennung von wahrscheinlich aufkommenden Trends (emerging trends) aus unstrukturierten Daten vorgestellt.
Zurük aus Paris: Wie geht es mit Ihrer Forschung inhaltlich weiter?
Die genannte Kopplung von maschinellen Lernverfahren und Visualisierung wird uns sicher in nächster Zeit stark beschäftigen. In diesem Bereich sehen wir insbesondere Bedarf an Optimierungsverfahren des maschinellen Lernens und künstlicher Intelligenz. Hier werden wir uns mit neuen und alternativen Algorithmen beschäftigen, die zukünftige Ereignisse besser vorhersagen, Handlungsstränge aufzeigen und Daten effizienter verarbeiten können. Doch auch der menschliche Faktor, etwa die Kognitionsfähigkeit oder Wahrnehmung, bedarf weiterer Forschung, die wir hier an der Hochschule in Kooperation mir unseren Partnern weiterführen werden.
Herzlichen Dank für den Einblick in Ihre Forschungstätigkeit. Wir wünschen Ihnen weiterhin viel Erfolg!
Prof. Dr. Kawa Nazemi ist Mitglied im Forschungszentrum Digitale Kommunikation und Medien-Innovation an der Hochschule Darmstadt und im Promotionszentrum für Angewandte Informatik. Darüber hinaus leitet er die Forschungsgruppe Human-Computer Interaction und Visual Analytics.
Der Konferenzband zur Information Visualization 2019 erscheint in Kürze.