Eine neue Dimension

Die neuen Ansätze, die intelligente Algorithmen verwenden, können auch ohne geplante Datenerhebung automatisch interessante Information aus vorhandenen Datenmengen herausziehen. Aus diesen neuen Möglichkeiten sind in den vergangenen Jahren die Datenwissenschaften entstanden: Heute sind sie ein interdisziplinäres Forschungs- und Entwicklungsgebiet im Schnittbereich von Statistik, Informatik, Informationstechnologie und Mathematik.

«Datenwissenschaften sind etwas Neues. Sie sind nicht einfach Statistik, nicht einfach Informatik und auch nicht einfach Informationstechnologie, sondern ein Zusammenwirken von allen drei», sagt Bühlmann. Mit der neuen Initiative stärke die ETH Zürich die datenwissenschaftliche Grundlagenforschung, indem sie die bestehende Expertise bündle. Beteiligt sind elf Professuren aus drei ETH-Departementen, die in den Bereichen Statistik, Maschinelles Lernen und Informationstechnologie forschen.

Der Fokus liegt auf Grundlagenfragen der mathematischen Theorien und der algorithmischen Methoden. Dazu gibt es je ein Programm für Postdoktorierende und für wissenschaftliche Gäste. Die Initiative ergänzt die Aktivitäten in der Ausbildung (Master in Data Science, DAS in Data Science) und im Wissens- und Technologietransfer zwischen den Disziplinen und zur Industrie (Swiss Data Science Center). Gestartet ist sie am 1. Januar 2019. Unterstützt wird sie mit 2,7 Mio. Franken von «ETH+», der ETH-weiten Initiative zur Förderung von interdisziplinären Projekten.

Da sich datenwissenschaftliche Neuerungen auf viele Nutzer in Wissenschaft, Wirtschaft und Gesellschaft auswirkten, trage die Grundlagenforschung eine besondere Verantwortung, so Bühlmann. Eine Herausforderung sieht er darin, Algorithmen zu entwickeln, die auch bei anspruchsvollen Datensätzen kausal korrekte, stabile, zuverlässige und gut interpretierbare Ergebnisse liefern. Bühlmann erhielt für seine Forschung über Stabilität und Kausalität (Ursache-Wirkung) 2018 die angesehene «Guy Medal in Silver» der Royal Statistical Society und einen «ERC Advanced Grant».

Nicht in jedem Fall gelingt die Automatisierung schliesslich so elegant wie in der erwähnten Foto-App. Mitunter kann die Anwendung intelligenter Algorithmen durchaus problematisch werden: Wenn zum Beispiel Computer aufgrund von Merkmalsdaten (Alter, Geschlecht, Nationalität, Gesundheit etc.) auslesen, wer kreditwürdig ist, oder wenn sie Richtern Hinweise geben, mit welcher Wahrscheinlichkeit Angeklagte schuldig sein könnten – dann sollten sich daraus keine Benachteiligungen ergeben.

Für Bühlmann sind deshalb «interpretierbares maschinelles Lernen» und «faire Algorithmen» zwei grosse Forschungsfragen, die ihn persönlich sehr interessieren: «Als Grundlagenforscher will ich etwas Sinnvolles für die Gesellschaft produzieren. Ich will wissen, wann eine Anwendung zuverlässige Resultate liefert und wann weniger», sagt Bühlmann, «das ist meine Haltung.»

Hinweis: Der Bericht ist zunächst bei «ETH-News» erschienen.