Warum die Zukunft der Datenwissenschaft ganzheitlich sein muss

Meine Neugierde, die Welt um mich herum zu verstehen, treibt mich seit jeher an. Sie ebnete mir den Weg von meinem Studium der Theoretischen Physik bis hin zu meinem Beruf als Leiter des Forschungs-Teams zur Künstlichen Intelligenz (KI) bei Lindera. Und wer weiß, vielleicht wäre ich ohne sie meiner zweiten großen Leidenschaft nachgegangen und hätte als Bassgitarrist die Karriere eines Rockmusikers eingeschlagen. Stattdessen folgte ich der Tradition einer Wissenschaft, die seit Beginn des 17. Jahrhunderts und Galileo Galilei versucht, die Welt und ihre Zusammenhänge mathematisch genau zu erklären. Aber auch hier trieb mich meine Neugierde an und so landete ich schließlich dort, wo ich neue Zusammenhänge ergründen kann: Im Bereich Forschung & Entwicklung beim Healthcare-Startup Lindera.

Hier
entwickeln wir KI-Lösungen für die Pflege und
Gesundheitswirtschaft. Denn unsere Gesellschaft altert und die Anzahl
der unbesetzten Pflegekraftstellen steigt. Digitale
Gesundheitslösungen können uns bei diesen Herausforderungen unserer
Gesellschaft helfen: sei es durch sinkende Kosten in der
Medizintechnik, beschleunigte Entwicklungszeiten, die Entlastung von
Pflegepersonal oder die Verbesserung der Versorgungsqualität. Basis
dieser effizienten, digital unterstützten Prozesse sind innovative
intelligente Technologien und Big Data.

Unsere
Mobilitätsanalyse ist ein Beispiel dafür, wie einfach die Qualität
der Pflege mit App, Smartphone und Künstlicher Intelligenz
verbessert werden kann – für Pflegefachkräfte, pflegende
Angehörige sowie Sturzgefährdete. So genügen bereits ein 30- bis
40-sekündiges Video mit einer Smartphone-Kamera vom Gang der
Senioren sowie ein kurzer psychosozialer Fragebogen für eine
detaillierte Analyse des Gangbildes. Auf Basis von KI-Algorithmen
liefert die digitale Gesundheitslösung einen individuellen
Maßnahmenkatalog zur Sturzprophylaxe.

Decision
Intelligence: Eine neue Disziplin, die uns hilft, Entscheidungen zu
treffen

Es beginnt jedoch bereits lange vor der Entwicklung digitaler Gesundheitslösungen. Denn auf welcher Grundlage trifft der Algorithmus ihre Entscheidungen? Hier setzt die noch recht junge Disziplin des Decision Intelligence Engineering (DI) an. Als Vereinigung aus Psychologie, angewandter Daten-, Sozial-, Neuro- und Managementwissenschaft befasst sie sich mit allen Aspekten der Selektion – oder wie Dr. Cassie Kozyrkov, Chief Decision Scientist bei Google und eine der bekanntesten Vertreterinnen der Disziplin, sagt: „Decision intelligence is the discipline of turning information into better actions at any scale.“ DI hilft uns also nicht nur, Informationen in Handlungen umzusetzen, sondern auch, die Welt um uns herum mit Hilfe von Daten zu verbessern. Aber wie macht sie das und warum ist es im Zeitalter von KI und Big Data so wichtig?

Jenseits
von Data Science

In
unserer Arbeit als Data Scientists hantieren wir mit großen
Datenmengen, die die Grundlage unserer Lösungen bilden. Im Idealfall
erhält der Data Scientist einen Auftrag vom Entscheidungsträger,
der genau weiß, was er braucht. Dazu sammelt der Data Scientist
Daten, wertet sie aus und entwickelt ein Machine Learning-System, um
die gesuchte Problemlösung umzusetzen.

Aber
ideale Szenarien sind in der realen Welt zu selten. Dass die
Entscheidungen der Führungskräfte sowie die Auswahl der Daten
keineswegs frei vom subjektiven Bias ihrer Schöpfer sind, ist uns
nicht neu. Machine Learning-Systeme sind nur so intelligent wie ihre
Trainingsdaten. Jede Technologie ist damit ein Spiegelbild ihrer
Schöpfer und Systeme. Gleiches gilt natürlich auch für KI. Für
einen verantwortungsvollen Einsatz von KI ist es daher unerlässlich,
die richtigen Fähigkeiten zu entwickeln, um Entscheidungen
aufzudecken und zu verstehen. Data Science allein kann dies nicht
abdecken.

Aus
diesem Grund brauchen wir DI. Als Überbau für Ökonomen,
Sozialwissenschaftler, Neuropsychologen, Lehrer, Führungskräfte und
viele mehr kombiniert es ihre spezifischen Stärken. Der
ganzheitliche Ansatz analysiert die kausalen Strukturen zwischen
Faktoren und identifiziert die besten Maßnahmen zur Erzielung eines
bestimmten Ergebnisses. Um dies zu erreichen, müssen
Entscheidungsträger nicht nur in den rein quantitativen
Wissenschaften wie Data Science geschult werden, sondern auch
verstehen, wie sie mit Hilfe von Verhaltenswissenschaften
datengesteuerte Entscheidungen treffen können. Das bedeutet, eine
Entscheidung effektiv zu gestalten – noch bevor man sich die Daten
ansieht.

DI
als Perspektive für Lindera

Bei
Lindera investieren wir viel Zeit in den Aufbau der richtigen
Architektur für zuverlässige und skalierbare Entscheidungen. DI
stellt das Nervensystem unseres Unternehmens dar. Als Data Scientists
brüten wir nicht isoliert von den anderen Bereichen über unseren
Daten. Vielmehr stehen wir im stetigen Austausch mit unseren
Pflegewissenschaftlern, Medizinern und Ökonomen und stellen so
gemeinsam die Weichen für unsere Entwicklung. Auf diese Weise können
wir vermeiden, Fehler oder unbewussten Bias zu übernehmen.

Unser kurzfristiges Ziel ist es derzeit, die Gangparameter für die Fallanalyse weiter zu optimieren und in Studien zu validieren. Im nächsten Schritt wird ein KI-basierter Maßnahmenkatalog erstellt, der daraus individuelle Empfehlungen ableitet. Ziel ist es, dass das System selbst solche individuellen Anpassungen erlernt. Bisher erfolgte dies auf der Grundlage starrer, logischer Kriterien. Die große Herausforderung für uns besteht darin, dass wir nur wenige Daten zur Verfügung haben. So verfehlen traditionelle Ansätze des Deep Learning ihr Ziel. In der Fallanalyse haben wir es mit neuronalen Netzen zu tun, die schwer zu analysieren sind. Mit Hilfe von DI können wir jedoch tiefer in die Materie eintauchen und die Grundlage verstehen, auf der die KI ihre Entscheidung trifft.