Probleme mit Daten behinderten Covid-Forschung
Wie Probleme mit Daten die Covid-Forschung behinderten, schilderte der Chef des Complexity Science Hub Vienna (CSH), Stefan Thurner, Freitag Nachmittag bei den Alpbacher Technologiegesprächen. So scheiterte rund die Hälfte der im Zuge der Corona-Pandemie aufgesetzten Projekte der Forscher einfach daran, dass kein Austausch von Daten möglich war, sagte der Komplexitätsforscher.
Zu einem frühen Zeitpunkt der Corona-Pandemie sei man am CSH von der Politik gebeten worden, wissenschaftliche Expertise einzubringen. In Folge seien 18 Projekte aufgesetzt worden, aber "viele Dinge haben dabei nicht funktioniert", so Thurner bei einer Diskussion zum Thema "Komplexitätsforschung - Corona und die Konsequenzen". Der Grund seien Probleme mit Daten gewesen, welche die Forscher für ihre Arbeit benötigen.
Dies habe einerseits die Qualität der Daten betroffen, die für die Modelle der Komplexitätsforscher nicht ausreichend gewesen sei, andererseits die Tatsache, dass die Besitzer der Daten nicht bereit gewesen seien, diese zu teilen - aus welchen Gründen auch immer, so Thurner.
"Es zeigte sich aber, dass selbst wenn beide Seiten bereit waren, die Daten zu teilen, dies nicht möglich war. Entweder gab es keine Protokolle dafür, und selbst wenn es diese gab, wurden sie noch nie verwendet oder niemand wusste wie", so der Forscher. "Rund 50 Prozent unserer Projekte scheiterten, weil wir die Daten nicht in korrekter Weise teilen konnten."
Thurner warnte deshalb vor einem Scheitern der von Digitalisierungsbestrebungen, "wenn Daten nicht zugänglich, gut und korrekt verarbeitet sind - wobei ich mit korrekt zum Beispiel Datenschutz und Privacy meine". Die Qualität der Digitalisierung hänge davon ab, wie wir lernen mit Daten umzugehen. Das sei nicht nur eine Frage für Wissenschafter oder Start-ups, sondern auch eine Übung, die die Gesellschaft lernen müsse.
Für Dirk Helbing vom Computer Science Department der ETH Zürich hat die Corona-Pandemie "die Grenzen von Big Data und Künstlicher Intelligenz (KI) aufgezeigt". Er verwies etwa darauf, dass Länder versucht hätten, Methoden der vorausschauenden Polizeiarbeit ("Predictive Policing") für Corona-Tracing einzusetzen. Angesichts der hohen Fehlerraten dieser Methoden hätte das nicht sehr gut funktioniert. Er nannte als Beispiel Israel, wo etwa 12.000 Personen versehentlich in Quarantäne geschickt wurden und das mit einer zweiten Welle konfrontiert sei. "Es gibt starke Limitierungen dieses datengesteuerten, KI-kontrollierten Ansatzes", so Helbing.
Er plädierte dafür, Big Data und KI anders zu nutzen. Für ihn spielen dabei Smartphones eine wichtige Rolle, die helfen könnten, sich in kritischen Situationen zu orientieren und "unser soziales Netzwerk in ein Sicherheitsnetzwerk zu verwandeln". So hat Helbing mit Kollegen etwa mit "Grippenet" an einem partizipativen Gesundheitssystem gearbeitet, bei dem die Menschen etwa ihre Symptome eintragen können. Die Teilnehmer erhalten dann aggregierte Daten als Feedback und könnten sich so in der aktuellen Situation orientieren, also z.B. sehen, wo es viele Menschen mit Krankheitssymptomen gibt.
"Digitale Technologien können sehr hilfreich sein, man sollte aber nicht zu sehr auf Big Data und KI abzielen, sondern diese Technologie nutzen um Menschen zu befähigen, sich selbst und anderen helfen und eine digitale Demokratie zu ermöglichen", sagte Helbing.