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.