Einführung

Epidemien, Marktprodukte und Verbrechen lassen sich, so melden Zeitungen und Medien, immer besser vorausberechnen. Grund sind exponentiell steigende Datenmengen, die immer preiswerter gespeichert und mit gigantisch wachsender Rechenpower immer schneller verarbeitet werden können. Es sind nicht nur die Daten, die viele Millionen von Nutzern in Informations- und Kommunikationsnetzen hinterlassen. Bücher, Musik, Fotografien und Videos gehören ebenso dazu wie Telefonanrufe oder Navigationssysteme unserer Fahrzeuge. Im Internet der Dinge beobachtet die Welt sich selber und produziert über Sensoren Milliarden von Dateneinheiten. Informationskonzerne wie z.B. Google und Facebook vermessen damit die Welt, berechnen Persönlichkeitsprofile und bestimmen unsere Zukunft.

Einige dieser Strategen verkündigen bereits das «Ende der Theorie» – ein radikaler und neuer Paradigmenwechsel, so glaubt man, der die Ursachen und Wirkungen von Krankheiten, Märkten und Verbrechen nicht mehr verstehen muss, sondern durch blitzschnelles Durchforsten von riesigen Datenmengen Muster und Korrelationen erkennt, die Voraussagen in Echtzeit erlauben. Gemeint ist dabei keine wahrscheinlichkeitstheoretisch begründete Hochrechnung aus repräsentativen Stichproben. Gemeint ist die Berechnung von Korrelationen aus nahezu allen Daten eines gesamten Datensatzes. Tatsächlich waren es nur Korrelationen über Anfragen und Kaufverhalten im Internet, die Google 2009 den Ausbruch einer Epidemie voraussagen ließen, ohne langwierige Datenerhebungen von z.B. Gesundheitsämtern und repräsentative Stichproben abwarten oder sogar medizinisch begründete Modelle des Krankheitsverlaufs kennen zu müssen.

Ebenso lassen sich Markttrends und Profile von Produkten aus scheinbar zufälligen und nicht zusammenhängenden Daten über Personen, ihre Themen und Präferenzen schneller und verlässlicher erschließen als über gezielte Befragungen. Bemerkenswerte Erfolge gelangen in der Prävention von Verbrechen, indem aufgrund von automatischen Datenanalysen die Wahrscheinlichkeit von Diebstahl, Einbrüchen und Tötungsdelikten in bestimmten Straßen berechnet wurde und präventiv Polizei vor Ort die Straftaten verhinderte: Das kommt dem Science-Fiction-Film «Minority Report» erstaunlich nahe, in dem in einer total vernetzten Welt eine Art von Gedankenpolizei Strafdaten vollständig ausschalten wollte.

Technisch bezeichnet man mit dem Schlagwort «Big Data» gigantische Datenmengen, die in konventionellen Datenbanken nicht mehr bearbeitet werden können. Dazu wurden neue Softwarewerkzeuge entwickelt, die nicht mehr wie klassische Computerprogramme mit einem Rechnerprozessor auskommen. Vielmehr werden in Parallelrechnung Hunderte oder Tausende von Prozessoren in Superrechnern gleichzeitig eingesetzt, um so eine Reduktion der Komplexität in der Bearbeitung zu erreichen. In diesem Sinn lassen sich mit «Big Data» konkrete Geschäftsmodelle für Firmen aller Art entwickeln, die möglichst adaptiv, trendsicher und schnell auf Märkte reagieren sollen. Die deutsche Industrie sieht daher durchaus das Potential solcher Art von Big Data-Technologie, gibt sich aber bescheiden und bedeckt gegenüber den weitreichenden Visionen von jenseits des Atlantiks.

Es wäre allerdings leichtfertig und fahrlässig, den Big Data-Hype als typisch amerikanische Marketingstrategie herunterzuspielen, um sich auf derzeit vorhandene Software-Technologien zu beschränken. Tatsächlich wird hier ein Trend sichtbar, der bereits die Dynamik menschlicher Zivilisation maßgeblich bestimmt und auch die Wissenschaften erfasst hat: Was wäre, wenn in Zukunft tatsächlich neue Erkenntnis und die Lösung unserer Probleme nur von der schieren Steigerung von Datenmenge, Datenanalyse und Rechenpower abhängen? Ist die Suche nach Erklärungen, Ursachen und kausalen Zusammenhängen, Gesetzen und Theorien angesichts der steigenden Komplexität der Probleme nicht völlig überholt? Können wir uns angesichts des Tempos zivilisatorischer Entwicklung und der Notwendigkeit schneller Entscheidungen überhaupt noch solche zeitraubende Grundlagenforschung leisten? Sollten wir nicht die «Warum»-Frage vergessen und uns auf das «Was» der Daten beschränken?

Historisch steht die «Warum»-Frage am Anfang menschlichen Denkens in Wissenschaft und Philosophie. Warum bewegen sich Sterne und Planeten in regelmäßigen Bahnen? Ist die Vielfalt der Stoffe aus einfachen Grundbausteinen aufgebaut? In griechischer Tradition entstand eine faszinierende Idee, die den weiteren Entwicklungsgang von Forschung grundlegend beeinflusste. Der scheinbar chaotischen Vielfalt der Sinneseindrücke liegen einfache Gesetze der Symmetrie, Regelmäßigkeit und Harmonie zugrunde, die mathematisch beschreibbar sind. Diese Entwicklung begann mit den regulären Körpern Piatons und führte zur Suche nach Symmetrien in den Grundgesetzen der modernen Elementarteilchenphysik. Die Suche nach der Weltformel ist der Versuch, die Komplexität der Welt durch einfache Symmetriegesetze zu bewältigen (Kapitel 1). Das ist der Trend einer theoriegeleiteten («hypotheses-driven») Forschung. Dahinter steht die Überzeugung: Erst wenn wir eine gute Theorie haben, können wir wissen, wonach wir suchen, um die Vielfalt der Welt zu verstehen und zu bewältigen.

Aber auch die datengetriebene («data-driven») Forschungsperspektive ist keineswegs neu, wie leider historisch wenig gebildete Trendmacher von Big Data glauben machen wollen. Vielmehr ist dieser Trend tief in den Anfängen der Wissenschaftsentwicklung verwurzelt. In einer technisch-wissenschaftlich geprägten Zivilisation bekommen die dahinterstehenden wissenschaftlichen und philosophischen Traditionen eine dramatische Bedeutung. Die Forderung, auf Fakten und Messdaten zu setzen und Hypothesen zu misstrauen, findet sich von Francis Bacon bis Isaac Newton. Der schottische Aufklärungsphilosoph David Hume kritisiert kausale Verknüpfungen von Ereignissen als Hirngespinste und führt sie auf Korrelationen von Sinneseindrücken zurück. Mit Auguste Comtes Positivismus zieht der Glaube an Fakten und Daten auch in die Sozialwissenschaften ein.

Daten werden Zahlen zugeordnet und damit berechenbar. Gesetze werden zu Rechenregeln, um mathematische Gleichungen zu lösen. Ende des 18. Jahrhunderts ist für den Mathematiker und Astronomen Pierre Simon Laplace die Welt durch Anfangsdaten und Bewegungsgleichungen vollständig bestimmt. Daher kommt es nur auf die Berechnung von Gleichungslösungen an, um zu präzisen Voraussagen zu gelangen. Wenn also, so argumentiert Laplace, einer «Intelligenz» alle diese Daten und Gleichungen gegeben wären, müsste für sie die Welt total berechenbar sein. Diese von Laplace unterstellte «Intelligenz» geht als Laplacescher Geist in die Geschichte ein (Kapitel 2). Naheliegend ist es heute, sich darunter einen Superrechner vorzustellen. Berechnungen sind nach Laplace keineswegs auf deterministische Abläufe beschränkt. Die Wahrscheinlichkeit von abhängigen und unabhängigen Ereignissen und ihre Erwartungswerte sind Thema seines zweibändigen Werks über Wahrscheinlichkeitsrechnung von 1812.

Sind Gesetze aber tatsächlich überflüssig, ein Relikt aus einer Zeit, als Naturgesetze noch wie bei Galilei und Newton als «Gedanken Gottes» in der Sprache der Mathematik aufgefasst wurden? Von Nietzsches «Gott ist tot» zum «Tod der Gesetze» als unumkehrbarer Trend der modernen Welt? Massen von Daten und Zahlen alleine sind für uns aber ebenso sinnlos wie die Milliarden von Sinneseindrücken, die unsere Sinnesorgane tagtäglich bombardieren. Seit frühster Jugend haben wir gelernt, uns an Mustern und Regelmäßigkeiten dieser Daten zu orientieren. Stellen wir uns ein Gerät vor, das eine Folge von Werten aus den Ziffern 0 und 1 (Bits) generiert. In der Bitfolge 01010101010101010101 erkennen wir die periodische Abfolge des Paares 01. Es ist daher kürzer, die Regel «10 mal 01» zu notieren und mit dieser Regel die nächsten Schritte dieser Abfolge vorauszusagen. In der Datenfolge 01100010111001011110 ist kein Muster zu erkennen und damit auch keine Möglichkeit der Voraussage. Um diese Abfolge zu beschreiben, gibt es keine kürzere Darstellung als die Folge selber. Regeln und Gesetze sind also zunächst Datenkompressionen, die ein Muster zum Ausdruck bringen.

Unser Gehirn wurde während seiner Evolution auf Datenkompression und Reduktion von Komplexität trainiert. Blitzschnelle Entscheidungen hängen von dieser Fähigkeit ab. Das traf nicht nur im Überlebenskampf während der Steinzeit zu. Auch im heutigen Geschäftsleben und in der Politik stehen wir unter dem Druck häufig reflexartiger Entscheidungen. Superrechner und Big Data scheinen diesen Trend zur schnellen Entscheidung zu bedienen. Gelegentlich bilden wir uns aber auch Zusammenhänge und Muster ein, denen nur scheinbare Korrelationen von Ereignissen zugrunde liegen. Wetterregeln unserer Vorfahren waren häufig nicht besser begründet als das Zockerverhalten von Börsenspekulanten. Aber die Muster und Korrelationen von Big Data bleiben zufällig, wenn wir die zugrunde liegenden Zusammenhänge nicht verstehen. Natürlich greift...