German Data Science Days 2024Deep-Dive in die Veranstaltung vom 07. und 08. März

Am 07. und 08. März fanden die German Data Science Days 2024 statt. In der Großen Aula der Ludwig-Maximilians-Universität München kamen Data Scientists aus Unternehmen, Behörden und Universitäten zum Austausch und Networking zusammen.

Insgesamt präsentierten und diskutierten 25 Referenten und rund 200 Teilnehmerinnen und Teilnehmer unter anderem über die Themen von Data Science im Transportwesen, in der Medizin, im Finanzwesen sowie zur Aus- und Weiterbildung.

Dabei wurde deutlich: Die facettenreiche Welt von Data Science erhält zunehmend Einzug in verschiedene Lebensbereiche und gewinnt kontinuierlich an Bedeutung.

Wir bedanken uns herzlich bei dem Elitestudiengang Data Science der Ludwig-Maximilians-Universität München für die organisatorische Unterstützung!

Um die GDSD 2024 umfassend zu rekapitulieren, folgen vier vertiefende Bereiche, in denen wir die acht Sessions rund um Data Science inhaltlich zusammenfassen.

Data Science in Digital Cities and in Mobility

Utopie oder Realität?
In der Session „Data Science in Digital Cities“ wurde gezeigt, wie mithilfe von Data (Science) fundiertere Entscheidungen getroffen und vorhandene Ressourcen optimierter verteilt werden können, wodurch sich die allgemeine Lebensqualität der Bürger erhöht. Der aktuelle Stand der Umsetzung und die Vorteile von smarten Maßnahmen wurden aus verschiedenen Blickwinkeln beleuchtet. Christian Nagel vom Landeshauptstadt München und dessen IT-Referat sowie Michael Klimke und Andreas Preisser von baiosphere stellten die Smart-City-Initiativen und die Entwicklung der KI-Landschaft in Bayern auf Initiative der Bayerischen Staatsregierung vor. Wie urbane Lebensräume effizienter, nachhaltiger und lebenswerter gestaltet werden können, ist und bleibt eine äußerst relevante Frage.

Mobilität in Digital Cities
Prof. Dr. Stefanie Schmidtner von der Technische Hochschule Ingolstadt ging auf verschiedene Komponenten des Reinforcement Learning im Verkehrsbereich ein. Dazu gehörten unter anderem die Verkehrsampelsteuerung, Geschwindigkeitsempfehlungen und Floating Car Observers. Es wurde ein Vergleich zwischen klassischen und RL-basierten Ansätzen geboten. Ziel der Verkehrsoptimierungen ist es, durch intelligente Verkehrssteuerung mehr Nachhaltigkeit zu erreichen, insbesondere an Kreuzungen.

Von der Straßen auf die Schienen
Hannah Noriko Richta und Thorsten Deutsch von der Deutsche Bahn zeigten, wie KI erfolgreich eingesetzt wird, um die Pünktlichkeit der Deutschen Bahn zu verbessern. Die beiden Use Cases im Bereich Train und Rail Dispatching, in denen Recommender-Systeme eingesetzt werden, veranschaulichten die Inhalte. Außerdem wurden verschiedene Optimierungsverfahren vorgestellt, von der Mitarbeiterverwaltung bis zum Verfügbarkeits-Dispatching.

Data Science in the Media and Data Security & Ethics

Welchen neuen Entwicklungen gibt es?
In ihrem Vortrag thematisierten @Lucia Karch und @Patrick Zimmermann von der @Alexander Thamm GmbH, dass die Europäische Union (EU) als Teil ihrer digitalen Strategie zukünftig Künstliche Intelligenz (KI) regulieren möchte. Dabei verfolgt die EU das Ziel, bessere Bedingungen für die Entwicklung und Nutzung dieser innovativen Technologie zu schaffen. Denn KI kann viele Vorteile mit sich bringen, wie beispielsweise personalisierte Inhalte und Empfehlungen, präzisere Analyse großer Datenmengen, Datenjournalismus, Schutz vor Cyberangriffen und viele weitere. Eins ist vor allem klar geworden: KI wirkt sich auf viele Bereiche unseres Lebens aus, und eine solche Regulierung wird uns demnach alle betreffen. Zudem wurde darauf hingewiesen, dass das bevorstehende KI-Gesetz als Chance gesehen werden kann, um nachhaltige und vertrauenswürdige KI-Anwendungen zu schaffen.

Was is der AI Act?
Der AI Act, offiziell bekannt als das EU-Gesetz zur künstlichen Intelligenz, ist ein Vorschlag für eine europäische Verordnung über KI. Es handelt sich um den ersten umfassenden Rechtsrahmen für KI, der von einer bedeutenden Behörde weltweit vorgeschlagen wurde. Das Gesetz kategorisiert die Anwendung von KI in drei Risikoklassen. Erstens werden Anwendungen und Systeme, die ein inakzeptables Risiko darstellen, wie beispielsweise staatlich betriebene Social-Scoring-Systeme, wie sie in China verwendet werden, verboten. Zweitens unterliegen Anwendungen mit hohem Risiko, wie beispielsweise Tools zur automatischen Bewertung von Bewerbungen, bestimmten spezifischen rechtlichen Anforderungen. Anwendungen, die weder ausdrücklich verboten noch als hochriskant eingestuft sind, bleiben im Wesentlichen unreguliert.

Was passiert als nächstes?
Der vereinbarte Text wird formell während einer der nächsten Plenarsitzungen des Parlaments angenommen. Er wird 24 Monate nach Inkrafttreten in vollem Umfang anwendbar sein, jedoch werden einige Teile früher wirksam sein. Das Verbot von KI-Systemen, die unannehmbare Risiken darstellen, tritt sechs Monate nach Inkrafttreten in Kraft; die Verhaltenskodizes werden neun Monate nach Inkrafttreten wirksam sein. Die Vorschriften für KI-Systeme mit allgemeinem Verwendungszweck, die den Transparenzanforderungen genügen müssen, werden zwölf Monate nach Inkrafttreten wirksam sein. Systeme mit hohem Risiko werden mehr Zeit haben, um die Anforderungen zu erfüllen; die entsprechenden Verpflichtungen treten 36 Monate nach Inkrafttreten in Kraft.

Datenwissenschaft in Forschung & Bildung sowie Klimawissenschaft & Nachhaltigkeit

Datenwissenschaft in der klimaforschung und Nachhaltigkeit
Vincent Eichel und Thilo Quack von FORRS beleuchteten in ihrem Vortrag die vielfältigen Anwendungsbereiche der Datenwissenschaft im Energiesektor und betonten, wie Anwendungen der Datenwissenschaft, angefangen bei der Prognose von Produktion und Nachfrage bis hin zur Preisvorhersage und Flexibilitätsoptimierung, den Energiesektor revolutionieren. Anschließend tauchten sie tiefer ein und präsentierten ein praktisches Modell für die Entwicklung fortschrittlicher Handelsstrategien und identifizierten die optimalen Ausführungszeiten für den Intraday-Stromhandel.

Das erste offene und kollaborative Datennetzwerk
Wiebke Brömme und Andreas Kottmann vom Konsortium Catena-X (BMW AG) gaben Einblicke in das erste offene und kollaborative Datennetzwerk (keine Datenbank). Sie schaffen damit ein standardisiertes, sicheres und einfaches Ökosystem entlang der gesamten Wertschöpfungskette. Somit wird beispielsweise die Resilienz gegenüber globalen Schocks erhöht und eine größere Produktkomplexität gewährleistet - sogar industrieübergreifend.

Big-Data-Anwendungen in der Klimaforschung
Prof. Dr. Ralf Ludwig von der Ludwig-Maximilians-Universität München thematisierte in seinem Vortrag die Bedeutung von Big-Data-Anwendungen in der Klimaforschung und brachte die Teilnehmenden auf den aktuellen Wissensstand zum Klimawandel. Das ClimEx-Projekt wurde zur Veranschaulichung des Klimawandels und von Extremereignissen genutzt, und Ergebnisse der Fallstudien wurden anhand prozessbasierter Modellierung und maschinellen Lernens geteilt.

Data Science in Health Care & Chemistry and Finance & Insurance

Data Science im Gesundheitswesen und der Chemie
Wie ermutigt die BASF Mitarbeiter:innen, generative KI zu nutzen? Dr. Christoph Weisser präsentierte in seinem Vortrag Anwendungsfälle zu diesem Thema. Er zeigte, dass der Einsatz von Data Science in Unternehmen durch Schulungen gefördert werden muss.

Data Science im Fainaz- und Versicherungswesen
Konstantin R., Scalable Capital sprach über die Optimierung von Werbekampagnen durch die Prognose der Customer Lifetime Values (CLV). Dabei wurden die Schwierigkeiten bei einer solchen Prognose genannt und gezeigt, wie Data Science zusätzlichen Wert für Vorhersagen der customer journey bieten kann. Die Allianz transformiert ihre Datenwissenschaft durch die Nutzung von (großen) Sprachmodellen für erweiterte Anwendungsfälle. Alexander Vosseler und Wei Ding gaben Einblicke, wie KI die Versicherungswelt verändert und wie Sprachmodelle direkt anwendbar sind. Alexander Haag stellte die KI-Fabrik der Ergo vor und wie diese durch den Dschungel der KI-Generationen navigiert. Die Integration von KI in Unternehmen erfordert eine enge Zusammenarbeit zwischen Datenwissenschaft und IT, um effektive Lösungen zu entwickeln.

---

Link zu allen Präsentationen: www.gdsd.statistik.uni-muenchen.de/german-data-science-days-2024