Die Totenlisten führen jeweils zwischen 95.000 und 170.000 Datensätze auf – Name, Sterbedatum, -ort und mitunter auch Beruf oder Geschlecht des Toten. Das Problem: Sie enthalten viele Dubletten und noch mehr Lücken. Man muss daher zwischen den Zeilen lesen. “Zuerst beseitigen wir Tippfehler und filtern die Dubletten heraus. So werden die Listen zu einer einzigen vereinigt, wobei wir aber markieren, wie oft eine Person gelistet wurde”, erklärt Price das Vorgehen.
Ballspiel und Totenlisten
Dann kommt die Mathematik: Die Modellierung, mit der die tatsächlich Anzahl Toter abgeschätzt wird. Price beschreibt die Idee so: “Stellen Sie sich zwei Räume vor, einen kleinen und einen sehr großen, und beide total dunkel. Sie öffnen die Tür, werfen einen Ball in beide Räume und zählen, wie oft der Ball an den Wänden abprallt. Im ersten Raum werden Sie viele Ereignisse zählen, im zweiten wenige, die weit auseinander liegen. Ganz analog vermuten wir, dass bei vielen Doppelnennungen weniger Tote in den Listen fehlen als in den Fällen, in denen es nur wenige Überschneidungen zwischen den Quellen gibt.”
Ob für Google oder im Dienste der Menschenrechte – die Analyse von “Big Data” hat derzeit Hochkonjunktur. Geht man die wissenschaftlichen Porträts der jungen Wissenschaftler auf dem diesjährigen Heidelberg Laureate Forum durch, dann gehören die Stichworte “Data-Mining” oder “Big Data” zu den meistgenannten – ein Indiz dafür, dass das Thema auch an Universitäten im Trend liegt. Nicht ohne Grund wurde es zum “Hot Topic” der Tagung erhoben.
Algorithmen und Goldnuggets
Doch selbst wenn die Datenmengen heute wohl oft größer ausfallen als vor 20 oder 30 Jahren – die Untersuchung von Daten ist eigentlich seit Jahrzehnten Kerngeschäft der Informatik. Die Grundlagen dafür wurden schon vor Jahrzehnten gelegt.
“In den 1970er-Jahren lagen Algorithmen wie Goldnuggets herum”, erzählt Richard Karp, einer der ganz großen Algorithmiker, von den Anfängen. “Es gab damals viele Möglichkeiten, einfache Dinge zum ersten Mal zu entdecken. Ich erinnere mich, als mir zum ersten Mal binäre Suchbäume ins Auge fielen und wie man Daten darin so schnell finden kann. Eigentlich trivial, damals aber einfach nicht allgemein bekannt.” Einer der vielen Algorithmen, für die Karp berühmt wurde, ist ein Suchalgorithmus, den er zusammen mit Michael O. Rabin 1987 veröffentlicht hat. Man setzt ihn ein, wenn man schnell alle Vorkommen einer Wortfolge in einem Text finden will.
Teilchenbeschleuniger und Erdbebenfrühwarnsysteme
Neuere Algorithmen behandeln die Daten dagegen oft mit Hilfe von Statistik, um der Datenmenge Herr zu werden. “Ich interessiere mich heute für die Echtzeit-Untersuchung großer Datenströme, die so schnell hereinkommen, dass man mit ihnen sofort umgehen muss, in einer Rückkopplungsschleife. Man muss laufend klassifizieren, was man behalten will und was gelöscht werden soll. Anwendungen dafür gibt es überall: In der Astronomie oder Teilchenphysik, in Erdbebenfrühwarnsystemen, Notfall-Warnsystemen in Städten, in Verkehrsleitsystemen, in Stromnetzen.”
