TREMA StartseiteTREMA-Trend Mining, Analyse und Fusion multimodaler Daten

Kurzdarstellung

In Zeiten, in denen nicht mehr Mangel an Informationen sondern Überfluss herrscht, hängt die Qualität unternehmerischer Entscheidungen bei der strategischen Unternehmensplanung, des Controllings und der Kennzahlenbildung in zunehmendem Maße von einer Unterstützung durch automatisierte Analysemethoden, intelligente Informationsextraktion und problemorientierte Datenrepräsentationen ab, wie sie in Form von Business Intelligence (BI)-Werkzeugen mehr und mehr Verbreitung finden. Entscheidungsunterstützung (decision support – DS) und Risikomanagement (RM) sind Schlüsselanforderungen gegenwärtiger und zukünftiger BI-Systeme. Beide beruhen vornehmlich auf Prognosen zu erwartender oder möglicher zukünftiger Entwicklungen. Eine einfache, aber sehr mächtige Form von Prognosen besteht in Aussagen über Trendentwicklungen, auf die sich dieses Vorhaben konzentrieren wird.

Während im Laufe der letzten einhundert Jahre die Methodik der Statistik zu einem umfassenden Werkzeug entwickelt wurde, ist man bei der Auswertung nichtnumerischer bzw. qualitativer Datenquellen und Informationsarten auch heute noch größtenteils auf eine menschliche Beurteilung angewiesen. Diese Verfahren sind aufgrund ihres Zeit- und Personalaufwandes auf großen Datenmengen nur beschränkt einsetzbar und darüber hinaus anfällig für durch den subjektiven Faktor variierende Ergebnisse. In den letzten Jahren ist die Entwicklung von Methoden der Textanalyse allerdings so weit fortgeschritten, dass eine Automatisierung solcher Prozesse mit Hilfe von Verfahren wie Indizierung, Kategorisierung und Themenextraktion in greifbare Nähe gerückt sind.

Prognosen für DS und RM werden heute noch ausschließlich auf Basis numerischer Daten erstellt. Dieses Vorhaben will eine neue Klasse zuverlässiger Prognosemethoden entwickeln deren Datenbasis um qualitative bzw. alphanumerische Daten erweitert ist. Die Zuverlässigkeit von Prognosemethoden hängt bekanntlich neben der Menge auch von der Qualität verfügbarer Ausgangsdaten ab. Das Vorhaben wird darüber hinaus geeignete Methoden zur Fusion von Daten und Informationen unterschiedlichen Typs, insbesondere numerischer Daten und Texte, untersuchen und neu entwickeln um durch Ausnutzen der Synergie solcher komplementärer Datenquellen die Mängel in einer Datenmodalität gegenüber einer anderen zu kompensieren, unsichere oder verrauschte Daten zu bestätigen und hierdurch die Qualität der Ausgangsdaten für Prognosesysteme zu verbessern.

Ziel des geplanten Vorhabens ist die Entwicklung

  • einer Plattform zur integrierten Repräsentation heterogener und multimodaler Informationen,
  • neuer Analysemethoden für korrelierte numerische Daten und unstrukturierte Texte sowie darauf basierend eines
  • Werkzeugs zur Unterstützung unternehmerischer Entscheidungen durch Trenderkennung und -prognose aus alphanumerischen Daten.
TREMA wurde gefördert von
powered by
powered by
TREMA © 2008, neofonie - Technologieentwicklung und Informationsmanagement GmbH