AR und VR sind im Begriff, traditionelle 2D- und 3D-Tools zu ersetzen. Unternehmen sollten diese Arten der Visualisierung jedoch nur dann einsetzen, wenn damit ein klares Ziel verfolgt wird.
Jeden Tag haben wir es mit immer grösser werdenden Datenmengen zu tun. So soll sich das Datenaufkommen im Jahr 2025 laut der jüngsten Schätzung von Forbes auf 175 Zettabyte (150 Billionen GB) belaufen. Um diese riesigen Datenmengen interpretieren zu können, setzen Unternehmen heute schon auf diverse Tools zur Big-Data-Analyse und auf KI-Algorithmen. Dies könnte jedoch unter Umständen nicht ausreichen, insbesondere wenn nicht nur Data Scientists, sondern auch technisch weniger versierte Personen aus diesen Daten Informationen oder Handlungsempfehlungen erhalten sollen.
«Wenn Sie wollen, dass andere den Erkenntnissen entsprechend handeln, müssen Sie diese so präsentieren, dass die Menschen sie verstehen und ihnen glauben», betont Steven Drucker, Forschungsleiter und Manager der Gruppe für die Visualisierung und interaktive Datenanalyse bei Microsoft Research. Das Schlüsselwort heisst Datenvisualisierung. Mit Augmented und Virtual Reality kommt dafür ein neuer Ansatz ins Spiel, der traditionelle 2D- und 3D-Tools zu ersetzen verspricht.
Datenkomplexität als Problem
Die Visualisierung von Big Data stellt eine besondere Herausforderung dar. Gerade bei grossen Datensätzen kann es schwierig sein, die richtigen Zusammenhänge zu erkennen und aufzuzeigen. Reena Ganga, Senior Designerin für Augmented Reality bei IBM, die zusammen mit ihrem Team an der App Immersive Insights für die Datenvisualisierung in Augmented Reality arbeitet, kennt das aus eigener Erfahrung: «Das erste Problem bei der computergestützten Visualisierung besteht darin, dass Datenwissenschaftler oft mehr als zwei Dimensionen in ihren Daten visualisieren müssen.» In der Regel greift man zu mehreren 2D-Diagrammen oder versucht, einem einzelnen 2D-Diagramm eine dritte Dimension hinzuzufügen.
Eine solche Darstellung verdeckt womöglich wichtige Daten und erschwert die Auswertung von Ergebnissen. George Djorgovski, Professor an der kalifornischen Hochschule für Technologie und Mitgründer des Start-ups Virtualitics mit Fokus auf Datenanalysen in VR und AR, bringt es auf den Punkt: «Die grössten Herausforderungen in der Datenwissenschaft liegen nicht in der Grösse der Daten, sondern vielmehr in der Datenkomplexität, die sich häufig in einer hohen Dimensionalität äussert.»
Die gängigen Tools für die Datenvisualisierung in 3D bieten ebenfalls keine optimale Lösung. Das Erweitern eines Diagramms oder einer Abbildung um die dritte Dimension auf einem immer noch zweidimensionalen flachen Bildschirm hat zwar einen ästhetischen Effekt, kann jedoch die Analyse von Daten oder das Finden von Zusammenhängen unter Umständen sogar noch komplizierter machen. «Wenn man sich mit einer Visualisierung auf einem Computerbildschirm auseinandersetzen will, besteht der Workflow hauptsächlich aus Klicken und Ziehen, bis ein Einblick gefunden wird», erklärt Jenna Goldberg, Augmented Reality Software Designer bei IBM, die zusammen mit Reena Ganga am Immersive-Insights-Projekt arbeitet. Ein 3D-Diagramm bietet demnach lediglich eine weitere Fläche zum «Klicken und Ziehen». Dadurch, dass eine zusätzliche Dimension bei der Analyse und Auswertung von Daten in Betracht gezogen werden muss, erhöht sich ausserdem nicht nur der Arbeits-, sondern auch der kognitive Aufwand.
Neue Wege mit AR und VR
Mit Augmented und Virtual Reality dagegen bahnt sich ein vollkommen neuer Ansatz für die Visualisierung grosser Datenmengen an. Das Ziel dabei ist, die Barriere zwischen dem Anwender und den Daten verschwinden zu lassen, sodass eine natürliche Interaktion mit den Daten ähnlich wie mit alltäglichen Objekten möglich ist.
Die Demo von BadVR zeigt das Potenzial der Visualisierungstechnik für Geodaten auf
Quelle: BadVR
Weshalb das so wichtig ist, weiss Sophia Batchelor. Sie ist eine der wenigen Spatial-Computing-Neurowissenschaftler weltweit, die den Einfluss von AR und VR auf unsere Lern- und kognitiven Fähigkeiten erforschen. Die Besonderheit der sogenannten immersiven Datenvisualisierung liegt darin, dass es dabei weniger um zusätzliche Tiefeninformationen, sondern vielmehr um die räumliche Wahrnehmung geht: «Unser Gehirn ist auf einzigartige Weise darauf ausgelegt, den Raum zu verstehen und sich dadurch zu orientieren», erklärt die Neurowissenschaftlerin aus Neuseeland. «Wenn wir uns also durch und um die Daten herum bewegen können, können wir eine bessere [kognitive] Leistung erbringen.» Das bedeutet, dass wir die Informationen nicht nur bildlich darstellen, sondern auch besser verstehen und mit ihnen interagieren können, anstatt passiv eine Reihe von Zahlen in einer Excel-Tabelle oder in einem 2D-Diagramm zu betrachten.
Je nach Datenart und Einsatzbereich bieten AR und VR unterschiedliche Vorteile. Bei der VR-Datenvisualisierung liegt der Fokus auf den Informationen selbst, oder wie George Djorgovski von Virtualitics es fasst: «(…) wenn der Nutzer sich nur auf die Daten konzentrieren möchte, ohne sich durch das visuelle Durcheinander der physischen Welt ablenken zu lassen.» Ausserdem kann Virtual Reality von Natur aus besser für die Visualisierung von abstrakten Daten wie der ganzheitlichen Auswertung des Kundenverhaltens sein – also von Daten, die keinen unmittelbaren Bezug auf den umgebenden Raum haben.
Augmented Reality wiederum ist sehr stark durch die Umgebung vordefiniert und ermöglicht deshalb vor allem die Visualisierung von raumbezogenen Daten. Beispiele sind die Signalstärke im Mobilfunk oder Funkwellen. AR ermöglicht hier eine Datenvisualisierung im direkten Kontext. Auch die Interaktion mit anderen Menschen kann in Augmented Reality einfacher sein. Zwar ist es möglich, in Virtual Reality mittels Avatar mit anderen zu interagieren, die AR-Umgebung bietet jedoch einen wesentlich natürlicheren Rahmen zum Austausch von Ergebnissen oder zur gemeinsamen Auswertung der vorliegenden Daten.
Holistischer Überblick
Bei Datenvisualisierung mit AR/VR geht es also weniger um eine revolutionäre Methode, Big Data zu visualisieren, sondern vielmehr um einen revolutionären Ansatz, von unserer angeborenen Fähigkeit zur Mustererkennung einen sinnvollen Gebrauch zu machen und so die Auseinandersetzung mit grossen Datenmengen zu erleichtern. «Um ein historisches Beispiel heranzuziehen: Der qualitative Unterschied in Wahrnehmung und Gesamterlebnis ist mit dem Unterschied zwischen alten Schwarz-Weiss-Filmen in Mono und Breitbildfilmen in Farbe und Stereo vergleichbar», erklärt George Djorgovski von Virtualitics.
Denkbare Anwendungsfälle können dabei sowohl relativ einfach als auch ziemlich komplex ausfallen. So arbeitet etwa Georg Kreimer, Leiter der SAP Customer Experience Labs, zusammen mit seinem Team am Projekt Signal. Ziel ist es, Big Data aus der Customer Journey in Virtual Reality darzustellen. Jeder Schritt enthält mehrere Touchpoints, die über die Interaktion zwischen Händlern und Kunden entstehen. «Diese sind nicht nur entscheidend, ob ein Kauf zustande kommt, sondern auch, ob man über den Kauf hinaus eine positive Kundenbeziehung aufbauen kann», erklärt Kreimer. Mit Hilfe von VR will sein Team alle Datenpunkte, die in der Customer Journey entstehen, zusammenziehen und einen holistischen Blick darauf ermöglichen.
Ein weiterer spannender Anwendungsfall ist der Einsatz von AR-/VR-Visualisierungen für die Überprüfung von Machine-Learning-Modellen. Schlaue Algorithmen ermöglichen zwar eine effiziente Bearbeitung und Analyse selbst sehr grosser Datenmengen, sind aber nur so objektiv und vorurteilsfrei wie die Daten, die sie eingespeist bekommen. Und hier hapert es in vielen Fällen – mal liegt das an der menschlichen Voreingenommenheit, mal an der Unvollständigkeit oder mangelnden Qualität der Daten selbst. Deshalb müssen Machine-Learning-Modelle kontinuierlich überprüft und bei Bedarf angepasst werden.
Dies kann jedoch selbst für Data Scientists eine sehr zeitintensive und somit herausfordernde Aufgabe sein, bei der Fehler leicht passieren können. Nach Ansicht von Suzanne Borders, CEO und Gründerin des US-amerikanischen Unternehmens BadVR, das Lösungen für VR- und AR-Visualisierungen von Daten entwickelt, ermöglichen es Augmented und Virtual Reality, solche Fehler schneller aufzuspüren: «VR-/AR-Datenvisualisierungsplattformen bieten den Nutzern die Möglichkeit, ein Machine-Learning-Modell wirklich zu ‹sehen› und sogar das Lernen durch die Algorithmen in Echtzeit zu beobachten.»
Ihr Team hat damit eigene Erfahrungen gemacht, denn BadVR wurde von einem Finanzunternehmen beauftragt, ein Machine-Learning-Modell zu visualisieren, das kreditwürdige Personen identifizieren sollte. Dadurch sollte sichergestellt werden, dass das Modell keine diskriminierenden Entscheidungen gegenüber ethnischen Gruppen oder aufgrund des Einkommensniveaus trifft. Durch die Darstellung des Modells in der immersiven Umgebung konnte in Echtzeit beobachtet werden, wie es funktioniert und welche Ergebnisse es ausgibt. Dabei wurde tatsächlich ein Fehler gefunden, der den Datenwissenschaftlern bis dahin nicht aufgefallen war.
«Die Möglichkeit, mit Datenmodellen holistisch zu arbeiten, sorgt dafür, dass nichts von dem, was uns als Menschen ausmacht – Empathie, Herzlichkeit, Ethik und Mitgefühl – verloren geht oder geopfert wird, um den grösstmöglichen Wert aus unseren Daten zu erzielen», unterstreicht Suzanne Borders.
Der Markt reift noch
Der Markt für die Datenvisualisierung mittels Augmented Reality und Virtual Reality ist noch sehr jung. So gehören BadVR und Virtualitics zu einer Handvoll Unternehmen, die einsatzreife Produkte und Lösungen in diesem Bereich entwickeln. Dabei liegt der Schwerpunkt bislang auch noch deutlich mehr bei Virtual Reality als bei Augmented Reality – nicht zuletzt, weil es keine Best Practices und einheitlichen Standards für die Gestaltung und Entwicklung von AR-Produkten gibt, meint die BadVR-Geschäftsführerin Borders. Designer und Entwickler stossen immer noch auf neue Herausforderungen in Bezug auf die Usability. Dies ist auch einer der Gründe, warum der Ansatz momentan hauptsächlich in Forschungslabors und Wissenschaft zu finden ist.
Eine weitere Herausforderung ist der Umgang mit Big Data selbst. «Es ist schon schwer genug, sozusagen Small Data zu visualisieren, geschweige denn Big Data», betont Steven Drucker von Microsoft Research. Je mehr Daten und je mehr Zusammenhänge es zwischen diesen Daten gibt, desto besser müssen sie aufbereitet werden, denn insbesondere Big Data kann nicht einfach so in eine Visualisierung, ob in AR oder auf eine andere Weise, eingespeist werden. «In der Regel müssen Sie die Daten aggregieren, bereinigen und einige Analysen durchführen, um die Datensätze zunächst auf eine überschaubare Grösse und Komplexität zu reduzieren», erläutert Reena Ganga von IBM.
Wie bei Big Data Analytics im Allgemeinen, so gilt also auch bei Visualisierungs-Projekten die Regel: Nicht alle Daten sind brauchbar oder nützlich, um die gewünschten Erkenntnisse zu erzielen. Ausserdem gibt es noch viele ungeklärte Fragen im Bereich AR/VR und bezüglich des Einflusses dieser Technologien auf unsere Wahrnehmung, wie Sophia Batchelor durch ihre Experimente und die ihrer Kollegen festgestellt hat. Es ist derzeit immer noch unklar, warum Menschen Informationen, die ihnen in Virtual und Augmented Reality präsentiert werden, besser verstehen und lernen können, als zum Beispiel Informationen auf dem Papier oder einem Bildschirm. «Wir können nur beweisen, dass wir es in den meisten Situationen tun», unterstreicht die Neurowissenschaftlerin. Trotzdem sind die Experten zuversichtlich, dass dieser Ansatz sehr viel Potenzial birgt. Eine stetig wachsende Zahl an Lösungen speziell für den Einsatz im Unternehmensumfeld ist ein Zeichen dafür.
Vielversprechend sind in dieser Hinsicht besonders die aktuellen Entwicklungen im Bereich AR- und VR-Hardware, die immer reifer und funktionsreicher wird, und das nicht nur im Konsumentenbereich. Im Mai dieses Jahres hat Google beispielsweise eine neue Version seiner Brille für den Enterprise-Sektor auf den Markt gebracht. Die Glass Enterprise Edition 2 zeichnet sich durch eine deutlich leistungsstärkere CPU und eine neue KI-Fähigkeit aus.
«Zusätzlich entstehen momentan auch neue Möglichkeiten für Interaktionen mit den Anwendungen», so die Beobachtung des SAP-Experten Georg Kreimer, denn neben rein visuellen Darstellungsformen gibt es zusätzlich auditive und haptische. Auf der «SXSW»-Konferenz im März dieses Jahres hat Bose zum Beispiel eine AR-Brille mit Mini-Lautsprecher vorgestellt. Zwar handelt es sich noch um einen Prototyp, aber er zeigt bereits auf, wie sich auditive und visuelle Wahrnehmungen in Augmented und Virtual Reality vereinen lassen.
Andere Unternehmen arbeiten an speziellen Handschuhen für Augmented und Virtual Reality, die die aktuellen und teilweise sperrigen Motion-Controller ersetzen und eine natürlichere Interaktion mit Objekten – und Daten – in einer immersiven Umgebung gewährleisten sollen. Neben Produkten wie denen von HaptX und Plexus ist hier der DextrES Glove von EPFL und ETH Zürich zu erwähnen, der nur 2 Millimeter dünn ist und sehr wenig wiegt. Der Handschuh erlaubt es seinen Nutzern, virtuelle Objekte zu «berühren» und zu manipulieren und gibt seinem Träger ein äusserst realistisches haptisches Feedback. Zudem bietet er dank künftig möglichem Batteriebetrieb eine noch nicht dagewesene Bewegungsfreiheit.
Fazit & Ausblick
Zweifelsohne gibt es Skeptiker, die keinen grossen Nutzen in der AR-/VR-basierten Datenvisualisierung sehen. Diese Vorbehalte sind jedoch nach Ansicht von Experten hauptsächlich auf die unglücklichen ersten Produktprototypen zurückzuführen. «Es werden oft 2-dimensionale Diagramme und Screens in dieses neue Medium überführt, ohne dass man dies hinterfragt und das Potenzial von VR/AR voll ausschöpft», moniert Georg Kreimer von SAP.
Sich von den alten Konzepten aus den vorangegangenen Medien zu lösen, wird deshalb wahrscheinlich eine der grössten Herausforderungen sein. Wir haben über 50 Jahre Erfahrung in der Datenvisualisierung auf Papier und flachen Bildschirmen und diese Erfahrung beeinflusst unweigerlich unsere Vorstellung davon, wie Datenvisualisierung in einer immersiven Umgebung überhaupt aussieht. Doch auch wenn dies als eine spielerische Alternative zu 2D-Visualisierungen erscheinen mag, handelt es sich in Wirklichkeit um einen vollkommen neuen Ansatz, sich mit Daten auseinanderzusetzen, der auch neue Denk- und Herangehensweisen erfordert.
Brianna Benson, die zusammen mit Reena Ganga an Lösungen für die AR-basierte Datenvisualisierung arbeitet, weist jedoch darauf hin, dass Unternehmen ein klares Ziel für diesen Ansatz setzen sollten anstatt ihn nur der Innovation halber zu verfolgen: «Auch wenn diese Technologie aufregend ist, kann sie nicht der alleinige Motivationsfaktor für ein Projekt sein, denn dies würde zur Mittelmässigkeit führen.»
Nach Einschätzung der Experten dürften weitere drei bis fünf Jahre vergehen, bis Hardware, Standards und Konzepte für eine breitere Palette an Einsatz- und Anwendungsmöglichkeiten reif genug sind und vor allem bis mehr und mehr Unternehmen erkennen, dass immersive Datenvisualisierungen mehr sind als nur Diagramme und Charts in 3D.
Dennoch könnte es sich für Unternehmen durchaus auszahlen, diese Technologie jetzt schon auf die Probe zu stellen, um sich womöglich einen erheblichen Wettbewerbsvorsprung zu sichern. Steven Drucker jedenfalls ist zuversichtlich, dass Virtual und Augmented Reality die Art und Weise, wie wir mit den Daten umgehen und Informationen darstellen, grundsätzlich verändern werden: «Auf kurze Sicht bin ich skeptisch, jedoch sehr optimistisch auf lange Sicht», lautet das Fazit des Microsoft- Research-Forschungsleiters.
Quelle:
Foto: My name is Yanick/Unsplash
Die Virtualitics Immersive Platform kombiniert maschinelles Lernen, immersive Visualisierung und kollaborative virtuelle Umgebung, Virtualitics
https://www.computerworld.ch/technik/business-it/big-data-visualisieren-ar-vr-1752473.html?page=1_neue-wege-mit-ar-und-vr
