Stefan Kluge, Lehr­stuhl für Quantitatives Marketing und Konsumenten­verhalten: Neuronale Netze (Mai 2022)

Stefan Kluge ist seit 2019 Doktorand am Lehr­stuhl für Quantitatives Marketing an der Universität Mannheim sowie als freiberuflicher Data Scientist in diversen Projekten tätig. Zuvor studierte er Informatik auf Diplom und Master.

Was ist Ihr aktuelles Forschungs­thema?                                             

Mir liegen zwei größere Forschungs­projekte sehr am Herzen: Mit José Parra-Moyano von der Copenhagen Business School schaue ich mir das Design von Auktionen für die Vergabe von Parachains für Blockchain-Projekte an. Leonie Gehrmann und Florian Stahl vom Lehr­stuhl für Quantitatives Marketing der Uni Mannheim arbeiten mit mir an der Analyse von über 100 Jahren Advertisements des Economist Magazin – ein sehr umfangreicher und anspruchsvoller Datensatz mit hohem Potential.

Für alle, die noch nicht so tief in das Thema Data Science eingestiegen sind: Wie würden Sie einem Kind erklären, woran Sie arbeiten?

Meiner Tochter erkläre ich das so: Ich arbeite mit klugen Menschen, überall auf der Welt, an riesigen Datenmengen, damit Dir auf YouTube, zum Beispiel, bessere Videos vorgeschlagen werden.

Alle sprechen über Data Science – wie würden Sie die Bedeutung des Themas für sich selbst in drei Worten beschreiben?

Kreativität, Vielseitigkeit, Kommandozeile

Welche Berührungs­punkte mit Data Science hat Ihre Arbeit? Welche Methoden nutzen Sie bereits und welche wären zukünftig interessant für Sie?

Mein Background ist in der Informatik, daher konzentriere ich mich in allen Forschungs­projekten, in die ich involviert bin, voll auf die Daten. Python kommt immer zum Einsatz, die Methoden hängen von den Daten und der Fragestellung ab. Im Bereich Computer Vision und Textverarbeitung nutzen wir überwiegend Neuronale Netze. Für eine erste Data Exploration können es auch schon mal simplere und schnellere Methoden sein, wie wörterbuch­basierte Topic Modelings in der Sprachverarbeitung oder Bildanalysemethoden aus der Signalverarbeitung. Interessant wäre es für Forscher in Zukunft auch Zugriff auf die großen, generalisierten Neuronalen Netze der führenden KI-Forschungs­institute zu bekommen. Google AI und Meta AI machen schnelle Fortschritte in der Erstellung solcher Netze, ein unkomplizierter Zugriff darauf würde viele kleinere Forschungs­projekte verbessern und beschleunigen.

Wie hoch ist der Wert von Data Science für Ihre Arbeit? Wäre Ihre Forschung ohne Data Science überhaupt möglich?

Für meine Projekte ist Data Science essenziell. Ohne moderne Data Science wären die großen Datenmengen nicht effektiv handhabbar und wir könnten nicht die Er­kenntnisse aus den Daten gewinnen, mit denen wir die Forschung betreiben.

Welche Entwicklungs­möglichkeiten sehen Sie für das Thema Data Science in Bezug auf Ihr Fach­gebiet?

Ich würde mir eine forschungs­freundlichere Rechts­lage in Europa wünschen. Die Datenschutz­bestimmungen sind hier strikt und für viele Forscher nur mühsam nachzuvollziehen.  In Sachen Methoden­entwicklung und technischer Infrastruktur sind wir auf einem guten Weg.

Zurück