Wladislaw Mill, Juniorprofessor für Verhaltensökonomie: Computer Vision (Dezember 2024)

Was ist Ihr aktuelles Forschungsthema?
In einem gemeinsamen Projekt mit mehreren aktuellen und ehemaligen Forschern der Universität Mannheim untersuche ich anhand eines natürlichen Experiments (der Vietnam-Draft-Lotterie), wie Kriegserfahrung Religiosität beeinflusst. Konkret analysiere ich religiöse Symbole auf Grabsteinen als langfristigen Indikator für Religiosität und nutze Data-Science-Techniken wie Computer Vision, um Muster in Hunderttausenden von Grabsteinfotografien zu identifizieren. Dadurch kann ich kausal untersuchen, wie Militärdienst während des Vietnamkrieges Religiosität beeinflusst.
Für alle, die noch nicht so tief in das Thema Data Science eingestiegen sind: Wie würden Sie einem Kind erklären, woran Sie arbeiten?
Ich bringe Computern bei, Bilder anzuschauen und Muster zu erkennen, wie zum Beispiel Kreuze auf Grabsteinen. Das hilft mir zu verstehen, wie sich das Leben von Menschen nach großen Ereignissen, wie einem Krieg, verändert.
Alle sprechen über Data Science – wie würden Sie die Bedeutung des Themas für sich selbst in drei Worten beschreiben?
Komplexe Zusammenhänge aufdecken
Welche Berührungspunkte mit Data Science hat Ihre Arbeit? Welche Methoden nutzen Sie bereits und welche wären zukünftig interessant für Sie?
Meine Arbeit basiert stark auf Data Science. Ich nutze Convolutional Neural Networks, eine Art des maschinellen Lernens, um religiöse Symbole auf Grabsteinfotos zu identifizieren. Außerdem verwende ich Natural Language Processing, um Nachrufe und andere Textdaten zu analysieren und meine Ergebnisse zu validieren. Generell stützt sich meine Forschung auch auf fortgeschrittene ökonometrische Methoden (wie IVs), um kausale Zusammenhänge zu identifizieren, die als Teil von Data Science betrachtet werden können
Wie hoch ist der Wert von Data Science für Ihre Arbeit? Wäre Ihre Forschung ohne Data Science überhaupt möglich?
Data Science ist für meine Forschung unverzichtbar. Ohne sie wäre es unmöglich, ein so großen Datensatz von Grabsteinfotografien zu analysieren und sinnvolle Erkenntnisse daraus zu gewinnen. Der Einsatz von maschinellem Lernen automatisiert die arbeitsintensive Aufgabe, religiöse Symbole zu erkennen, während ökonometrische Werkzeuge es mir ermöglichen, kausale Zusammenhänge präzise zu analysieren. Ohne diese Werkzeuge wären der Umfang und die kausale Präzision unserer Studie nicht möglich.
Welche Entwicklungsmöglichkeiten sehen Sie für das Thema Data Science in Bezug auf Ihr Fachgebiet?
Computer Vision erscheint besonders vielversprechend. In der Ökonomie gibt es nur wenige sehr aktuelle und prominente Ansätze, Bilddaten zu nutzen, um neue Zusammenhänge zu erforschen. Ich nehme an, dass dies zukünftig häufiger und relevanter sein wird. Allerdings könnten auch Audiodaten in der Zukunft interessant sein.