WEBVTT

NOTE
Untertitel zu „Big Data einfach erklärt“ (Erklaerexperten, 2014), https://commons.wikimedia.org/wiki/File:Big_Data_einfach_erkl%C3%A4rt.webm
Spur: Turbo · Stelle 02:38 neu aufgeteilt. Automatisch erkannt mit Whisper Turbo (faster-whisper 1.2.1), erkannt am 2026-10-16, aufbereitet von AgileElk, Stand 2026-10-20.
Lizenz: CC BY-SA 3.0, https://creativecommons.org/licenses/by-sa/3.0/

00:00:01.140 --> 00:00:06.800
Der Begriff Big Data bezeichnet
Datenmengen, die so groß sind, dass man

00:00:06.800 --> 00:00:11.000
sie mit normaler Soft- oder Hardware
beziehungsweise herkömmlichen Methoden der

00:00:11.000 --> 00:00:13.640
Datenverarbeitung nicht mehr bewältigen
kann.

00:00:14.020 --> 00:00:16.020
Wie entstehen solche Datenmengen?

00:00:16.700 --> 00:00:17.480
Ganz einfach.

00:00:17.840 --> 00:00:22.880
Wir alle speisen sie mit jedem Klick,
jedem Online-Einkauf, jeder Eingabe ins

00:00:22.880 --> 00:00:28.020
Navigationsgerät, Jeder Finanztransaktion,
jedem Telefonat, jedem

00:00:28.020 --> 00:00:32.320
Fitnessstudio-Besuch, jedem neuen Freund
im sozialen Netzwerk.

00:00:32.540 --> 00:00:35.580
Das bedeutet, die Datenberge wachsen.

00:00:35.760 --> 00:00:36.880
Und zwar rasant.

00:00:38.690 --> 00:00:43.130
Die gleiche Menge an Daten, die die
Menschheit von ihrem Ursprung an bis zum

00:00:43.130 --> 00:00:49.010
Jahr 2002 geschaffen hat, entsteht im Jahr
2014 bereits in der Zeit, in der

00:00:49.010 --> 00:00:50.070
sie einen Kaffee trinken.

00:00:50.570 --> 00:00:52.290
Innerhalb von 10 Minuten.

00:00:53.850 --> 00:00:59.130
Mit dem Begriff Big Data sind aber häufig
nicht nur die Daten an sich, sondern auch

00:00:59.130 --> 00:01:01.370
deren Analyse und Nutzung gemeint.

00:01:01.770 --> 00:01:06.450
Das bedeutet, dass man die Datenmenge
nutzt, indem man darin automatisiert

00:01:06.450 --> 00:01:08.650
Muster und Zusammenhänge sucht.

00:01:09.580 --> 00:01:12.570
Ein Beispiel dafür kennt fast jeder vom
Online-Shopping.

00:01:13.330 --> 00:01:18.250
Empfehlungen à la Kunden, die das kauften,
kauften auch, basieren auf der

00:01:18.250 --> 00:01:21.870
Echtzeitauswertung von Millionen von
Kaufdaten anderer Kunden.

00:01:22.290 --> 00:01:26.770
Mithilfe dieser Daten wird errechnet,
welche Produkte den Käufer mit hoher

00:01:26.770 --> 00:01:28.550
Wahrscheinlichkeit noch interessieren
könnten.

00:01:29.230 --> 00:01:33.910
Ein ganz anderes Beispiel für die Analyse
von Big Data kommt aus den USA.

00:01:34.910 --> 00:01:38.710
Dort wurde über die automatisierte
Auswertung von Tweets die Verbreitung

00:01:38.710 --> 00:01:41.450
einer Grippewelle vorhergesagt und
eingedämmt.

00:01:42.010 --> 00:01:46.650
Es sind unendlich viele Bereiche denkbar,
in denen Big Data zum Einsatz kommen kann.

00:01:46.650 --> 00:01:51.170
In der medizinischen Forschung können
Massendaten helfen, die besten Therapien

00:01:51.170 --> 00:01:52.870
für Krankheiten wie Krebs zu finden.

00:01:54.110 --> 00:01:58.230
Maschinen können ihre eigenen
Betriebsdaten nutzen, um daraus zu lernen

00:01:58.230 --> 00:02:00.050
und effizienter zu werden.

00:02:02.180 --> 00:02:06.880
Unternehmen können Big Data nutzen, um
ihre Kunden besser kennenzulernen und

00:02:06.880 --> 00:02:10.520
Produkte, Dienstleistungen und Werbung auf
sie zuzuschneiden.

00:02:10.760 --> 00:02:12.960
Und das sind nur einige Beispiele.

00:02:13.220 --> 00:02:16.000
Aber Big Data wirft auch Fragen auf.

00:02:16.830 --> 00:02:19.220
Wem gehören die, häufig persönlichen,
Daten?

00:02:19.640 --> 00:02:23.620
Ist es gefährlich, wenn nur wenige große
Unternehmen sie kontrollieren?

00:02:24.020 --> 00:02:28.840
Wollen wir, und das ist ein reales
Beispiel, wirklich von einem Online-Shop

00:02:28.840 --> 00:02:32.220
auf Basis des Kaufverhaltens erfahren,
dass jemand schwanger ist?

00:02:32.680 --> 00:02:34.840
Und kommt irgendwann der Zeitpunkt,

00:02:35.260 --> 00:02:39.160
an dem auch menschliches Verhalten
voraussagbar wird?

00:02:39.420 --> 00:02:40.120
Also,

00:02:40.940 --> 00:02:43.980
Big Data bietet enorme Chancen, aber auch
Risiken.

00:02:43.980 --> 00:02:47.980
Es ist ein wenig wie bei der Entdeckung
des Feuers durch die Steinzeitmenschen.

00:02:48.360 --> 00:02:52.700
Man kann sich daran die Finger verbrennen
oder eine Zivilisation darauf begründen.