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 · ohne Aufteilung. 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 --> 00:00:08.800
Der Begriff Big Data bezeichnet Datenmengen, die so groß sind, dass man sie mit normaler Soft- oder Hardware

00:00:08.800 --> 00:00:13.640
beziehungsweise herkömmlichen Methoden der Datenverarbeitung nicht mehr bewältigen kann.

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

00:00:16.700 --> 00:00:24.020
Ganz einfach. Wir alle speisen sie mit jedem Klick, jedem Online-Einkauf, jeder Eingabe ins Navigationsgerät,

00:00:24.020 --> 00:00:32.320
Jeder Finanztransaktion, jedem Telefonat, jedem Fitnessstudio-Besuch, jedem neuen Freund im sozialen Netzwerk.

00:00:32.540 --> 00:00:36.880
Das bedeutet, die Datenberge wachsen. Und zwar rasant.

00:00:38.690 --> 00:00:44.750
Die gleiche Menge an Daten, die die Menschheit von ihrem Ursprung an bis zum Jahr 2002 geschaffen hat,

00:00:45.370 --> 00:00:50.070
entsteht im Jahr 2014 bereits in der Zeit, in der sie einen Kaffee trinken.

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

00:00:53.850 --> 00:01:01.370
Mit dem Begriff Big Data sind aber häufig nicht nur die Daten an sich, sondern auch deren Analyse und Nutzung gemeint.

00:01:01.770 --> 00:01:08.650
Das bedeutet, dass man die Datenmenge nutzt, indem man darin automatisiert 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 --> 00:01:21.870
Empfehlungen à la Kunden, die das kauften, kauften auch, basieren auf der Echtzeitauswertung von Millionen von Kaufdaten anderer Kunden.

00:01:22.290 --> 00:01:28.550
Mithilfe dieser Daten wird errechnet, welche Produkte den Käufer mit hoher 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 --> 00:01:41.450
Dort wurde über die automatisierte Auswertung von Tweets die Verbreitung 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 --> 00:01:52.870
In der medizinischen Forschung können Massendaten helfen, die besten Therapien für Krankheiten wie Krebs zu finden.

00:01:54.110 --> 00:02:00.050
Maschinen können ihre eigenen Betriebsdaten nutzen, um daraus zu lernen und effizienter zu werden.

00:02:02.180 --> 00:02:10.520
Unternehmen können Big Data nutzen, um ihre Kunden besser kennenzulernen und 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 --> 00:02:26.580
Wollen wir, und das ist ein reales Beispiel,

00:02:26.940 --> 00:02:32.220
wirklich von einem Online-Shop auf Basis des Kaufverhaltens erfahren, dass jemand schwanger ist?

00:02:32.680 --> 00:02:38.160
Und kommt irgendwann der Zeitpunkt, an dem auch menschliches Verhalten voraussagbar wird?

00:02:39.420 --> 00:02:43.980
Also, 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.