Experten zeigen auf: Probleme mit Daten behinderten COVID-19-Forschung

© AIT Austrian Institute of Technology GmbH/APA-Fotoservice/Tesarek

Wie Probleme mit Daten die COVID-19-Forschung behinderte, schilderte der Chef des Complexity Science Hub Vienna (CSH), Stefan Thurner, bei den Alpbacher Technologiegesprächen. Weil kein Austausch von Daten möglich war, scheiterten die Hälfte der Projekte.

Zu einem frühen Zeitpunkt der Corona-Pandemie sei man am CSH von der Politik gebeten worden, wissenschaftliche Expertise einzubringen. In Folge seien 18 Projekte aufgesetzt worden, aber „viele Dinge haben dabei nicht funktioniert“, schildert Thurner bei einer Diskussion zum Thema „Komplexitätsforschung – Corona und die Konsequenzen“. Der Grund seien Probleme mit Daten gewesen, welche die Forscher für ihre Arbeit benötigen. Dies habe einerseits die Qualität der Daten betroffen, die für die Modelle der Komplexitätsforscher nicht ausreichend gewesen sei, andererseits die Tatsache, dass die Besitzer der Daten nicht bereit gewesen seien, diese zu teilen – aus welchen Gründen auch immer, sagt Thurner. „Es zeigte sich aber, dass selbst wenn beide Seiten bereit waren, die Daten zu teilen, dies nicht möglich war. Entweder gab es keine Protokolle dafür, und selbst wenn es diese gab, wurden sie noch nie verwendet oder niemand wusste wie“, so der Forscher. „Rund 50 Prozent unserer Projekte scheiterten, weil wir die Daten nicht in korrekter Weise teilen konnten.“

Thurner warnte deshalb vor einem Scheitern von Digitalisierungsbestrebungen, „wenn Daten nicht zugänglich, gut und korrekt verarbeitet sind – wobei ich mit korrekt zum Beispiel Datenschutz und Privacy meine“. Die Qualität der Digitalisierung hänge davon ab, wie wir lernen mit Daten umzugehen. Das sei nicht nur eine Frage für Wissenschafter oder Start-ups, sondern auch eine Übung, die die Gesellschaft lernen müsse. Auch für Dirk Helbing vom Computer Science Department der ETH Zürich hat die Corona-Pandemie „die Grenzen von Big Data und Künstlicher Intelligenz (KI) aufgezeigt“. Er verwies etwa darauf, dass Länder versucht hätten, Methoden der vorausschauenden Polizeiarbeit für Corona-Tracing einzusetzen. Angesichts der hohen Fehlerraten dieser Methoden hätte das nicht sehr gut funktioniert. Er nannte als Beispiel Israel, wo etwa 12.000 Personen versehentlich in Quarantäne geschickt wurden und das nun mit einer zweiten Welle konfrontiert sei. „Es gibt starke Limitierungen dieses datengesteuerten, KI-kontrollierten Ansatzes“, sagte Helbing. (APA)