Das Kooperationscluster Big Data Analytics befasst sich mit den Möglichkeiten von Big-Data-Analysen. Lesen Sie mehr über die Schwerpunkte der Forschungsgruppe.
Heutzutage steht eine Fülle neuer Daten zur Verfügung, die unter anderem durch Sensoren, das Internet der Dinge und die Nutzung sozialer Plattformen entstehen. Im Zuge des immer schnelleren Anstiegs des Datenaufkommens werden immer häufiger Big-Data-Analysen angewandt, weil sich damit bisher nicht dagewesene Potenziale in vielen Bereichen der Wirtschaft ausschöpfen lassen. Doch um diese Daten zu generieren und sinnvoll zu verwerten, bedarf es spezieller Technologien, Ansätze und Systeme. Big Data Analytics beschäftigt sich mit den verschiedenen Aspekten von Big Data mit einem Fokus auf volkswirtschaftliche Fragen.
Schwerpunkte
Verarbeitung strukturierter und unstrukturierter Daten, die mit neuen Methoden und Technologien generiert werden – hierzu gehören Internetsuchanfragen, Inhalte von Webseiten (Stellen- und Auftragsausschreibungen, Zeitungen, Preise) sowie Informationen aus Social Media
Anwendung von Big-Data-Methoden wie Machine Learning mit Deep Learning, Data Mining, Natural Language Processing, Zeitreihenanalyse etc. vor dem Hintergrund volkswirtschaftlicher Fragestellungen
Anwendung von Big Data in der Konjunkturforschung
Ergänzung der amtlichen Statistik, beispielsweise in Bezug auf den Arbeitsmarkt
Datenökonomie inklusive der kontextabhängigen ökonomischen Analyse des Rechts
Beispiel aktueller Forschungsarbeiten
Das Kooperationscluster nutzt verschiedene Analysemethoden und -ansätze. Big Data Methoden können prinzipiell bei allen relevanten ökonomischen Fragestellungen zum Einsatz kommen. Ein Beispiel stellt die auf Textanalyse basierende Netzwerkanalyse, hier exemplarisch mit Blick auf die deutschen Akteure in der Covid-19-Forschung, dar.
Inhaltselement mit der ID 11176
Inhaltselement mit der ID 11177
Ziel des Projekts war es, Unternehmen dabei zu unterstützen, ihre eigenen Daten als Ressource zu erkennen und zu erschließen. Dazu wurde unter anderem ein Reifegradmodell zum unternehmerischen Status quo hinsichtlich der Nutzung und Bewertung von Daten entwickelt und im Rahmen einer Benchmark-Plattform den Unternehmen bereitgestellt.
Gemeinschaftsprojekt des IW mit Fraunhofer ISST, thyssenkrupp, ADVANEO und BREUER Nachrichtentechnik; Auftraggeber: Bundesministerium für Wirtschaft und Energie; 2018-2019.Weitere Informationen und alle Publikationen zu dem Projekt finden sich hier:
Ziel des Projekts war es, die Effekte der Digitalisierung auf spezifische Berufsprofile zu bestimmen. Zum Aufbau einer Datenbasis wurden Millionen Volltexte aus Stellenausschreibungen der Bundesagentur für Arbeit ausgewertet. Die Datenbasis ermöglichte über den Abgleich der bisherigen Anforderungen mit den aktuell gefragten Kompetenzen berufsspezifische Analysen der Berufsprofile.
Auftraggeber: Fraunhofer IAO; 2019.
Inhaltselement mit der ID 11179
Transformationsprozesse lösen Anpassungsbedarf bei den Kompetenzen von Beschäftigten aus. Dies kann auf der einen Seite dazu führen, dass bestimmte Berufe und die in ihnen verankerten Kompetenzen vermehrt nachgefragt werden, andere hingegen weniger. Eine solche Situation ist im Strukturwandel üblich, bedeutet aber in Zeiten bedeutender und rascher Technologieänderungen eine große Herausforderung für Unternehmen und Mitarbeiter. In diesem Projekt wurde ein methodischer Ansatz entwickelt, mit dessen Hilfe berufliche Übergangspfade in einem Industriezweig identifiziert werden können. Schwerpunkt dieser Studie waren die Möglichkeiten von Big Data Analysen unter der Verwendung von Volltexten von Stellenanzeigen.
Auftraggeber: Bertelsmann; 2020.
Inhaltselement mit der ID 11180
Ziel des Projekts ist die Messung der Digitalisierung der Wirtschaft in Deutschland. Die Messung erfolgt durch die Bildung eines Index, der auf diversen Indikatoren basiert, welche die Digitalisierung in Form von datenbasierten Prozessen, Produkten und Dienstleistungen adäquat adressieren. Der Index wird jährlich aktualisiert. Die Arbeitsergebnisse sollen als Spiegel und Motor des laufenden Digitalisierungsprozesses dienen und damit sowohl der Wirtschaft als auch der Politik einen fundierten Orientierungsrahmen für ihre Entscheidungen bieten.
Gemeinschaftsprojekt mit dem ZEW, dem DIW, der IW Consult und FIR; Auftraggeber: Bundesministerium für Wirtschaft und Energie; 2019-2022.
Inhaltselement mit der ID 11181
Der KI Monitor misst den Status quo sowie die Entwicklung von KI in Deutschland und entwirft darauf basierende politische Handlungsempfehlungen. Dabei nimmt er die zentralen Bereiche ins Visier, die die Entwicklung von KI beeinflussen und die auch selbst von ihr betroffen sind: die Rahmenbedingungen, die Wirtschaft und die Gesellschaft. Für jeden dieser drei Bereiche werden mehrere Indikatoren erhoben und ausgewertet, welche nach einer Aggregation einen Gesamtwert ergeben, der den Status quo der KI-Nutzung in deutschen Unternehmen beschreibt.
Ziel des Projekts ist die Untersuchung des Potenzials von unkonventionellen Datenquellen zur Verbesserung der Informationen am aktuellen Rand und der Prognose von Exporten, Anlageinvestitionen und Bauinvestitionen. Auf Basis von ökonomischer Theorie und empirischen Datenquellen werden zu den drei Zielgrößen im Internet geeignete, in der Regel massive, also sehr große und oftmals unstrukturierte Datensätze (Big Data) identifiziert. Anschließend wird der Informationsgehalt der innovativen Datensätze für die Entwicklung der Ausrüstungsinvestitionen, Bauinvestitionen und Exporte empirisch untersucht.
Gemeinschaftsprojekt mit dem RWI, Dortmund Center für datenbasierte Medien-Analyse (DoCMA) und der Ruhr-University Bochum; Auftraggeber: Bundesministerium für Wirtschaft und Energie; 2019-2021.
Inhaltselement mit der ID 11183
In diesem Projekt wird untersucht, inwiefern Preisdaten aus dem Internet oder aus anderen geeigneten Datenquellen die Messung von regionalen Preisniveaus ermöglichen. Ziel ist die Herstellung einer Vergleichbarkeit der unterschiedlichen Preisniveaus in den Regionen. Für die Bestimmung regionaler Preise wird das Wägungsschema des Statistischen Bundesamts zugrunde gelegt, das für die Berechnung der Inflationsrate Anwendung findet. Entsprechend diesem Schema werden Preise aus unkonventionellen Datenquellen erhoben und regionale Preisniveaus berechnet.
Gemeinschaftsprojekt mit dem Bundesinstitut für Bau-, Stadt- und Raumforschung; Auftraggeber: Bundesministerium für Wirtschaft und Energie; 2020-2022.
Künstliche Intelligenz - Bessere Entlohnung durch Produktivitätsbooster?
Jan Büchel / Roschan Monsef
Künstliche Intelligenz (KI) wird bereits vielfältig von Unternehmen und in der Gesellschaft eingesetzt. Auswirkungen auf die Arbeitswelt werden dabei kontrovers diskutiert: Auf der einen Seite stehen mögliche Produktivitätszuwächse durch KI-Anwendungen, auf der anderen Seite die Sorgen der Beschäftigten, dass KI ihre Arbeitsplätze ersetzen könnte.
Hemmnisse beim Data Sharing – Entwicklung und Handlungsempfehlungen
Marc Scheufen
Die zunehmende Vernetzung von Produktionsprozessen und die Möglichkeiten der Analyse immer größerer Datenmengen auf Basis Künstlicher Intelligenz weisen enorme Potenziale für die deutsche Wirtschaft auf.
Generative KI in Deutschland:
Künstliche Intelligenz in Gesellschaft und Unternehmen
Jan Büchel / Jan Felix Engler
Generative KI sorgte in jüngster Vergangenheit für großes Aufsehen. Grund ist, dass generative KI-Anwendungen selbstständig Inhalte wie Texte, Bilder, Programmiercodes oder Videos generieren können, die oft nur schwer von menschlich erstellten Inhalten zu unterscheiden sind.
Daten als Geschäftsmodell:
Utopie oder gelebte Praxis?
Jan Büchel / Christian Rusche
Daten sind die Triebkraft der Digitalisierung und eröffnen zahlreiche Möglichkeiten für Unternehmen etwa im Hinblick auf Innovationen. Beim Data Sharing können Unternehmen im Austausch für Daten Geld oder Dienstleistungen von den Datenempfängern erhalten. Welche Rolle der Datenverkauf in der Praxis in deutschen Unternehmen tatsächlich einnimmt, zeigen zwei Befragungen aus den Jahren 2022 und 2023.
Open Science as a Means for Development Aid:
Fostering Scientific Research and Innovation
*Alexander Cuntz / *Frank Mueller-Langer / *Alessio Muscarnera / *Prince C. Oguguo / Marc Scheufen
Access to prior scientific works and technical information is key to the emergence of new scientific knowledge and innovation (Moser and Biasi 2018, Nagler et al. 2019).
*Alexander Cuntz / *Frank Mueller-Langer / *Alessio Muscarnera / *Prince C. Oguguo / Marc Scheufen
IW
Ihre Suche lieferte einen fehlerhaften Status zurück. Möglicherweise haben Sie zu viele Filter ausgewählt. Sie können zurück zu Ihrer vorherigen Auswahl springen, um Ihre Suche anzupassen.
Inhaltselement mit der ID 8880
IW-Newsletter
Mit unseren monatlichen Newslettern zu den folgenden Themenbereichen verpassen Sie keine IW-Publikation mehr.
Diese Website verwendet notwendige Cookies zur Sicherstellung des Betriebs der Website. Eine Analyse des Nutzerverhaltens durch Dritte findet nicht statt. Detaillierte Informationen über den Einsatz von Cookies finden Sie in unseren Datenschutzhinweisen.
Achtung: Sie nutzen einen veralteten Browser!
Bitte wechseln Sie zu einem modernen Browser (z.B. Google Chrome, Firefox oder Microsoft Edge), um in den Genuss des besten Nutzererlebnisses zu kommen.
