|
Die Frage „Hype vs echte Neuheit“ kann man nur sehr schwer beantworten. Schließlich geht es nicht um ein Marketing- oder Wirtschaftsthema wie in etwa die rasante Entwicklung am Handymarkt. Bei informatischen Themen wie DataMining wo es um neue technische Methoden der Analyse geht, spricht man nur selten von einem Hype, sondern das Thema nimmt nach und nach seinem Stadium der Entwicklung entsprechenden Platz in wirtschaftlichen Anwendungen ein. Da ein Großteil von DataMining Einsatzgebieten direkt in der wissenschaftlichen Forschung liegen, ist auch hier nicht von einem Hype zu sprechen, da in der Forschung eingesetzte Technologien in der Regel nicht in der Öffentlichkeit „gehyped“ werden.
Die in den verschiedenen Zeitalter der DataMining Entwicklung auftredenden Denkfiguren sind streng mit dem im Zeitalter forcierten Einsatzgebiet der Technologie verbunden. Die Entwicklung startet in den 60er Jahren wo man sich mit den Eigenschaften von statischen Daten und ihrem Datenzugriff beschäftigte. In den 80er Jahren steht im Kern der umfassende Datenzugriff. Die Begriffe des „data warehousing“ und „decision support“ scheinen in den frühen 90er Jahren zum ersten mal auf, und die Entwicklung ist von der automatisierten Entscheidungsfindung aus Daten geprägt. Am Ende der Kette die objektorientierten „data warehouses“ des 21ten Jahrhunderts.
Das Verhältnis der technischen Vorraussetzungen zu den Denkfiguren in den verschiedenen Zeitaltern, ist von der technischen Entwicklung in der Informatik geprägt. Die Hardwarentwicklung spielt dabei eine ebenso große Rolle wie das Fortschreiten der Erforschung von verschiedensten Algorithmen und Einsatzgebieten der Informatik. Die zentralste Rolle dabei spielt die Entwicklung von Datenbanksystemen. So wird doch die Datenverarbeitung und Entscheidungsfindung in erster Linie von der technischen Realisierbarkeit eines Datenbanksystems und seiner Grenzen bestimmt. Ein Algorithmus beziehungsweise eine Methode ist nur dann sinnvoll, wenn Sie mit dem aktuellen Stand der Technik auch realisierbar und ausführbar ist, unter vernünftigen Randbedingungen (Ausführungszeit etc).
>History of DataMining
|