Als ich erfuhr, dass Dr. Hannah Fry auf der Mendix World sprechen würde, war ich gespannt, was sie zu sagen hatte.
Hannah Fry ist außerordentliche Professorin für Stadtmathematik am Centre for Advanced Spatial Analysis am UCL. Sie untersucht Muster im menschlichen Verhalten - insbesondere in einer städtischen Umgebung. Ich wurde zum ersten Mal durch ihren TEDTalk, Die Mathematik der Liebe, mit Fry's Arbeit bekannt gemacht, und bald darauf las ich ihre Bücher. Sie wurde schnell zu einem meiner Vorbilder und zeigte mir, dass ich auch eine Karriere im MINT-Bereich (Mathematik, Informatik, Naturwissenschaften und Technik) verfolgen konnte - ein Karriereweg, den ich jetzt bei Mansystems/FlowFabric als Fullstack-Entwickler für SMART Digital Factory Tooling voll ausloten und genießen kann.
Da die Mendix World dieses Jahr virtuell stattgefunden hat, wurde Dr. Fry's öffentliche Keynote in einen exklusiven Workshop mit 30 begrenzten Plätzen umgewandelt. Vier Mitglieder von Mansystems/FlowFabric wurden aufgrund ihrer Beiträge zur Mendix-Community ausgewählt, an dieser besonderen Veranstaltung teilzunehmen. Als mein Kollege Andrej Gajduk, Maker of the Month im Jahr 2020, von meiner Leidenschaft für Frys Arbeit erfuhr, bot er mir seinen Platz an, den ich gerne annahm.
Dr. Fry stellte sich als Mathematikerin vor, die Daten verwendet, um die Muster menschlichen Verhaltens zu untersuchen. Ihrer Ansicht nach existiert die Welt in zwei Bereichen: Es gibt den physikalischen Bereich, in dem wir Dinge sagen und tun, und wir haben eine Schicht darunter, die Welt der Mathematik. Fry glaubt, dass diese zweite Welt, die man an der Oberfläche nicht sehen kann, viel darüber aussagt, wie die Welt funktioniert.
Fry startete mit einer Folie voller verschiedener Schlüsselwörter: Serienmörder, Rennwagen, COVID-19, Kühe und Nonnen, die sich auf Geschichten beziehen, die wir noch nicht gehört hatten. Auf den ersten Blick hatten all diese Themen nichts gemeinsam, aber als der Workshop weiterging, lernten wir, dass sich alles um Daten dreht und dass Daten nicht immer das sind, was sie zu sein scheinen. Fry setzte unseren moralischen und wissenschaftlichen Kompass ein, beginnend mit der folgenden These, die aus einer Geschichte über Kühe gezogen wurde:
Menschen, die smarte Redner als Gäste zu Hause empfangen, sollten diese bevor sie ihr Haus betreten darüber informieren, dass sie möglicherweise aufgezeichnet werden.
Mit einem Master-Abschluss in Geschichte habe ich oft geteilter Meinung wenn es um Endgeräte und Dienstleistungen (und den Firmen dahinter), die Daten sammeln geht. Einerseits - und das ist das Argument, das in der Diskussion um die Diplomarbeit am häufigsten vorgebracht wurde - die Möglichkeit, dass Daten, die wir so freiwillig weggeben, für etwas Schlechtes verwendet werden und nach hinten losgehen könnten. In diesem Sinne sollten Sie also Ihre Gäste informieren, bevor sie Ihr Haus betreten, damit sie selbst entscheiden können, ob sie ihr wertvolles Gut (Daten) kostenlos hergeben wollen oder nicht. Auf der anderen Seite liebt der Historiker in mir Daten. Daten können Wissenschaftlern wunderbare Einblicke in das Verhalten von Menschen im Laufe der Zeit geben. Können Sie sich vorstellen, wie sich das Studium der Geschichte entwickeln wird, wenn so viel aufgezeichnet wird?! Deshalb möchte ich, dass die Menschen sie selbst sind, und wenn man ihnen das Wissen gibt, das sie vielleicht aufgezeichnet haben, könnte sich ihr Verhalten ändern und die Daten korrumpieren.
Fry hob auch kurz hervor, dass die meisten Sprachassistenzgeräte so programmiert sind, dass sie weiblich sind. Da diese standardmäßig weiblich sind, birgt dies das Risiko, sexistische Stereotypen zu verstärken.
Die zweite Geschichte, die Fry erzählte, war die Studie der Nonne. In dieser Studie nahmen 678 Nonnen an einer Forschungsarbeit teil, die die Ursachen der Alzheimer-Krankheit untersuchte und versuchte, die kognitiven Fähigkeiten der Nonnen in Bezug auf ihr Alter anzupassen. Die Nonnen spendeten auch nach ihrem Tod freiwillig ihr Gehirn, damit die Forscherinnen feststellen konnten, ob Anzeichen von Demenz im physischen Teil des Gehirns vorhanden waren. Das waren sie nicht. Aufgrund einer scheinbar nicht verwandten Datenquelle und eines Algorithmus, der die beiden verschiedenen Quellen miteinander verbinden konnte, fanden die Forscher jedoch heraus, dass die Wahrscheinlichkeit, Anzeichen von Demenz zu entwickeln, auf den Sprachgebrauch der Kinder zurückzuführen war. (1)
Auch die Vorhersage der Zukunft mit Hilfe von Daten spielte in der Geschichte über Serienmörder eine Rolle. Durch den Einsatz von Algorithmen, die verschiedene Datensätze vergleichen können, können neue Muster entstehen. In diesem Fall könnten Daten helfen, die Identität oder den Aufenthaltsort eines Serienmörders zu bestimmen. (2) Es besteht also ein großes Potenzial für Algorithmen, die die Wahrscheinlichkeit verbessern, Verbrechen zu zeigen, zu lösen oder sogar zu entdecken, bevor sie geschehen. Fry wies jedoch darauf hin, dass es ein großes "Aber" gibt: Der Code ist nur so gut wie der Programmierer, der den Algorithmus schreibt, was bedeutet, dass auch in Skripts Verzerrungen programmiert werden, die für unschuldige Menschen katastrophale Folgen haben können. Vor allem, wenn man erkennt, dass Algorithmen noch weit davon entfernt sind, die Zukunft zu 100% richtig vorherzusagen.
Die letzte Geschichte handelte von Rennautos. Fry bat uns, uns vorzustellen, dass wir ein Rennteam seien. Der Motor des Wagens war schon ein paar Mal zuvor ausgefallen, und es bestand der Verdacht, dass es etwas mit kalten Temperaturen zu tun hatte. Am Tag des Rennens sollte es 40 Grad Fahrenheit haben. Wir mussten entscheiden, ob wir ein Rennen fahren sollten oder nicht. Oh, und wenn wir uns nicht für ein Rennen entschieden hätten, wären viele Leute verärgert, weil sie viel Zeit und Energie in das Projekt investiert hatten. Fry zeigte uns ein Diagramm mit der Anzahl der Motorschäden und der Temperatur in Fahrenheit. Die Ausfälle ereigneten sich zwischen 54 und 75 Grad, es schien also ein bisschen zufällig zu sein. Wie fast alle anderen, die an dieser Studie teilnahmen, entschied sich unsere Gruppe für ein Rennen. Wir stützten unsere Entscheidung jedoch auf unvollständige Daten. Niemand von uns fragte, ob wir die Daten von Rennen mit erfolgreichen Ergebnissen sehen könnten. Wie uns Fry als Nächstes zeigte, als wir diese Daten der Grafik hinzufügten, war zweifelsfrei klar, dass noch nie ein Rennen unter einer Temperatur von 65 Grad gewonnen worden war. Rennen oder kein Rennen? Die Daten, die in diesem Fall des Carter-Rennens verwendet wurden, basierten auf einem wirklich tödlichen Vorfall, der Katastrophe des Space Shuttle Challenger. Das Challenger-Team beschloss, die Raumfähre zu starten, was dazu führte, dass die Raumfähre nach 73 Sekunden Flugzeit auseinanderbrach und alle sieben Besatzungsmitglieder ums Leben kamen. (3)
In unserem interaktiven Workshop mit Dr. Hannah Fry haben wir uns scheinbar unterschiedliche Geschichten angesehen, die alle eine Wahrheit gemeinsam haben: Daten sind nur so nützlich wie die Person, die sie interpretiert oder anwendet. Ob es sich um die erste Geschichte handelt, in der es darum geht, die Augen vor einem möglichen Missbrauch von Daten zu verschließen, die wir weggeben, die aber nützlich sein kann, wenn sie ethisch korrekt gehandhabt wird. Oder um die Studie der Nonne über die Verknüpfung von Daten, die auf den ersten Blick nichts miteinander zu tun hat, aber unerwartete Korrelationen aufweist. Die Geschichte des Serienmörders über die Kritik an der programmierten Voreingenommenheit und die erfolgreiche Vorhersagequote von Fragealgorithmen, die Ihnen helfen, die Zukunft vorherzusagen, und schließlich das Beispiel des Rennwagens, das verdeutlicht, dass wir immer bedenken sollten, dass die Daten, die uns präsentiert werden, möglicherweise nicht alle Daten sind, und dass wir uns nicht scheuen sollten, um zusätzliche Informationen zu bitten, wenn es um wichtige Dinge geht (oder sogar um Leben! ) auf dem Spiel stehen, ist die Botschaft die gleiche: Menschen sollten anwesend sein.
"Aber", sagte Fry, als sie den Workshop beendete, "auch wenn Sie vielleicht alle Daten der Welt haben, brauchen wir manchmal bessere Daten, die es noch nicht gibt. Weil wir nicht alles wissen können". Und wie sie in ihrem Buch "Hello World" sagt, ist eines sicher: "Im Zeitalter der Algorithmen war der Mensch noch nie so wichtig wie heute". (4)
(1) Hannah Fry, Hello World: being human in the age of algorithms (2018) 90-92.
(2) Fry, Hello World, 141-146.
(3) If you want to learn more about the Carter Racing Study and the Space Shuttle Challenger disaster, David Epstein included this case in his book Range: how generalists triumph in a specialized world (2019) 243-250; or read the in-depth study by Diane Vaughan: The Challenger Launch Decision - Risky Technology, Culture, and Deviance at NASA (1996).
(4) Fry, Hello World, 202.
