Jump to navigation

Logo RUB
  • Energie
  • Studium
  • Forschung
  • Transfer
  • News
  • Über uns
  • Einrichtungen
 
MENÜ
  • RUB-STARTSEITE
  • News
  • Wissenschaft
  • Studium
  • Transfer
  • Leute
  • Hochschulpolitik
  • Kultur und Freizeit
  • Vermischtes
  • Servicemeldungen
  • Serien
  • Dossiers
  • Bildergalerien
  • Presseinformationen
    • Abonnieren
  • RUB in den Medien
    • Abonnieren
  • Rubens
  • Rubin
    • Abonnieren
    • Printarchiv
  • Archiv
  • English
  • Redaktion

Newsportal - Ruhr-Universität Bochum

Mit selbst entwickelten Spezialcomputern brechen Informationstechniker der RUB so einige Verschlüsselungsverfahren. Das Team vom Horst-Görtz-Institut knackte zum Beispiel den Sicherheitsstandard für Satellitentelefone und die Amazon Cloud.
Große Datenmengen zu analysieren, braucht jede Menge Rechenkapazität und Zeit.
© RUB, Nelle
Mathematik

Große Datenmengen effizient auswerten

Die Deutsche Forschungsgemeinschaft fördert eine neue Forschungsgruppe mit RUB-Beteiligung.

Den Widerspruch zwischen Optimum und Rechenbarkeit bei der Auswertung von Big Data aufzulösen, ist Ziel der Forschungsgruppe 5381 „Mathematische Statistik im Informationszeitalter – Statistische Effizienz und rechentechnische Durchführbarkeit“. Sie wird ab 2022 für vier Jahre mit 2,1 Millionen Euro gefördert. Prof. Dr. Holger Dette von der Fakultät für Mathematik leitet mit der ehemaligen RUB-Professorin Dr. Angelika Rohde (jetzt Universität Freiburg) die Forschungsgruppe und arbeitet in zwei von fünf Teilprojekten. Sprecherhochschule ist die Albert-Ludwigs-Universität Freiburg, beteiligt sind außerdem die Universität Potsdam, die Universität Wien/Österreich, die Universität Rostock, die Georg-August-Universität Göttingen und die Humboldt-Universität zu Berlin.

Im Big-Data Zeitalter sind Daten allgegenwärtig und werden oft automatisch generiert, beispielsweise in der medizinischen Diagnostik, in dem Erdbeobachtungsprogramm Copernicus der EU oder in den sozialen Netzwerken. Ihre richtige Analyse liefert wichtige Informationen über medizinische, naturwissenschaftliche, ökologische oder ökonomische Zusammenhänge. Die mathematische Statistik hat effiziente Methoden für die Auswertung entwickelt. Diese, unter statistischen Gesichtspunkten optimalen Verfahren, sind bei sehr großen Datenmengen jedoch nicht einsetzbar, da sie selbst auf Hochleistungsrechnern zu viel Zeit benötigen, um in akzeptabler Zeit Ergebnisse zu liefern.

Neue statistische Methoden

Dafür zu sorgen, dass große Datenmengen in angemessener Zeit mit möglichst optimalen Methoden analysiert und die resultierenden Erkenntnisse zuverlässig und schnell genutzt werden können, ist Ziel der Forschungsgruppe. Dafür studiert das Team alle nacheinander ablaufenden Datenverarbeitungsschritte gleichzeitig, um eine bestmögliche statistische Evidenz in jedem Teilschritt zu ermöglichen.

Teilprojekte mit RUB-Beteiligung

Das Teilprojekt 1 „Praktisch berechenbare Bootstrap-Verfahren für hochdimensionale Daten“ beschäftigt sich mit der Quantifizierung von Unsicherheiten bei Schätzungen aus hochdimensionalen Daten, in die in der Regel das Verhältnis von Dimension und Stichprobenumfang eingeht. Die klassischen computergestützten Verfahren (Bootstrap) sind bei hoher Dimension weder im statistischen Sinne konsistent – das heißt sie liefern falsche Ergebnisse – noch rechentechnisch durchführbar. In diesem Projekt werden daher alternative und implementierbare Verfahren entwickelt, die eine valide Quantifizierung von Unsicherheiten, wie zum Beispiel durch Konfidenzintervalle, ermöglichen.

Das Teilprojekt 4 „Sublineare Methoden mit statistischen Garantien“ beschäftigt sich mit der Frage, ob in großen Datensätzen möglichst informative Teilstichproben identifiziert werden können, aus denen in akzeptabler Rechenzeit die relevanten statistischen Informationen mit annähernd derselben Genauigkeit bestimmt werden können wie aus der Gesamtstichprobe, die wegen zu langer Laufzeiten der Algorithmen nicht für die Datenanalyse verwendet werden kann. Ein weiterer Schwerpunkt des Teilprojekts sind neue effiziente Methoden, um Änderungen in Signalen schnell und zuverlässig zu erkennen.

Veröffentlicht
Montag
23. August 2021
11.06 Uhr
Von
Charlotte Schab
Holger Dette
Share
Teilen
Das könnte Sie auch interessieren
Hardware auf einem Tisch
IT-Sicherheit

Intelligente Affen

IT-Sicherheitsforscher Thorsten Holz mit einem Comic-Heft in der Hand
Exzellenzcluster CASA

Ein Comic über IT-Sicherheit

Das Wissenschaftlerteam
Kryptografie

Sicherheit mit Sollbruchstelle

Derzeit beliebt
KI: Das Bochumer Team mit Projektleiter Peter Salden, Nadine Lordick, Jonas Loschke und Maike Wiethoff (von links)
Künstliche Intelligenz

Bochumer Projekt schafft Klarheit zu KI-Tools für NRW-Hochschulen

Viktoria Däschlein-Gessner
Chemie

ERC Consolidator Grant für Viktoria Däschlein-Gessner

Ein junger Mann mit schwarzem Kapuzenpulli sitzt in einer Hörsaalreihe und lächelt.
Politik und Studium

Dienstag Bachelorarbeit abgeben, Sonntag Bundestagsmandat gewinnen

 
Mehr Wissenschaft
Ressort
 
Zur Startseite
News
  • A-Z
  • N
  • K
Logo RUB
Impressum | Kontakt
Ruhr-Universität Bochum
Universitätsstraße 150
44801 Bochum

Datenschutz
Barrierefreiheit
Impressum
Schnellzugriff
Service und Themen
Anreise und Lagepläne
Hilfe im Notfall
Stellenangebote
Social Media
Facebook
Twitter
YouTube
Instagram
Seitenanfang y Kontrast N
Impressum | Kontakt