Ich bemühe mich, meinen Terminkalender so zu verteidigen, dass ich morgens im Büro gleich mit einem etwa 2h Slot beginnen kann, in dem ich selbst noch produktive Data Science Arbeit leisten kann. Für mich sind das weniger Projekt-spezifische Arbeiten. Vielmehr erprobe ich neue Methoden, probiere Technologien aus oder – wie heute – löse ein weiteres Cocktailparty-Problem, das ich mir gestern am Flughafen gestellt hatte. Das mache ich nicht, weil es Spaß macht. Wir demonstrieren auf diese Weise nämlich auch unseren Kunden, was mit mathematischen Analysemethoden möglich ist. Unser Ziel ist es natürlich, unseren Kunden zu helfen und sie digital fit zu machen.

Das Cokailparty Problem kennt man: Sie sind auf einer Party (oder auch nur in einem gut besuchten Restaurant). Sie lassen den Gedanken freien Lauf und hören die Gespräche der anderen Gäste als Klangteppich. Aber wenn Sie sich konzentrieren, dann können Sie einzelne Gespräche verfolgen. Sie können einzelne Sprecher identifizieren. Sie Audiosignale an Ihren Ohren sind die gleichen, nur ändern Sie die Verarbeitung.

Das gleiche Problem gibt es in Haushalten mit intelligenten Strohmzählern. Dort misst ein Zähler die verbrauchte Energie, aber die einzelnen Verbraucher (Waschmaschine, Mikrowelle, Toaster, etc.) sind nicht mit Sensoren versehen. Wenn der Strohmzähler den Gedanken freien Lauf lässt, dann kann er die Geräte nicht unterscheiden. Aber mit den richtigen Algorithmen kann er bestimmen, ob die Waschmaschine läuft, oder der Toaster angestellt ist.

Am intelligenten Stromzähler gemessener Verbrauch, der sich aus allen jeweils angeschalteten Verbrauchern ergibt (aus http://www.mdpi.com/1424-8220/12/12/16838, Creative Commons Attribution License)

Am intelligenten Stromzähler gemessener Verbrauch, der sich aus allen jeweils angeschalteten Verbrauchern ergibt (aus http://www.mdpi.com/1424-8220/12/12/16838, Creative Commons Attribution License)

Und wozu ist braucht man das? Auf diese Weise lässt sich sehr kostengünstig der Verbrauch in Haushalten (oder auch in Bürogebäuden) vermessen. Mehr noch: Der Verbrauch lässt sich so auch viel genauer vorhersagen. Wir benötigen gute Vorhersagen des Stromverbrauchs, und zwar auch geographisch fein aufgelöst, um die Stromproduktion intelligenter zu steuern. Strom wird inzwischen an sehr vielen Orten erzeugt. Nicht nur in wenigen Kraftwerken. Und die Herausforderung dabei ist: Wenn Strom erzeugt wird, dann muss er auch fast im gleichen Moment verbraucht werden. Deshlab sind bessere Prognosen des Stromverbrauchs notwendig.

Natürlich ist das ein eigenes Forschungsfeld. Bei der Lufthansa Industry Solutions machen wir keine Forschung im eigentlichen Sinn. (Obwohl wir viele Mitarbeiter mit exzellenter Forschungsreputation haben.) Gerade im Technology Innovation Center, wo ich arbeite, sind wir eher „Early Adopter“, d. h. wie verwenden eher neuste Technologien und Algorithmen, liefern dafür aber am Ende Systeme ab, die Tag für Tag den Alltag vieler Menschen einfacher machen.

Der Rest meines Tages ist heute mit eher typischen Beratertätigkeiten gefüllt: Ich habe Abstimmungsmeetings mit Kollegen im Technology Innovation Center, mit Kollegen aus dem Vertrieb und bespreche Zwischenergebnisse von laufenden Analytik-Projekten.