« Forschungslandschaft: Projekte

Wissenschaftliche Datensätze werden immer größer und komplexer. Eine gut etablierte Methode der Datenanalyse ist die Visualisierung, die eine Reihe von automatischen Analysetechniken ergänzt und mit ihnen konkurriert. Das Problem der zunehmenden Datenkomplexität verschärft sich noch: Moderne Datenerfassung ist mit Unsicherheitsinformationen verbunden; ihre Analyse ist sogar noch wichtiger als die reine Datenanalyse, da sie Informationen über die Zuverlässigkeit der gefundenen Dateneigenschaften liefert. Zusätzliche Unsicherheitsinformationen erhöhen die Datengröße um mindestens eine weitere Skala, wodurch die Visualisierungstechniken für Unsicherheiten aufwändiger, komplexer und schwieriger zu interpretieren sind. Wir schlagen einen grundlegend neuen Ansatz für die Unsicherheitsvisualisierung vor. Anstatt die Visualisierungen komplexer zu machen, sollte die zusätzliche Berücksichtigung der Unsicherheit die Visualisierung vereinfachen und dennoch alle relevanten Dateneigenschaften zeigen. Auf den ersten Blick klingt dies kontraintuitiv, da Unsicherheitsinformationen mit Datenwachstum einhergehen. Der Ansatz basiert jedoch auf dem Unsicherheitsparadoxon in der Visualisierung, das systematisch untersucht und ausgenutzt wird, bis hin zur Entwicklung konkreter neuer Visualisierungstechniken. Die so entwickelten informationsbeachtende Unsicherheits-Visualisierungstechniken werden auf Datensätze aus der medizinischen Bildgebung, der Klimaforschung, dem Maschinenbau und CFD angewandt.