Nachgefragt bei Prof. Dr. Andreas Behrend

Prof. Dr. Andreas Behrend (Bild: privat)

Fakultät für Informations-, Medien- und Elektrotechnik, Lehr-/Forschungsgebiet: Datenbanken und Data Engineering


Studium Informatik an der Universität Rostock, der Universität Aberdeen (Großbritannien) und an der Rheinischen Friedrich-Wilhelms-Universität Bonn

Promotion „Soft Stratification for Transformation-Based Approaches to Deductive Databases“ an der Rheinischen Friedrich-Wilhelms-Universität Bonn

Habilitation „A Uniform Fixpoint Approach to the Implementation of Inference Methods for Deductive Databases" an der Rheinischen Friedrich-Wilhelms-Universität Bonn

Berufliche Stationen (u. a.)

  • Wissenschaftlicher Mitarbeiter an der Rheinischen Friedrich-Wilhelms-Universität Bonn
  • Wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE
  • Interimsprofessuren an der Universität Wuppertal, der Universität Halle- Wittenberg, der Universität Marburg und der Universität Dresden
  • IT-Architekt für „Big Data“-Analysen beim Bundesverwaltungsamt, Standort Köln
  • Wissenschaftlicher Mitarbeiter beim Deutschen Zentrum für Luft- und Raumfahrt e.V. und Verantwortlicher für das KI-Förderprogramm des Bundesministeriums für Wirtschaft und Energie

Als Kind lebte ich in der ehemaligen DDR und fühlte mich sehr eingeschränkt.

Wenn ich heute noch mal studieren würde, würde ich wohl Physik als Hauptfach wählen und natürlich auch wieder Informatik. Zudem würde ich verstärkt versuchen, Vorlesungen bzw. Kurse aus anderen Fachrichtungen  wahrzunehmen, um die Vorgehensweisen in den dazugehörigen Wissenschaftsgebieten besser kennenzulernen.  Ich würde wohl auch noch intensiver versuchen, Auslandserfahrung etwa durch Praktika oder Semester an ausländischen Hochschulen zu bekommen. Mein Studienjahr an der Universität Aberdeen war einfach eine tolle Erfahrung.

Big Data ist in der Öffentlichkeit leider oft mit einem negativen Bild verbunden, da es mit einer unkontrollierten Massendatenanalyse assoziiert wird, mit deren Hilfe insbesondere private bzw. personenbezogene Daten von Nutzerinnen und Nutzern ermittelt und überwacht werden können. Tatsächlich hat es aber diesen Missbrauch personenbezogener Daten schon immer gegeben und Big Data beschreibt eher eine neue Generation von Analyse-Tools, die die Analyse von unterschiedlichsten Formen von Daten erleichtern. Dabei ist der missbräuchliche Einsatz dieser Tools nur ein sehr kleiner Aspekt – die Vorteile und Chancen, etwa bei der Analyse industrieller Daten zur Optimierung von Produktionsabläufen, sind hingegen enorm.

Big Data ist in der Wissenschaft ein ungebrochener Trend, da so viele unterschiedliche und spannende Forschungsaspekte darin enthalten sind. Eine Vielzahl von Forschergruppen arbeitet weiterhin an der Entwicklung neuer Methoden bzw. Systeme, um Datenmengen zu analysieren, die zu umfangreich, zu komplex, zu dynamisch oder zu schwach strukturiert sind, um sie mit etablierten Systemen (z.B. Datenbanksystemen) verarbeiten zu können. In Zukunft werden sicherlich verstärkt Methoden der Künstlichen Intelligenz  mit diesen „Big Data“-Tools zusammengebracht, um die Analyse noch weiter zu verbessern.

Ich möchte einen Schwerpunkt setzen bei der Entwicklung intelligenter Datenverarbeitungssysteme, die uns das aufwändige Programmieren komplexer Analysemethoden weitgehend abnehmen. Diese Systeme sollen von ihren Aufgabenstellungen lernen, sich selbst anpassen, warten und optimieren sowie geeignete Analysemethoden selbstständig auswählen und auf die vorliegenden Daten passgenau einsetzen. Prinzipiell sollte die Informatik unser Leben einfacher gestalten. Wer allerdings schon einmal ein großes kommerzielles Datenbankmanagementsystem installieren und betreiben musste, weiß, dass das in der Praxis noch nicht immer gut gelingt.

Ich würde gerne herausfinden, wie man die Informatikausbildung so verbessern kann, dass die Ausbildung an immer komplexeren IT-Systemen für die Studierenden auch in Zukunft attraktiv und interessant bleibt. Zudem würde ich gerne herausfinden, wie man eine Ähnlichkeitssuche, eine Prognosebildung oder Mustererkennung für Millionen von Zeitreihen effizient in einem Datenverarbeitungssystem realisieren könnte.

Der beste Ort für kreative Ideen ist da, wo ich nicht durch meine anderen Interessen vom Nachdenken abgelenkt werde.

Das letzte gute Buch, das ich gelesen habe, war Old Man’s War von John Scalzi. Die Geschichte beginnt mit einem kranken alten Mann, der sich direkt nach dem Tod seiner Frau entscheidet, einer Armee beizutreten. Ich mag weder Science Fiction noch militärische Abenteuer, aber der Anfang dieser Erzählung war seltsam unplausibel. Ich habe deshalb einfach weitergelesen und das Buch stellte sich als höchst amüsant heraus – ich durfte mal wieder herzhaft lachen.

Januar 2020

M
M