Visual Analytics ist ein interdisziplinäres Feld, das Datenanalyse, Visualisierung und interaktive Techniken verbindet, um Menschen dabei zu unterstützen, aus komplexen Datensätzen Erkenntnisse zu gewinnen. Durch die Verknüpfung rechnergestützter Methoden mit menschlicher Intuition verwandelt Visual Analytics Rohdaten in handlungsrelevantes Wissen. Dieser Prozess eignet sich insbesondere für den Umgang mit großen, vielfältigen und dynamischen Daten und befähigt Nutzer’innen dazu, verborgene Muster zu entdecken, sinnvolle Schlüsse zu ziehen und fundierte Entscheidungen zu treffen. Visual Analytics bewegt sich im Überschneidungsbereich von Kognitionswissenschaft und Informatik und bietet Werkzeuge, die komplexe Informationen nicht nur analysieren, sondern auch visuell vermitteln.

Human–AI-Teams in der Visual Analytics

Ein zentrales Anliegen von Visual Analytics ist das Human-AI-Teaming, das diesen Ansatz besonders geeignet macht, um mit immer komplexeren KI-Lösungen umzugehen. Künstliche Intelligenz ist hervorragend darin, große Datensätze zu verarbeiten, Muster zu erkennen und repetitive Aufgaben schnell und präzise auszuführen. Menschen hingegen bringen Kreativität, Intuition und kontextsensitives Denken ein. Visual Analytics ermöglicht eine nahtlose Zusammenarbeit zwischen Mensch und KI und schafft Systeme, in denen sich ihre komplementären Stärken gegenseitig ergänzen. Über interaktive visuelle Schnittstellen können Menschen die Analyseprozesse der KI steuern und gleichzeitig deren Rechenleistung nutzen, um Daten wirkungsvoller zu erkunden. Diese Zusammenarbeit führt zu einem effizienteren und ko-adaptiven Entscheidungsprozess.

Von Rohdaten zur Erkenntnis: Das Visual-Analytics-Modell nach Keim et al.

Das Visual-Analytics-Modell von Keim et al. bietet einen strukturierten Ansatz für diese Zusammenarbeit, indem es Datenvorverarbeitung, Visualisierung, Hypothesengenerierung und Benutzerinteraktion integriert. Daten werden vorverarbeitet, transformiert und in für die Analyse geeignete Repräsentationen überführt. Visuelle Schnittstellen ermöglichen es den Nutzer’innen anschließend, diese Daten intuitiv zu explorieren, Trends zu identifizieren und Hypothesen zu formulieren. Automatisierte Analysen, unterstützt durch KI, ergänzen diesen Prozess, indem sie Einsichten validieren oder Anomalien aufdecken. Der iterative Interaktionszyklus stellt sicher, dass der Mensch im Sinne des „Human-in-the-Loop“ im Zentrum bleibt: Visualisierungen dienen nicht nur dazu, Ergebnisse zu betrachten, sondern auch dazu, Fragestellungen zu verfeinern und weitere Explorationen gezielt anzustoßen.

Als einer der Mitbegründer des Forschungsgebiets Visual Analytics ist unser Lehrstuhl besonders daran interessiert, die Rolle von Visual Analytics in der Human-AI-Kollaboration weiter auszubauen. Durch die Entwicklung maßgeschneiderter visueller, interaktiver KI-Systeme und Schnittstellen ermöglichen wir es Mensch und KI, in einem kooperativen Lehr- und Steuerungsprozess voneinander zu lernen. Dieser Ansatz verstärkt nicht nur die Entscheidungsfähigkeit beider Akteure, sondern fördert auch Vertrauen, Verständnis und einen gemeinsamen Bezugsrahmen für Problemlösungen. Unsere Forschung wendet diese Prinzipien in Bereichen wie öffentlicher Sicherheit und Zivilschutz, Digital Humanities und Linguistik, Sport- und Verhaltensanalyse sowie Geo- und Infrastrukturanalyse an und erweitert so kontinuierlich das Potenzial von Human-AI-Teams bei der Bewältigung realer Herausforderungen.