Blockchain und Big Data Anwendungsfälle: Herausforderungen und Chancen mit Blockchain und Data Science

Blockchain und Big Data gehören zu den wichtigsten aufstrebenden Technologien, die mehrere Branchen revolutionieren und die Art und Weise, wie Unternehmen und Organisationen geführt werden, radikal verändern werden. Man könnte annehmen, dass sich diese Technologien gegenseitig ausschließen – jede geht ihren eigenen Weg und wird unabhängig voneinander angewendet.

Aber das stimmt so nicht.

Blockchain verändert – genau wie Data Science – nach und nach die Arbeitsweise zahlreicher Branchen. Und während sich die Data Science darauf konzentriert, Daten für eine ordnungsgemäße Verwaltung nutzbar zu machen, gewährleistet Blockchain das Vertrauen in die Daten, indem es ein dezentrales Hauptbuch verwaltet.

Die Frage ist: Gibt es einen Ort, an dem sich diese beiden Konzepte überschneiden?

Was wird erreicht, wenn diese beiden Technologien gleichzeitig eingesetzt werden?

Einfach ausgedrückt: Wie kann Blockchain die Data Science revolutionieren?

Um diese Fragen zu beantworten, ist es hilfreich, Blockchain und Data Science getrennt voneinander besser zu verstehen.

Blockchain ist im Grunde ein misstrauisches Hauptbuch, das wirtschaftliche Transaktionen so aufzeichnet, dass sie nicht manipuliert werden können. Die Technologie wurde durch das Interesse an Bitcoin und Kryptowährungen im Allgemeinen bekannt, hat aber inzwischen nicht nur bei der Aufzeichnung von Kryptowährungstransaktionen, sondern bei allen Wertgegenständen Bedeutung erlangt. Im Wissen um die Möglichkeiten dieser aufstrebenden Technologie haben sich Entwickler und Technikbegeisterte daran gemacht, einen Anwendungsfall nach dem anderen für die Blockchain zu entwickeln.

Hohe Nachfrage nach Blockchain-Entwicklern

Die Nachfrage nach Blockchain-Entwicklern ist in den letzten Jahren zugenommen, da Projekte an verschiedenen Anwendungen der Blockchain arbeiten. Berichten von Freelancer-Plattformen wie UpWork zufolge sind Blockchain-Kenntnisse nach wie vor die am meisten nachgefragten Fähigkeiten. In ähnlicher Weise sollen Fachleute in anderen Bereichen wie der Rechtswissenschaft einen großen Vorteil haben, wenn sie über Blockchain-Kenntnisse verfügen – oder zumindest ein Verständnis für die Technologie haben.

Data Science zielt darauf ab, Wissen und Erkenntnisse aus strukturierten und unstrukturierten Daten zu gewinnen. Dieser Bereich umfasst Statistik, Datenanalyse, maschinelles Lernen und andere fortgeschrittene Methoden, die dazu dienen, tatsächliche Prozesse anhand von Daten zu verstehen und zu analysieren.

Daten werden im Wirtschaftsjargon oft als das neue Öl bezeichnet, weshalb führende Unternehmen, darunter die berühmten GAFAs (Google, Amazon, Facebook und Apple), Unmengen von Daten kontrollieren. Einige gängige Anwendungen der Datenwissenschaft finden sich in Internet-Maschinenprotokollen, digitaler Werbung und Empfehlungsdiensten. Die Datenanalyse, ein Schlüsselaspekt der Datenwissenschaft, hat sich in der Gesundheitsbranche als relevant erwiesen, um die Behandlung von Patienten und den Fluss von Geräten zu verfolgen, im Reiseverkehr, um das Kundenerlebnis zu verbessern, im Energiemanagement und in vielen anderen Bereichen.

Hohe Nachfrage nach Data Scientists

Außerdem gibt es eine scheinbar unstillbare Nachfrage nach Data Scientists, die mehr Erkenntnisse aus Daten gewinnen und helfen können, mehr Probleme zu lösen. Dies wird noch deutlicher, wenn man Big Data betrachtet, einen fortgeschrittenen Aspekt der Datenwissenschaft, der sich mit extrem großen Datenmengen befasst, die mit herkömmlichen Datenverarbeitungsmethoden nicht verarbeitet werden können.

Im Gegensatz zu Bereichen wie Fintech, Gesundheitswesen und Lieferkette, wo Blockchain mittlerweile sehr bekannt ist, wurde die Technologie im Bereich der Data Science noch nicht umfassend erkundet. Für einige ist die Beziehung zwischen den Konzepten unklar, wenn nicht sogar inexistent.

Zunächst einmal beschäftigen sich sowohl Blockchain als auch Data Science mit Daten – Data Science analysiert Daten, um daraus umsetzbare Erkenntnisse zu gewinnen, während Blockchain Daten aufzeichnet und validiert. Beide nutzen Algorithmen, die die Interaktion mit verschiedenen Datensegmenten steuern. Ein wiederkehrendes Thema, das Ihnen bald auffallen wird, ist folgendes: „Data Science für Vorhersagen; Blockchain für Datenintegrität“.

Data Science hat, wie jeder technologische Fortschritt, seine eigenen Herausforderungen und Grenzen, die, wenn sie angegangen werden, ihre volle Leistungsfähigkeit entfalten. Zu den größten Herausforderungen für Data Science zählen unzugängliche Daten, Datenschutzprobleme und schmutzige Daten.

Die Kontrolle von schmutzigen Daten (oder falschen Informationen) ist ein Bereich, in dem sich die Blockchain-Technologie in nicht geringem Maße positiv auf die Data Science auswirken kann. Laut einer Umfrage unter 16.000 Datenexperten, die 2017 befragt wurden, wurde die Einbeziehung fehlerhafter Daten wie Duplikate oder falsche Daten als größte Herausforderung für die Data Science identifiziert. Durch den dezentralen Konsensalgorithmus und die Kryptographie validiert die Blockchain die Daten und macht sie aufgrund der enormen Rechenleistung, die dafür erforderlich ist, fast unmöglich zu manipulieren.

Auch hier gewährleistet die Blockchain-Technologie durch ihr dezentrales System die Sicherheit und den Schutz der Daten. Die meisten Daten werden auf zentralen Servern gespeichert, die häufig das Ziel von Cyber-Angreifern sind. Die zahlreichen Berichte über Hacks und Sicherheitsverletzungen verdeutlichen das Ausmaß der Bedrohung. Blockchain hingegen gibt den Personen, die die Daten erzeugen, die Kontrolle über die Daten zurück und macht es Cyberkriminellen schwer, in großem Umfang auf Daten zuzugreifen und sie zu manipulieren.

Wenn Größe die Quantität ist, sagt Maria Weinberger von Janexter, dann ist Blockchain die Qualität. Dies folgt dem Verständnis, dass Blockchain sich auf die Validierung von Daten konzentriert, während es bei Data Science oder Big Data darum geht, Vorhersagen aus großen Datenmengen zu treffen.

Blockchain hat eine völlig neue Art der Verwaltung und des Umgangs mit Daten hervorgebracht – nicht mehr in einer zentralen Perspektive, in der es darum geht, alle Daten zusammenzuführen, sondern in einer dezentralen Art und Weise, in der Daten direkt von den einzelnen Geräten aus analysiert werden können. Blockchain integriert sich mit anderen fortschrittlichen Technologien wie Cloud-Lösungen, künstlicher Intelligenz (KI) und dem Internet der Dinge (IoT).

Darüber hinaus sind die mit der Blockchain-Technologie erzeugten validierten Daten strukturiert und vollständig und, wie bereits erwähnt, unveränderlich. Ein weiterer wichtiger Bereich, in dem Blockchain-generierte Daten Big Data einen Schub geben, ist die Datenintegrität, da Blockchain die Herkunft der Daten durch ihre verknüpften Ketten feststellt.

Es gibt mindestens fünf spezifische Möglichkeiten, wie Blockchain-Daten für Data Scientists im Allgemeinen hilfreich sein können.

• Vertrauen sicherstellen (Datenintegrität)

Die auf der Blockchain erfassten Daten sind vertrauenswürdig, da sie einen Verifizierungsprozess durchlaufen müssen, der ihre Qualität sicherstellt. Sie sorgt auch für Transparenz, da Aktivitäten und Transaktionen, die im Blockchain-Netzwerk stattfinden, nachverfolgt werden können.

Letztes Jahr stellte Lenovo diesen Anwendungsfall der Blockchain-Technologie vor, um betrügerische Dokumente und Formulare zu erkennen. Die PC-Giganten nutzten Blockchain-Technologie, um physische Dokumente zu validieren, die mit digitalen Signaturen codiert waren. Die digitalen Unterschriften werden von Computern verarbeitet und die Echtheit des Dokuments wird über eine Blockchain-Aufzeichnung verifiziert.

In den meisten Fällen wird die Datenintegrität dadurch gewährleistet, dass Details über den Ursprung und die Interaktionen eines Datenblocks in der Blockchain gespeichert und automatisch verifiziert (oder validiert) werden, bevor darauf reagiert werden kann.

• Verhinderung böswilliger Aktivitäten

Da Blockchain einen Konsensalgorithmus zur Verifizierung von Transaktionen verwendet, ist es unmöglich, dass eine einzelne Einheit eine Bedrohung für das Datennetzwerk darstellt. Ein Knoten (oder eine Einheit), der/die anfängt, sich abnormal zu verhalten, kann leicht identifiziert und aus dem Netzwerk entfernt werden.

Da das Netzwerk so verteilt ist, ist es für eine einzelne Partei nahezu unmöglich, genügend Rechenleistung zu erzeugen, um die Validierungskriterien zu verändern und unerwünschte Daten ins System zu lassen. Um die Regeln der Blockchain zu ändern, muss sich eine Mehrheit der Knotenpunkte zusammenschließen, um einen Konsens zu erzielen. Einem einzelnen bösen Akteur wird dies nicht gelingen.

• Vorhersagen treffen (Prädiktive Analyse)

Blockchain-Daten können genau wie andere Arten von Daten analysiert werden, um wertvolle Erkenntnisse in das Verhalten und die Trends zu erhalten und so zukünftige Ergebnisse vorherzusagen. Darüber hinaus liefert die Blockchain strukturierte Daten, die von Einzelpersonen oder einzelnen Geräten gesammelt werden.

Bei der prädiktiven Analyse stützen sich Data Scientists auf große Datenmengen, um mit hoher Genauigkeit das Ergebnis von gesellschaftlichen Ereignissen wie Kundenpräferenzen, Customer Lifetime Value, dynamische Preise und Abwanderungsraten in Bezug auf Unternehmen zu bestimmen. Dies beschränkt sich jedoch nicht auf Erkenntnisse, da sich mit der richtigen Datenanalyse fast jedes Ereignis vorhersagen lässt, seien es soziale Stimmungen oder Investitionsindikatoren.

Und aufgrund der verteilten Natur der Blockchain und der enormen Rechenleistung, die sie bietet, können Data Scientists selbst in kleineren Unternehmen umfangreiche Prädiktionsanalysen durchführen. Diese Data Scientist können die Rechenleistung von mehreren tausend Computern, die über ein Blockchain als cloudbasierter Service verbunden sind, nutzen, um soziale Auswirkungen in einem Umfang zu analysieren, der sonst nicht möglich gewesen wäre.

• Echtzeitdatenanalyse

Wie in Finanz- und Zahlungssystemen gezeigt wurde, ermöglicht die Blockchain grenzüberschreitende Echtzeittransaktionen. Einige Banken und Fintech-Innovatoren erkunden nun die Blockchain, weil sie eine schnelle – ja sogar in Echtzeit – Abwicklung großer Summen unabhängig von geografischen Barrieren ermöglicht.

Ebenso können Unternehmen, die eine Echtzeitanalyse von Daten in großem Umfang benötigen, auf ein Blockchain-fähiges System zurückgreifen. Mit der Blockchain können Banken und andere Unternehmen Datenänderungen in Echtzeit beobachten, was schnelle Entscheidungen ermöglicht – sei es, um verdächtige Transaktionen zu blockieren oder abnormale Aktivitäten zu verfolgen.

• Datenaustausch verwalten

In diesem Zusammenhang können aus Datenstudien gewonnene Daten in einem Blockchain gespeichert werden. Auf diese Weise vermeiden die Projektteams, Datenanalysen zu wiederholen, die bereits von anderen Teams durchgeführt wurden, oder bereits verwendete Daten fälschlicherweise wiederzuverwenden. Darüber hinaus kann eine Blockchain Platform Data Scientists helfen, ihre Arbeit zu monetarisieren, beispielsweise durch den Handel mit auf der Plattform gespeicherten Analyseergebnissen.

Wie bereits erwähnt, befindet sich die Blockchain-Technologie noch in den Anfängen, auch wenn dies aufgrund des Hypes, den die Technologie in kurzer Zeit erfahren hat, nicht den Anschein erwecken mag. Man kann davon ausgehen, dass mit zunehmender Reife der Technologie und den damit einhergehenden Innovationen auch konkretere Anwendungsfälle identifiziert und erforscht werden – Data Science ist ein Bereich, der davon profitieren wird.

Allerdings wurden einige Fragen hinsichtlich der Auswirkungen auf die Data Science aufgeworfen, insbesondere im Bereich Big Data, wo außergewöhnlich große Datenmengen verarbeitet werden müssen. Eine Sorge ist, dass die Anwendung der Blockchain in diesem Bereich sehr kostspielig sein wird. Das liegt daran, dass die Datenspeicher auf einer Blockchain im Vergleich zu herkömmlichen Methoden teuer ist. Blöcke befassen sich mit relativ kleinen Datenmengen im Vergleich zu den großen Datenmengen, die pro Sekunde für Big Data und andere Datenanalyseaufgaben gesammelt werden.

Es wird besonders interessant sein, wie sich die Blockchain entwickelt, um diese Bedenken auszuräumen und den Bereich der Data Science zu verändern, denn wie wir gesehen haben, hat die Technologie ein enormes Potenzial, die Art und Weise, wie wir Daten verwalten und nutzen, zu verändern.

Von Zeit zu Zeit laden wir Branchenexperten, akademische Experten und Partner dazu ein, ihre Meinungen und Erkenntnisse zu aktuellen Trends in der Blockchain im Blockchain Pulse Blog zu teilen. Die Meinungen in diesen Blogbeiträgen sind zwar ihre eigenen und spiegeln nicht unbedingt die Ansichten von IBM wider, doch dieser Blog ist bestrebt, alle Standpunkte in die Konversation einzubeziehen.