Peter Kieseberg, Sebastian Schrittwieser, Bernd Malle, Edgar Weippl, Andreas Holzinger. Das Testen von Algorithmen in sensibler datengetriebener Forschung. 41. WI-MAW-Rundbrief der Gesellschaft für Informatik (GI), 2017

German Abstract: Datengetrieben Forschung ist ein wesentlicher Bestandteil in der Entwicklung neuer Methoden zur Modellbildung und Simulation, aber auch im Bereich des Machine Learning und darauf aufbauender neuer und zukunftsweisender Forschungsgebiete. Speziell in den letzten Jahren hat sich datengetriebene Forschung als die treibende Kraft in verschiedensten wissenschaftlichen Disziplinen etabliert, angefangen von medizinischer Forschung (z.B. Biomarker Research für Personalisierte Medizin), bis hin zur Automatisierungstechnik (Selbstfahrende Fahrzeuge, Industrie 4.0 etc.). Ein wesentliches Problem ist dabei stets der Umgang mit sensiblen – insbesondere mit personenbezogenen – Daten. Während solche Datenmengen besonderem Schutz unterliegen, ist es für das Testen von neuen Algorithmen unumgänglich, möglichst realitätsnahe Datenmengen zu verwenden. Im Rahmen dieses Artikels stellen wir einige Grundproblematiken der datengetriebenen Forschung dar und diskutieren einige Lösungsansätze.