Visual Analytics ist ein interdisziplinäres Forschungsfeld, das Datenanalyse, Visualisierung und interaktive Techniken miteinander verbindet. Ziel ist es, Menschen dabei zu unterstützen, aus komplexen Datensätzen relevante Erkenntnisse zu gewinnen. Durch die Kombination rechnergestützter Methoden mit menschlicher Intuition verwandelt Visual Analytics Rohdaten in handlungsrelevantes Wissen. Dieser Ansatz eignet sich insbesondere für große, heterogene und dynamische Datenbestände. Er ermöglicht es Nutzerinnen und Nutzern, verborgene Muster zu erkennen, Zusammenhänge zu verstehen und fundierte Entscheidungen zu treffen. An der Schnittstelle von Informatik und Kognitionswissenschaft entstehen so Werkzeuge, die komplexe Informationen nicht nur analysieren, sondern auch verständlich visualisieren und vermitteln.

Human–AI-Teams in der Visual Analytics

Ein zentraler Schwerpunkt von Visual Analytics ist das Human-AI-Teaming. Dieser Ansatz ist besonders relevant für den Umgang mit zunehmend komplexen KI-Systemen. Künstliche Intelligenz kann große Datenmengen effizient verarbeiten, Muster erkennen und repetitive Aufgaben schnell und präzise ausführen. Menschen bringen hingegen Kreativität, Intuition und Kontextwissen ein. Visual Analytics schafft die Grundlage für eine enge Zusammenarbeit zwischen Mensch und KI, indem es ihre jeweiligen Stärken sinnvoll miteinander verbindet. Über interaktive visuelle Schnittstellen können Menschen Analyseprozesse gezielt steuern und zugleich die Rechenleistung der KI nutzen, um Daten wirkungsvoller zu erkunden. Dadurch entstehen effizientere und ko-adaptive Entscheidungsprozesse.

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

Das Visual-Analytics-Modell von Keim et al. bietet einen strukturierten Rahmen für diese Zusammenarbeit, indem es Datenvorverarbeitung, Visualisierung, Hypothesengenerierung und Benutzerinteraktion integriert. Daten werden zunächst vorverarbeitet, transformiert und in geeignete Repräsentationen überführt. Anschließend ermöglichen visuelle Schnittstellen den Nutzerinnen und Nutzern, die Daten intuitiv zu explorieren, Trends zu erkennen und Hypothesen zu formulieren. Automatisierte Analysen, die durch KI unterstützt werden, ergänzen diesen Prozess, indem sie Erkenntnisse validieren oder Anomalien sichtbar machen. Der iterative Interaktionszyklus stellt sicher, dass der Mensch im Sinne des „Human-in-the-Loop“ im Zentrum bleibt: Visualisierungen dienen nicht nur dazu, Ergebnisse darzustellen, sondern auch dazu, Fragestellungen zu präzisieren und weitere Analyseschritte gezielt anzustoßen.

Als einer der Mitbegründer des Forschungsfelds 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 und interaktiver KI-Systeme sowie geeigneter Schnittstellen ermöglichen wir es Menschen und KI-Systemen, in kooperativen Lern- und Steuerungsprozessen voneinander zu lernen. Dieser Ansatz stärkt nicht nur die Entscheidungsfähigkeit beider Akteure, sondern fördert auch Vertrauen, Verständnis und einen gemeinsamen Bezugsrahmen für die Lösung komplexer Probleme. Unsere Forschung überträgt diese Prinzipien auf Anwendungsfelder wie öffentliche Sicherheit und Zivilschutz, Digital Humanities und Linguistik, Sport- und Verhaltensanalyse sowie Geo- und Infrastrukturanalyse. Auf diese Weise erweitern wir kontinuierlich das Potenzial von Human-AI-Teams bei der Bewältigung realer Herausforderungen.