30 Jahre Mauerfall Mehr erfahren
Ausschnitt eines noch nicht ausgefüllten Kreuzworträtsels.

23.4.2013 | Von:
Daniela Pscheida

Wissen und Wissenschaft unter digitalen Vorzeichen

Digitale Wissenschaft

Neben dem Wandel im allgemeinen gesellschaftlichen Umgang mit Wissen vollziehen sich auch im Inneren der Wissenschaft seit einiger Zeit weitgreifende Veränderungen. Der dabei verschiedentlich beschworene Paradigmenwechsel[21] ist eng verwoben mit dem 1999 von John Taylor in seiner damaligen Funktion als Director General of Research Councils in the UK Office of Science and Technology eingeführten Begriff der E-Science. E-Science, so Taylor, bezeichne neue Arbeitsmodelle in der Wissenschaft, die durch die Schaffung und den Einsatz leistungsfähiger technologischer Infrastrukturen einerseits sowie die Zunahme globaler Kooperationen zwischen Menschen und Ressourcen andererseits gekennzeichnet seien.[22] Etwa zur gleichen Zeit stellte der Wissenschafts- und Technikforscher Michael Nentwich die These auf, dass Informations- und Kommunikationstechnologien alle Bereiche der Wissenschaft – die Wissensproduktion ebenso wie die interne Zirkulation des Wissens sowie dessen externe Weitergabe – in entscheidender Weise beeinflussten und somit nicht nur die Arbeitsformen grundlegend verändern werden, sondern auch zu qualitativen Umformungen innerhalb des wissenschaftlichen Systems führen werden.[23] Das Entscheidende an Nentwichs Ansatz ist dabei die deutliche Hervorhebung der strukturellen Veränderungen innerhalb der Wissenschaft, die dort, wo es um das Thema E-Science geht, meist nicht zuallererst im Blick sind. Im Vordergrund stehen hingegen oft eher quantitative Aspekte: Was die bundesdeutsche Entwicklung betrifft, so ging es in den vergangenen zehn Jahren zunächst vor allem um die Förderung des Einsatzes von sogenannten Grid-Technologien in der Wissenschaft. Ziel dieser Förderung war und ist die Her- und Bereitstellung leistungsfähiger Forschungsinfrastrukturen auf der Basis der Nutzung verteilter Rechenkapazitäten und des Zusammenschlusses verteilter Daten und Ressourcen. Einen Schwerpunkt bildete dabei zunächst die Verwaltung und Verarbeitung großer Datenmengen (big data). So förderte die sogenannte D-Grid-Initiative des Bundesministeriums für Bildung und Forschung (BMBF) zwischen 2005 und 2012 insgesamt über 30 Projekte mit einem Finanzvolumen von mehr als 100 Millionen Euro.[24]

Analytisch interessant und relevant ist der Fakt, dass Forschungsinfrastrukturprojekte und der Einsatz von Hochleistungsrechnern zu Forschungszwecken eine datenintensive Wissenschaft begründen, in welcher die Technik selbst zunehmend zum Akteur im wissenschaftlichen Erkenntnisprozess wird. Diese Beobachtung bewegte den amerikanischen Informatiker Jim Gray Ende des ersten Jahrzehnts unseres neuen Jahrtausends zu der These, hier zeichne sich ein viertes Paradigma der Wissenschaft ab: Nach der (1) auf Anschauung und Beobachtung basierenden Wissenschaft der Antike (observational science), der (2) modell- und theoriebasierten Wissenschaft der akademischen Moderne (analytical science) sowie der (3) computergestützten und auf komplexen Simulationen beruhenden Wissenschaft (computational science) seien wir nun ins Zeitalter der data exploration, der E-Science eingetreten, die Theorie, Experiment und Simulation vereine.[25]

Der Weg hin zur E-Science als "datenintensiver Wissenschaft" ging zunächst von den Natur- und Technikwissenschaften aus, da dort zuerst ein verstärkter Einsatz von Simulationen und ein enormer Zuwachs an Daten stattfand. Aber auch in den Geistes- und Sozialwissenschaften gibt es inzwischen zahlreiche Projekte und Initiativen in Richtung E-Humanities. Hier geht es längst nicht mehr nur um den Aufbau digitaler Datenbanken zur Langzeitarchivierung und für den zeit- und ortsunabhängigen Zugriff auf verteilte Ressourcen (digital humanities), sondern auch um die Entwicklung von Algorithmen und Systemen zur Analyse digitaler Daten (computational humanities). Dies verändert den Charakter dieser Wissenschaftsbereiche, finden doch bislang nicht vorhandene Ansätze, Konzepte und Methoden Eingang in die Fachkultur.[26]

Zunehmend ist die Frage zentral, wie Daten beziehungsweise Ressourcen und Anwender zusammengebracht werden können – wie also zwischen beiden zu vermitteln ist, denn eine der größten Herausforderungen der datenzentrierten Wissenschaft ist es, die entstehende Datenflut in sinnvoller Weise zu beherrschen. Auch dies ist im ersten Schritt eine technische Aufgabe, genauer: eine Aufgabe der Entwicklung geeigneter Schnittstellen, im technischen Sprachgebrauch auch Middleware genannt. Große Hoffnungen gehen hier in Richtung semantischer Lösungen. Intensiv wird daher seit Jahren an Ontologien und Möglichkeiten zur einheitlichen Meta-Beschreibung von Inhalten und deren sinnlogischer Verknüpfung geforscht.[27]

Doch auch und gerade unter den Bedingungen einer zunehmend digitalisierten Wissenschaft stellen die sozialen Beziehungen zwischen den an Wissenschaft beteiligten Personen einen zentralen Faktor dar. Zwar erfahren die Bereiche Interaktion und Kommunikation auch innerhalb der Wissenschaftscommunity durch das Web 2.0 neue Impulse und höchstwahrscheinlich auch eine Intensivierung, doch zeichnen sich auch neue Herausforderungen ab.

Die erste Herausforderung betrifft die organisationalen Strukturen und Mechanismen des Systems Wissenschaft. Die digitale Wissenschaft verlangt nach Offenheit und Transparenz sowie der Bereitschaft, Daten und Ideen in einem möglichst frühen Stadium der Erkenntnisgewinnung mit anderen Wissenschaftlern und Wissenschaftlerinnen, aber auch Personen außerhalb der Wissenschaft zu teilen und gemeinsam an möglichen Lösungen zu arbeiten. Diese Haltung steht den klassischen Strukturen des Wissenschaftssystems jedoch entgegen. So reibt sie sich etwa mit den klassischen Mechanismen der wissenschaftlichen Anerkennungskultur, die im Hinblick auf den Erwerb von Reputation nach wie vor darauf setzen, eine Erkenntnis als erstes und in einschlägig bekannten und prominent rezipierten Organen veröffentlicht zu haben. Die Preisgabe von Informationen im Vorfeld der eigenen Publikationen – auch zu Kooperationszwecken – muss in diesem Sinne eher als hinderlich, wenn nicht gar gefährlich betrachtet werden.

Die zweite Herausforderung verweist auf ein erkenntnistheoretisches Problem im Kontext der Digitalisierung von Wissenschaft. David Weinberger stellt in seinem Buch "Too big to know" die These auf, dass sich der wissenschaftliche Wissensbegriff grundlegend wandeln müsse.[28] Grund dafür sei vor allem die Tatsache, dass die mithilfe ausgeklügelter Messinstrumente unaufhörlich gesammelten und von Computern verwalteten Datenbestände inzwischen viel zu groß und komplex geworden sind, als dass diese mit Modellen oder Theorien weiterhin sinnvoll zu erfassen und zu strukturieren wären.[29] Weil wissenschaftliches Wissen zunehmend im Netz prozessiert wird, so die zentrale Kernaussage Weinbergers, nimmt es auch zunehmend die Eigenschaften des Netzmediums an und wird offen für Kooperationen mit neuen Akteuren und widerstreitende Deutungen – verliert damit zugleich aber auch an Autorität und Eindeutigkeit.[30] Das verändert nicht nur das institutionelle Gefüge Wissenschaft, sondern auch und gerade das wissenschaftliche Wissen selbst. Erkenntnis, so ließe sich zusammenfassen, ist nicht länger ein Produkt, sondern geht im Prozess auf.[31] Das ist weit mehr als die bloße Veränderung von Arbeitsprozessen und Handlungspraxen. Stattdessen deutet sich hier die Notwendigkeit an, den wissenschaftlichen Erkenntnisprozess grundlegend neu zu denken.

Dem Wandel begegnen

Bleibt die Frage, wie sich dem digitalen Wandel des Wissens in seiner Vielgestaltigkeit begegnen lässt. Das große Versprechen des digital prozessierten Wissens ist zweifellos dessen Gestaltungspotenzial. Dieses Versprechen als Chance für sich nutzen zu können, setzt jedoch entsprechende Kompetenzen voraus, die durch die Schaffung geeigneter digitaler Lern- und Erfahrungsräume systematisch ausgebildet werden müssen. Vor allem aber ist es notwendig, den Wandel in aller Klarheit wahrzunehmen und als solchen zu verstehen. Hier kann die Analyse noch längst nicht als abgeschlossen betrachtet werden.

Fußnoten

21.
Vgl. Thomas S. Kuhn, Die Struktur wissenschaftlicher Revolutionen, Frankfurt/M. 1973 (1967), insb. S. 104–122.
22.
Vgl. Tony Hey/Anne Trefethen, e-Science and its Implications, in: Phil. Trans. R. Soc. Lond. A, 361 (2003), S. 1809–1825.
23.
Michael Nentwich, Cyberscience: Die Zukunft der Wissenschaft im Zeitalter der Informations- und Kommunikationstechnologien, MPIfG Working Paper 6/1999, online: http://www.oeaw.ac.at/ita/ebene5/wp-mpifg.pdf« (24.8.2012).
24.
Vgl. Alexander Gerber/Denis Hartmann, Die Säulen des Supercomputing, hrsg. vom BMBF, Berlin 2011, S. 15ff.
25.
Vgl. Jim Gray, eScience: A Transformed Scientific Method, in: Tony Hey/Stewart Tansley/Kristin Tolle (eds.), The Fourth Paradigm. Data-intensive Scientific Discovery, Redmond 2009, S. xviii.
26.
Vgl. Gerhard Lauer, Digital Humanities – die anderen Geisteswissenschaften, in: SAGW-Bulletin, 1 (2012), Dossier Digital Humanities und Web 2.0, S. 54, online: http://www.sagw.ch/sagw/oeffentlichkeitsarbeit/bulletin/bulletin2011-2012.html« (3.4.2013).
27.
Als ein weiterer Trend ist "Citizen Science", die gezielte Einbindung von interessierten Laien in die Analyse und Auswertung, aber auch Sammlung wissenschaftlicher Daten, zu nennen. Vgl. beispielsweise http://www.galaxyzoo.org« und http://fold.it/portal (8.4.2013).
28.
Vgl. David Weinberger, Too Big to Know. Rethinking Knowledge Now That the Facts Aren’t the Facts, Experts Are Everywhere, and the Smartest Person in the Room is the Room, New York 2011, S. 123.
29.
Vgl. ebd., S. 123ff., insb. S. 127.
30.
Vgl. ebd., S. 123.
31.
Vgl. ebd., S. 155f.; A. Bruns (Anm. 15), S. 27f.; D. Pscheida (Anm. 6), S. 443.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz veröffentlicht. by-nc-nd/3.0/ Der Name des Autors/Rechteinhabers soll wie folgt genannt werden: by-nc-nd/3.0/
Autor: Daniela Pscheida für bpb.de
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.