Loading...
Datenvisualisierung & AI
Work in Progress

Datenvisualisierung & AI

Big Data & AI verändert die Art wie wir arbeiten. Von Infografiken zu Datenvisualisierungen mittels Machine-Learning-Tools die unsere Daten interpretieren und uns neue Werkzeuge und Interaktionsarten liefern.

Immer mehr Daten

Datenhandling

Gestaltungsarbeit umfasst immer häufiger die Visualisierung grosser Datenmengen.

Gestalter:innen müssen lernen mit diesen Mengen zu arbeiten.

Nebst den klassischen Diagrammen müssen Gestalter:innen fähig sein, interaktive Datenmengen in verständlicherweise darzustellen.

Designer:innen müssen nicht die Schnittstellen oder Programme dazu schreiben, aber ein Verständnis darüber, hilft besser damit umzugehen und sich allfällig zu spezialisieren.

Zudem werden neue Machine Learning (AI) Tools auf den Markt kommen, die unsere Arbeit verändern werden.

Infografik

Kondensierung von Wissen

In einer Welt voller Informationsverarbeitung, vermittelt die Infografik durch Kondensierung auf die Essenz, die zentralen Aspekte.

Dabei gibt es verschiedene Disziplinen, die wir lernen müssen, um mit diesen Datenbergen umzugehen.

Klar können wir einigermassen akkurate jedoch statische Illustrator Infografiken erstellen, um Infografiken zu gestalten.

Doch sobald die Datensätze aktualisiert werden oder aus unendlich langen Exel-Listen respektive aus Datenbanken kommen, bedingt dies den Einsatz von XML, Javascript oder Datenvisualisierung-Tools.

Datenvisualisierung

Big Data & Informationsüberfluss

Internet of Things sowie allgemein Big- und Open-Data aus dem Internet sowie dem Deep Web: produziert eine Unmenge an Datensätzen, welche es visuell attraktiv umzusetzen gilt.

Die Daten anders nutzen, neu interpretieren. Das sind die Herausforderungen die uns erwarten.

:Das Deep Web ist die Bezeichnung alles digitalen Information die via Internettechnologie existiert. Also auch alle Datenbanken, Intranets, Messwerte, E-Mails, Chatnachrichten und sonstigen Daten ausserhalb der Internetsphäre.

Datenmengen die sich nicht mehr von Hand visualisieren lassen, müssen entsprechend angegangen werden.

Machine Learning ist die Zukunft.

Augmented Design

In den kommenden Jahren werden wir mit neuen Werkzeugen lernen zu gestalten.

Werkzeuge die selbstständig Gestaltungsarbeiten entwickeln, die viel fundierter sind als wir es je erarbeiten können. 

Wir müssen diese neue Materie und ihre neuen Werkzeuge erlernen.

Wie ein Dirigent müssen Designer:innen diese neuartigen Werkzeuge orchstrieren, um die perfekte Symphonie zu erhalten.

Introduction

Machine Learning

Künstliche Intelligenz ist keine Zukunftsvorstellung mehr, sondern Realität. Doch sie ist dennoch weit weg von Sci-Fi Szenarien.

Es gibt drei Typen von künstlicher Intelligenz.

Artificial Narrow Intelligence

Künstliche Intelligenz für eine sehr spezifische Aufgabe, ein sehr spezifisches Dataset. z. B. Gesichtserkennung.

Artificial General Intelligence

Künstliche Intelligenz für ein spezifisches Gebiet mit verschiedenen Aufgaben und Prozessen. z. B. Software für selbstfahrende Autos

Artificial Superintelligence

Künstliche Intelligenz für verschiedene Gebiete mit diversen Aufgaben und Prozessen. z. B. Terminator. 😜

AI oder ML?

Was nun?

Die Benennung der verschiedenen Teile rund ums Thema ist etwas verwirrend.

Artificial-Intelligence (AI)

Jegliche Art von künstlicher Intelligenz kann damit gemeint sein. Es ist der Oberbegriff.

Machine Learning (ML)

Software, die spezifische Datenmengen verarbeitet um Aussagen oder Tasks zu machen.

Deep Learning

Weiterentwickelte ML-Software die komplexe strukturierte und unstrukturierte Daten verarbeiten kann.

Neuronal Networks

Spezielle Software für komplexe Daten, die eine technische Analogie zur menschlichen Informationsverarbeitung machen.

Big Data

Alle Datensätze aus dem Internet of Things sowie allen Daten des öffentlichen Internets oder aus dem Deep Web.

Enabling-Technologies

Geräte und Software die Menschen unterstützen Dinge zu tun, die sie nicht machen konnten. (z. B. Echtzeit-Bildtranskription für Blinde)

Was Maschinen lernen

Die Art Des Trainings

Es gibt strukturierte und unstrukturierte Daten. Maschinen lernen beides.

Strukturierte Daten

Gemeint sind Informationen die als Daten in Datensätzen (z. B. Exel-Listen) aufgelistet werden. Dabei haben diese Daten meist pro Spalte einen Oberbegriff und können einfacher klassifiziert werden.

Unstrukturierte Daten

Diese Daten sind ohne identifizierbare Struktur. Also keine klare Datenbank-Struktur. Es können Bilder, Filme, Töne, Geräusche und Texte sein.

Unstrukturierte Daten sind die neue Spielwiese für Machine Learning Software. z. B. Kann eine Maschine Chihuahua-Köpfe von Blueberry Muffins unterscheiden lernen?

Wie lernen Maschinen

Teaching Robots

Es gibt verschiedene Methoden wie Maschinen lernen.

Supervised Learning

Systeme die auf klar geführte Dateninputs, klar definierte Daten-Outputs liefern. Sie sind also von Menschen begleitet und lernen z. B. Gesichter erkennen.

Unsupervised Learning

Systeme, die fähig sind, versteckte Muster von den Input-Daten zu identifizieren. Sie können anhand von Clusters, Muster, Ähnlichkeiten oder Andersartigkeit. z. B. Erkennung von Krebszellen auf Röntgenaufnahmen.

Reinforcement Learning

Systeme, die kein «Training-Input» erhielten, aber durch die Bewertungen eines Trainers lernen. Sie beginnen Muster zu entwickeln und werden bewertet und so optimieren sie ihre Resultate.

Deep Learning Open Source Frameworks

Google Tensorflow, Intel neon, Berkeley Vision caffe, Microsoft Cognitive Tool Kit, Facebook Pytorch, Apache MXNet und Spark, Nishikawa Chainer, Chollet Keras, Nvidia Theano

Programmiersprachen/Techniken

Python, R, C, C++, CUDA, MATLAB

Machine Learning für Gestalter

Was heisst das für mich als Designer?

Es gibt drei Arten wie Machine Learning die Design-Arbeit beeinflusst.

Visuelle Gestaltung

Die Visualisierung des Outputs von Machine Learning Aufgaben. Von Infografiken bis Dialoge und Userflows

Design Support/Enhancements

Software die teile unserer Gestaltungsaufgaben übernehmen, erleichtern oder effizienter machen.

Erweiternd

Software oder Produkte die unser Gestaltungsgebiet erweitern und wir Aufgaben und Interaktionsmöglichkeiten erhalten, die vorher noch nicht möglich gewesen sind.

Khorma

Neuartige Farbkombinationen entwickeln

Die Farbkombinationen dieser Webseite stammen ursprünglich aus der Feder von Khorma. Ich selbst wäre nicht auf solche Farben gekommen.

Khorma sucht anhand einer wachsenden Auswahl deiner Lieblingsfarben, passende Farbpaare aus. Es ist ein Tool zur Inspiration neuer Farbkombinationen.

Everypixel

Bildsuche leichter gemacht

Everypixel sucht nicht nur in diversen Datenbanken nach guten Bildern, es unterstützt auch durch Bilderkennung die richtigen Bilder zu finden.

Die Bildsuche kann man intelligent nach Freiraum-Flächen machen oder nach Farben.

Conversational Design

The new Kid on the block

Die Designfamilie wird durch intelligente Sprachsteuerung erweitert. Conversational Design wird unsere Gestaltung verändern.

Machine Learning wird nicht nur unsere Tools verändern, sondern unser Arbeitsgebiet erweitern.

Die Gestaltung von digitalen Konversationen ist eine Weiterentwicklung der klassischen Input-Interaktion. Sie ist eine Komplexere Alternative zu Buttons und anderen Trigger-Elementen.

Komplexere Kommunikation erfordert eine bessere Planung dieser Dialoge. Dies können Chatbots sein, oder andere Arten der Konversation von Menschen mit digitalen Produkten und Dienstleistungen.

In Zukunft muss Design noch enger mit Wissenschaft & Technik arbeiten.

Mehr Wissen. Mehr Optionen.

Design Vertiefungen

In verschiedenen Kapiteln gehe ich diesen Aspekten auf den Grund.