Leistungsfähiges Datenmanagement als Rückgrat einer menschzentrierten Entwicklung von Automation/Assistenz

Kurzfassung

Empirische Studien, die damit verbundenen Daten und darauf durchgeführte Analysen sind wichtige Bausteine in menschzentrierten Entwicklungsprozessen für moderne Assistenz- und Automationssysteme. Hiermit verknüpfte Forschungs- und Entwicklungsaktivitäten setzen ein leistungsfähiges Datenmanagement voraus, welches neben der Handhabung der erhobenen Rohdaten auch die Verarbeitung von Metadaten als eine zentrale Aufgabe begreift. Über die unmittelbare Datennutzung hinaus, lassen sich mit Hilfe geeigneter Metadaten u.a. auch langfristig angelegte Studien (Akzeptanzstudien / Naturalistic Driving Studies) und komplexe/verteilte Analyseszenarien effektiv unterstützen. Zudem wird der Einsatz automatischer Datenanalysetechniken (Data Mining) durch ein adäquat konzipiertes Metadatenmanagement vorbereitet bzw. ermöglicht.