FZIFORSCHUNGSZENTRUM
INFORMATIK
Mobile BigData
Dr. Valentin Zacharias
FZI Forschungszentrum Informatik
am Karlsruher Institut für Technologie

Motivation & Zielsetzung
 Motivation
 Wie selbstverständlich wird das Mobile Web häufig als Treiber für Big
Data genannt
 gleichzeitig kommt das Mobile Web jedoch nur in wenigen der
klassischen BigData Beispiele vor
 Zielsetzung
 Anhand von (hoffentlich)
neuen Beispielen die
vielfältigen Beziehungen
zwischen den Trends Mobile
und BigData Aufzeigen
 Ideen für Ihre BigData
Aktivitäten liefern
15.04.2014
Quelle: Bitkom Leitfaden BigData
2

Mobile und BigData
 Die Schnittstellen von Mobile und Big Data liegen in
 1) Use Case: Mobile Informationsbereitstellung als BigData
Anwendungsfall
 2) „Datafication“, der immer genaueren und schnelleren und
quantitativen Erfassung von immer mehr Dingen.
 Passiv/Data Exhaust: Die Nutzung und die Präsenz von
Mobilgeräten kann von Systemen zur Datafication
ausgenutzt werden
 Omnipräsentes vernetztes Eingabegerät zur manuellen
Erfassung
 Aktive Sensorgestützte Erfassung durch das Mobilgerät
15.04.2014 © FZI Forschungszentrum Informatik 3

Mobile und BigData
 Die Schnittstellen von Mobile und Big Data liegen in
 1) Use Case: Mobile Informationsbereitstellung als BigData
Anwendungsfall
 2) „Datafication“, der immer genaueren und schnelleren und
quantitativen Erfassung von immer mehr Dingen.
 Passiv/Data Exhaust: Die Nutzung und die Präsenz von
Mobilgeräten kann von Systemen zur Datafication
ausgenutzt werden
 Omnipräsentes vernetztes Eingabegerät zur manuellen
Erfassung
 Aktive Sensorgestützte Erfassung durch das Mobilgerät
15.04.2014 © FZI Forschungszentrum Informatik 4

Predictive Assistants – Google u.a.
 Die Verfügbarkeit des Kontexts des
Nutzers erlaubt mobilen Applikationen
passendere Antworten auf die Fragen
des Nutzers.
 Die nächste Generation von digitalen
Assistenten wartet nicht mehr auf
Eingaben des Nutzers sondern nutzt
den Kontext zur Vorhersage von
Informationsbedürfnissen.
 Informationsbereitstellung auf
Mobilgeräten wird damit selbst zu
einem Predictive Analytics Use Case
mit BigData.
 Beispiele: Google Now, Osito, Donna,
reQall
15.04.2014 © FZI Forschungszentrum Informatik 5
Quelle: The Economist

Mobile und BigData
 Die Schnittstellen von Mobile und Big Data liegen in
 1) Use Case: Mobile Informationsbereitstellung als BigData
Anwendungsfall
 2) „Datafication“, der immer genaueren und schnelleren und
quantitativen Erfassung von immer mehr Dingen.
 Passiv/Data Exhaust: Die Nutzung und die Präsenz von
Mobilgeräten kann von Systemen zur Datafication
ausgenutzt werden
 Omnipräsentes vernetztes Eingabegerät zur manuellen
Erfassung
 Aktive Sensorgestützte Erfassung durch das Mobilgerät
15.04.2014 © FZI Forschungszentrum Informatik 6

Flow Track -
 Bluetooth Sensoren
erlauben genaue
Positionsbestimmung
vieler Menschen und
dadurch die
quantitative Erfassung
von Menschen-
bewegungen z.B. im
Handel oder am
Flughafen
15.04.2014 © FZI Forschungszentrum Informatik 7
Quelle: blue cell networks

Foothpaths –
15.04.2014 © FZI Forschungszentrum Informatik 8
Andere Firmen nutzen
Signale des
Mobilfunknetzes um alle
Mobiltelefone zu erfassen

Co-Traveler -
15.04.2014 © FZI Forschungszentrum Informatik 9
Quelle: Washington Post
Geschicktes Data Mining erlaubt
die Ableitung von Sozialbeziehungen
auch aus ungenauen Ortsdaten

Smart Steps – Telefonica Dynamic Insights
15.04.2014 © FZI Forschungszentrum Informatik 10
Mit anonymisierten Daten von
Mobilfunkprovidern werden vielfältige
Eigenschaften von Publikumsbewegungen
mess- und nutzbar

Kundenfluktuation -
15.04.2014 © FZI Forschungszentrum Informatik 11
Aus Verbindungen ableitbare
Sozialbeziehungen und
Rollen (z.B. Leader) erlauben
Minimierung von
Kundenfluktuation

Mobile und BigData
 Die Schnittstellen von Mobile und Big Data liegen in
 1) Use Case: Mobile Informationsbereitstellung als BigData
Anwendungsfall
 2) „Datafication“, der immer genaueren und schnelleren und
quantitativen Erfassung von immer mehr Dingen.
 Passiv/Data Exhaust: Die Nutzung und die Präsenz von
Mobilgeräten kann von Systemen zur Datafication
ausgenutzt werden
 Omnipräsentes vernetztes Eingabegerät zur manuellen
Erfassung
 Aktive Sensorgestützte Erfassung durch das Mobilgerät
15.04.2014 © FZI Forschungszentrum Informatik 12

FixMyStreet / Ka-Feedback - FZI
15.04.2014 © FZI Forschungszentrum Informatik 13
.. erlaubt die einfache Erfassung
von Infrastrukturproblemen und
darüber die Analyse deren
Verteilung

Mood – BT / FZI
15.04.2014 © FZI Forschungszentrum Informatik 14
.. Erfassung von Stimmung zur
Unterstützung von Reflektion
und Coaching – später auch
besserem Verständnis von
Emotionen

Market Research - Jana
15.04.2014 © FZI Forschungszentrum Informatik 15
Die weite Verbreitung von
Mobiltelefonen über die ganze
Welt erlaubt Market Research in
sehr großer Breite und
Schnelligkeit

Mobile und BigData
 Die Schnittstellen von Mobile und Big Data liegen in
 1) Use Case: Mobile Informationsbereitstellung als BigData
Anwendungsfall
 2) „Datafication“, der immer genaueren und schnelleren und
quantitativen Erfassung von immer mehr Dingen.
 Passiv/Data Exhaust: Die Nutzung und die Präsenz von
Mobilgeräten kann von Systemen zur Datafication
ausgenutzt werden
 Omnipräsentes vernetztes Eingabegerät zur manuellen
Erfassung
 Aktive Sensorgestützte Erfassung durch das Mobilgerät
15.04.2014 © FZI Forschungszentrum Informatik 16

aisle411
Bluetooth Low Energy erlaubt ortsbezogene
Interaktion in Geschäften und die Analyse
von Kundenverhalten

PayPal Beacon
15.04.2014 © FZI Forschungszentrum Informatik 18
… und weit über Läden
hinaus

TravelApp -
15.04.2014 © FZI Forschungszentrum Informatik 19
Aus der Kombination
von ortbezogenen
Daten aus
verschiedenen Quellen
schnelle (und sichere)
Routen finden

Insights - Skyhook
15.04.2014 © FZI Forschungszentrum Informatik 20
Bewegungen von
Menschen in
Industrieländern
Weltweit erfassen und
vorhersagen (aus
Abfragen zur
Lokalisierung)

Logistik und Gruppen in Echtzeit steuern - FZI
15.04.2014 © FZI Forschungszentrum Informatik 21
Mit Echtzeitdaten in
Logistik Netzwerken und
Gruppen (z.B. in
Freizeitparks) in Echtzeit
automatisch
Ausnahmesituationen
lösen

Zusammenfassung
1. Die Vorhersage von Informationsbedürfnissen ist ein
Anwendungsfall für BigData
2. Über Mobile Technologien wird die Realität – besonders
die Bewegungen und die Interaktionen von Menschen
als Daten nutzbar – Reality Mining
1. Der nächste große Schub kommt über Indoor Lokalisation mit
BLE
3. Über Mobile Technologien sind schon jetzt 2/3 der
Weltbevölkerung in Datenerfassung von fast bel.
Phänomene einbindbar
15.04.2014 © FZI Forschungszentrum Informatik 22