Das primäre Ziel von PEGASUS bestand darin, die effiziente und effektive Analyse großer Mengen heterogener Datensätze zu unterstützen, die Analyse unterschiedlicher Datentypen zu integrieren und die Analyseergebnisse in einen Kontext einzuordnen. Dafür wurde eine flexible Plattform entwickelt, die halbautomatische Analyse, Verknüpfung und Visualisierung mit modernen Methoden der Sprachverarbeitung und des maschinellen Lernens kombiniert – unter Berücksichtigung rechtlicher, ethischer und qualitativer Anforderungen wie Nachvollziehbarkeit, Reproduzierbarkeit und Bias-Minderung.

Die Analyse-Plattform ermöglicht die Trennung relevanter von irrelevanter Information, die Extraktion und Erkennung interessierender Objekte, das Aufdecken von Kreuzrelationen und eine semantische Datenexploration durch datenartübergreifende Suchanfragen. Insgesamt unterstützt PEGASUS die Auswertung mittels einer durchgehenden, medienbruchfreien Betrachtung der Daten und ihrer fallbezogenen Interpretation.

Forschungsfragen

• Wie können aus großen Mengen heterogener Daten effizient relevante Zusammenhänge, Wissen und Strukturen abgeleitet werden?
• Wie kann ein Visual-Analytics-Framework gestaltet werden, das Datenanalyse, Visualisierung und Interaktion integriert und eine nachvollziehbare Exploration komplexer Daten ermöglicht?
• Welche Grenzen und Risiken ergeben sich bei datengetriebenen Analysesystemen hinsichtlich Datenschutz, Datenqualität, Bias, Fehlinterpretationen und möglichen diskriminierenden Effekten?

Ausgewählte Ergebnisse

Die Universität Konstanz (UKON) trug semantische Textanalyse-Fähigkeiten bei und unterstützt die interaktive Suche unter Nutzung domänenspezifischer Ontologien, um unscharfe Textanalysen zu ermöglichen. Dadurch wird eine effektive Wissensextraktion aus verteilten Textdaten in spezialisierten Wissensmanagementsystemen ermöglicht, die mittels eines interaktiven Wissensgraphen visualisiert wird.