Visualisierung großer Datenmengen

Gedanken zum Sommerfeld-Tag am 27. 04. 2023 von

Uwe Renner, Vera Ogunlade und Manfred H. Wolff

Arnold-Sommerfeld-Gesellschaft e.V.

Zusammenfassung

Im Mittelpunkt dieses Überblicks steht das Sichtbarmachen, d. h. die Visualisierung, von großen Datenmengen und weniger die subjektive Ansicht bzw. Wahrnehmung durch einen Beobachter. Insbesondere werden Methoden betrachtet, mit denen aus großen Datenmengen Informationen gewonnen werden, die für die (menschlichen) Sinne oftmals unsichtbar sind und z. B. ihren Ursprung in modernen Messverfahren und den Fortschritten der physikalischen Sensorik haben. Deren Visualisierung wird erst durch optimierte mathematische Modelle und numerische Algorithmen, vielfach durch parallele Rechenverfahren in Verbindung mit entsprechender Computer-Hardware ermöglicht. Große Datenmengen entstehen auch als Ergebnis von Computersimulationen, deren Grundlage Modelle der Natur in oftmals abstrakten Räumen sind und zum besseren Verständnis nicht nur räumlich, sondern manchmal auch zeitlich visualisiert werden müssen. Wegen der vielfältigen Anwendungen und der verwendeten, oft ähnlichen Methoden ist die Visualisierung großer Datenmengen ein interdisziplinäres Thema. Beispiele sind die 3D-Rekonstruktion tomographischer Aufnahmen (CT, MRT) in der Medizin, Anatomie oder Biologie, die Erkennung von Geländeanomalien und Strukturen in der Archäologie mittels LIDAR, Seitensicht-SONAR oder geologischer Widerstandsmessung von Bodenreliefs sowie die Photogrammmetrie.

Abbildung: Projektion einer MRT-Rekonstruktion des häutigen Labyrinths (Gleichgewichtsorgans) und der Cochlea mit überlagerter 3D-Vermessung.

Inhaltsverzeichnis

1. Einleitung

2. Visuelle Wahrnehmung und Objektivierung

3. Herkunft großer Datenmengen

4. Visualisierungstechniken

5. Datenverarbeitung und Visualisierung

6. Einige Anwendungsgebiete der Visualisierung

7. Visualisierung zeitlicher Verläufe

8 .Visionen der Visualisierung

Literatur

[1] Renner, U.: Beiträge zur Informationsverarbeitung in der Spektroskopie. In: Synergie – Syntropie – Nichtlineare Systeme, Heft 7: Physik – Statistik – Information. Leipziger Universitätsverlag, 2008. S. 138 ff.

[2] Wolff, M.: Medizin und Technik – Rechnergestützte Durchführung, Auswertung und Dokumentation von medizinischen Aufgaben und klinischen Studien. In: Synergie – Syntropie – Nichtlineare Systeme, Heft 3: Softcomputing. Verlag im Wissenschaftszentrum Leipzig, 2000. S. 97 ff.

[3] Henriksen, S. W.: Mathematical Photogrammetry. https://www.asprs.org/wp-content/uploads/pers/1965journal/jul/1965_jul_720-726.pdf

[4] Derenyi, E. E.: Photogrammetry: The Concept. Department of Geodesy and Geomatics Engineering, University of New Brunswick. Lecture Notes No. 57. September 1996

[5] Lussu, P.: Ultra close-range digital photogrammetry as a tool to preserve, study, and share skeletal remains. PHD thesis, Università degli Studi di Cagliari, 2020

[6] Estornell, J.: Mathematical modelling applied to LiDAR data. Modelling in Science Education and Learning. Volume 6(3), No. 10, 2013

[7] Hesse, R.: Lidar-Anwendung in der Archäologie: Grundlagen, Visualisierung und Interpretation. https://www.academia.edu/8603039/Lidar_Anwendung_in_der_Arch%C3%A4ologie_Grundlagen_Visualisierung_und_Interpretation

[8] Meyer, M. F. et al: Die automatisierte Auswertung von LiDAR-Daten in der Archäologie. 37. Wissenschaftlich-Technische Jahrestagung der DGPF in Würzburg – Publikationen der DGPF, Band 26, 2017