Ein Physiker im Datenmeer

Michael Prim ist verantwortlich für ein Data-Science- und Analysten-Team, das sich mit «Machine-Learning» befasst sowie mit «High-Performance-Computing», «Data-Mining» und vor allem: mit dem Algorithmus, der es schafft, aus über 10 Milliarden Datensätzen pro Tag in Sekundenbruchteilen die passenden herauszufischen. Der Endeffekt von Programmatic Advertising ist gemäss Prim, dass die Nutzer im Idealfall weniger Werbung sehen und die Werbetreibenden bei gleich bleibendem Werbebudget mehr Kunden gewinnen. In der Schweiz ist die Begeisterung gegenüber Program­matic Advertising eher noch zurückhaltend, weiss er. Programmatic habe hier aber noch sehr viel Potenzial.

Von der Physik in die Werbung

Seit Anfang Jahr ist Michael Prim Teamleiter Data-Science bei Adello. Davor arbeitete er ein Jahr als Data-Scientist bei Adello. Werbung, Verkauf, Image an sich sind zwar grundsätzlich keine Bereiche, die Prims Hauptinteresse wecken könnten. Das ist aber auch nicht nötig, wie er erklärt: «Die Statistik und die Verfahren und Methoden, die auch in der Teilchenphysik Anwendung finden, sind universell anwendbar. Diese Form der Datenverarbeitung lässt sich auf alle Industrien anwenden. Mit Werbung muss ich mich als Data-Scientist bei Adello nur insofern beschäftigen, als ich die Algorithmen festlegen und offensichtliches Wissen für die Maschinen vorbereiten muss.»

Um sich mit Industriethemen zu beschäftigen, hat Prim bereits vor fünf Jahren beim Software­unter­nehmen Blue Yonder angefangen. Big Data im Zusammenhang mit Programmatic Advertising ist schon seit längerer Zeit sein Fachgebiet. Zudem liegen die beiden Gebiete auch sehr nah beieinander. Einen grossen Unterschied gibt es jedoch zwischen Physik und Datenverarbeitung. Und genau dieser Unterschied ist es auch, der Prim von der Physik weg in die Werbung gezogen hat. In der Physik steht typischerweise die Frage: «Macht die gegebene Theorie noch Sinn, so wie die ausgewerteten Daten jetzt aussehen oder kann ich die Theorie widerlegen?» Man macht also zwar die gleichen Forschungs- und Analyseschritte, indem die Datenauswertung darauf basiert, die interessanten Ereignisse daraufhin auszuwerten, wie wahrscheinlich es ist, dass das gewünschte Ereignis eintrifft. «Also eine Vorhersage der einzelnen Wahrscheinlichkeit», so Prim zusammenfassend. In der Werbung kann die Messung erkennen, ob etwa die Ad-Impressions tatsächlich dem gewünschten Ergebnis entsprechen, ob die Werbung tatsächlich angezeigt wird und ob die Verkaufszahlen oder das Markenimage sich nach der Kampagne tatsächlich im gewünschten Mass verbessern. Kurz: Eine Auswirkung ist sofort sichtbar. Das fasziniert Prim am Programmatic Advertising: «Das kontinuierliche Lernen aus den Datenanalysen bewirkt eine ständige Veränderung. In der Physik ändern sich die Naturgesetze nicht. Das heisst, ich kann mit den Daten lediglich die Theorie prüfen und allenfalls weiter eingrenzen. Kein sehr grosser ­Wandel.»

Diese Neugier und den Wunsch nach Herausforderung hatte Michael Prim schon immer. Als Kind wollte er zwar Astronaut werden – «aber das wollen doch alle Jungs», erzählt er. Gleichzeitig hatte Prim sehr früh Kontakt mit Computern. Er sass bereits mit rund sechs Jahren regelmässig vor dem PC. Denn sein Vater war früh in die IT eingestiegen. «Ich fand das schon immer interessant. Denn Informatik ist ja nicht nur mechanische Datenverarbeitung, Informatik bietet auch ein Stück weit einen Schaffungsprozess. Man baut Systeme und entwickelt Algorithmen – da steckt auch ein kreativer Prozess dahinter.» Mit dem Studium der Physik ist für Prim dann aber klar geworden, dass er nicht in der Forschung bleiben wollte. «In der Forschung geschah für meinen Geschmack zu wenig Veränderung», erklärt er. Ganz anders als im Programmatic Advertising. «Nutzer zeigen heute ganz andere Interessen als gestern zum Beispiel. Die Theorien können sich also sehr schnell ändern und die Wirkungen lassen sich sofort messen. Das gefällt mir.» Und so hat ihn vor einigen Jahren die Stellenausschreibung zum Data-Scientist sofort fasziniert; mithilfe von Algorithmen berechnen zu können, wie wahrscheinlich ein Ereignis eintreten wird, und dies dann auch zeitgleich messen zu können. «Selbstverständlich kann ich nicht voraussagen, was eine bestimmte Zielgruppe in einem halben Jahr sucht. Aber ich kann sehr zielgenau berechnen, wie wahrscheinlich es ist, dass ein bestimmter Nutzer mit seinem Hintergrund und der Kampagne, die ich ihm zeige, an einem bestimmten Zeitpunkt eine bestimmte Handlung vollzieht. Daraus kann ich eine sogenannte erwartungstreue Prognose abgeben und damit lässt sich dann auch sehr gut rechnen und die richtige Entscheidung treffen.» Selbstverständlich müssen die Modelle kontinuierlich angepasst werden, wenn sich die Ereignisse nicht wie vorausberechnet ergeben. «Aber genau das macht meinen Job so spannend», ist Prim begeistert, «kontinuierlich verändert sich was.»

Von Daten und Elementarteilchen

Prims Data-Science-Team ist verantwortlich für die Entwicklung und Verfeinerung von Algorithmen, die jeden Tag Milliarden von Ad-Impressions auswerten und auf einer patentierten Echtzeit-Analyse-Plattform darstellen. Die Algorithmen prüfen für jede Impression Tausende von Attributen, um in Echtzeit Vorhersagen darüber zu treffen, wo die beste Conversion stattfinden wird. Jeder Schritt der Customer-Journey wird gemessen und in das System zurückgespeist. Daraus ergibt sich ein selbstoptimierendes System, das aus jeder Anzeigenansicht, jeder Interaktion, jedem Website-Besuch und jedem Kauf dazulernt. Aus diesen Systemen sind inzwischen diverse Patente und Award-gekrönte Mobile Advertising-Produkte von Adello resultiert, welche von fünfzig Mitarbeitern rund um den Globus bewirtschaftet werden. Vor wenigen Wochen erst hat das «Silicon Valley Technology Innovation & Entrepreneurship Forum» (SVIEF) dem Schweizer Mobile Technologie-Unternehmen in Santa Clara den Top 30 Innovation Award 2015 verliehen. Der Award ging an Adello für die proprietäre Technologie, welche die Effizienz von mobilen Anzeigen steigert, indem mittels Machine-Learning die passenden Kunden für den höchsten ROI identifiziert werden. Im Endeffekt sehen die Nutzer damit weniger Werbung und die Werbe­treibenden ge­winnen bei gleich bleibendem Werbe­budget mehr Kunden.

Doch was steckt eigentlich genau hinter der Daten­verarbeitung mittels Algorithmen aus der Teilchenphysik? Michael Prim lässt diese Antwort leicht verstehen – beinahe schon faszinierend ist der aus der Physik entlehnte Umgang mit den Daten­mengen. «Die Teilchenphysik beschäftigt sich mit der Frage, was die Welt im Innersten zusammenhält – die Frage nach den fundamentalen Naturkräften», beginnt Prim zu erzählen. «Um die Fragen dieser Forschungsfelder zu beantworten, baut man sehr grosse Detektoren, wie sie etwa im CERN in Genf zu finden sind. Diese Maschinen sind hausgross und produzieren pro Sekunde Datenraten, die nach einer Woche auf CDs geschrieben einen Stapel bis zum Mond ergeben würden.» Diese Datenmengen fallen auch bei Adello an, wenn auch in kleinerem Ausmass. Um diese Datenmengen nun trotzdem ver­arbeiten und analysieren zu können, müssen sie aussortiert werden. Und dies sehr schnell. So weit der Zusammenhang der Einzelteilchen. Diese Daten wollen dann aber auch instantan bewertet werden. «Wenn ich also beispielsweise 1000 Ereignisse pro Sekunde habe, muss ich mich von 999 sofort trennen, ich kann nur eines davon für die Analyse wegspeichern», so Prim. Genauer gesagt speichern die Algorithmen von 40 Millionen Ereignissen pro Sekunde ungefähr 1000. «Die Entscheidung liegt also darin, welche Daten ich behalte oder wegwerfe», führt er aus. Alles, was gelöscht wird, ist unwiderruflich verloren. Das setzt voraus, dass die Algorithmen sehr schnell die Daten beurteilen und sie dann speichern oder löschen. Dies ist nur möglich, wenn sehr genau vorgegeben ist, welche Daten wertvoll oder unbekannt sind. Denn nur diese Informationen sind in der weiteren Erforschung wirklich lohnenswert. Auf der anderen Seite sollen die Algorithmen Informationen aufnehmen, die schon lange bekannt sind. «Daten, die wir kennen, die wir verstanden haben», wie Prim ausführt. Diese Entscheidung zu fällen sind die Algorithmen imstande, wenn sie auf die entsprechenden Trigger programmiert sind. Um die Grössenordnung der Datenmengen in der Teilchenphysik zu verstehen, gibt Prim ein Beispiel: «Im CERN sind ein Duzend Rechenzentren miteinander verknüpft, um lediglich die gespeicherten Daten aufnehmen zu können und dann weiterverarbeiten zu können. Das ist immer noch weit jenseits dessen, was man auf einem einzelnen Rechner verarbeiten könnte.» Der Vorteil hierbei ist jedoch, dass so die ganzen Datenmengen abgespeichert sind und mit vielen verknüpften Computern nach den erfragten Ergebnissen durchforscht werden können, um die 1000 interessanten Ereignisse rauszusuchen, welche sich speziell mit dem erforschten Prozess beschäftigen. Für sein Doktorat etwa hat Prim 1000 solcher Ereignisse gefiltert, die in über 10 Jahren Messzeit angefallen sind – während aber Milliarden von Ereignissen aufgezeichnet worden sind. Die Analyse findet schlussendlich auf dieser relativ kleinen Restdatenmenge statt. «Vielleicht findet man dann heraus, ob gewisse Theorien wirklich wichtig sind – man kann eine bestehende Theorie mit der Analyse stützen oder im seltensten Fall auch falsifizieren», fasst Prim zusammen. Um dahin zu kommen, steht die Datenverarbeitung im Vordergrund. Bei der Datenverarbeitung geht es vor allem darum, eine Skala aufzustellen, die man in der Industrie nicht bereits findet. In der Industrie aber ist die Datenmenge um den Faktor 1000 kleiner als in der Teilchenphysik. Und hier setzt der Data-Scientist an. Bis anhin hat der Business-Analyst solche Datenmengen durchforschtet, der Trend führt ­jedoch in die Teilchenphysik.

So auch bei Adello im Bereich Mobile Advertising. «Wir haben täglich 10 Milliarden von Werbeimpressionen», so Prim. Diese fallen auf 8 Milliarden Menschen, 1 Milliarde Smartphones und mehrere Stunden Mobile-Nutzung pro Tag. «Die klassischen Methoden der Industrie scheitern hier bei der Auswertung», erklärt Prim. Die bestehenden Programmatic-Ansätze können der Herausforderung der raschen und präzisen Vorhersage des Nutzer­verhaltens in Verbindung mit den enormen Datenmengen nicht standhalten. Denn die Ansätze würden hier auf einzelne Computer fixiert, obwohl es einer verteilten Datenanalyse bedarf, um am Ende mit mehreren separaten Computern die einzelnen Werbeimpressionen herauszufiltern, welche für den Kunden interessant sind. Aus seiner Sicht ist daher das Problem der schnellen instantanen Daten­reduktion und Entscheidungsfindung mit den wissenschaftlich erprobten Methoden aus der Teilchenphysik am besten gelöst. Die Kundenzufriedenheit und das Wachstum zeigen Prim aber täglich, dass sich Adello dank des gewählten Ansatzes mittlerweile erfolgreich international gegen die grossen der Branche behaupten kann.

In Kürze:
Michael Prim ist seit Januar 2015 als Teamleiter Data-Science bei Adello tätig. Davor arbeitete er ein Jahr lang als Big-Data-Scientist bei Adello. Davor war er als Data-Analyst über drei Jahre bei Blue Yonder tätig, währendem er sein Doktorat an dem Karlsruher Institut für Technologie absolvierte. Sein Diplom in Physik hat er ebenfalls am Karlsruher Institut für Technologie gemacht.
– Oktober 2004 – Januar 2010: Diplom in Physik. Karlsruher Institut für Technologie (KIT)
– November 2009 – Dezember 2012: Data-Analyst. Blue Yonder, Karlsruhe
– Februar 2010 – Dezember 2013: Promotion in Physik, Doktor der Naturwissenschaften. Karlsruher Institut für Technologie (KIT)
– Januar 2014 – Dezember 2014: Big-Data-Scientist. Adello, Karlsruhe.
– Januar 2015 bis heute: Team Lead Data Science. Adello, Karlsruhe.

Ursina Maurer