Ein Gespräch mit Peter Mertens über Denglish, Data Mining, Business Intelligence und sprachliches Imponiergehabe

Bissantz Ihr Lehrstuhl, Herr Professor Mertens, war seinerzeit der erste, der sich im deutschsprachigen Raum dem Data Mining widmete. Ihre damaligen Assistenten Bissantz und Hagedorn verfassten die unseres Wissens erste Darstellung dazu.

Mertens Ich sah damals einen großen Fortschritt in der Ausbeutung von Datenbeständen. (Politiker mit mangelhaften Physikkenntnissen würden von einem Quantensprung faseln.)

Bissantz Als wir 1993 über Data Mining zu forschen begannen, schlug ich vor, dafür den deutschen Begriff Datenmustererkennung zu etablieren. Herr Mertens, Sie winkten damals weise ab. Sie erwarteten, dass sich der englische Begriff wie in vielen anderen Fällen auch durchsetzen würde. Sie haben Recht behalten.

Mertens Was mich gar nicht freut. Datenmustererkennung trifft die Sache sehr viel besser. Aber viele Zeitgenossen finden es nach wie vor “cool”, jeweils den englischen Begriff zu benutzen. Das Denglish ist ohne jeden Zweifel auf dem Vormarsch. Ich hatte einmal versucht, auf der Grundlage von Arbeiten der deutschen IBM zwischen Stapel- und Dialogverarbeitung einerseits und Vollautomation sowie rein personeller Tätigkeit andererseits einen Kompromiss zu finden und unter der Bezeichnung “Aktionsorientierte Datenverarbeitung” zu verbreiten. In Deutschland wurde zwar eingeräumt, dass es sich um ein interessantes Konzept handle. Der Durchbruch kam aber erst mit dem Reimport der Idee unter dem Schlagwort “Workflow Management”.

Bissantz Beim Business Intelligence ist es ja ganz ähnlich. Ich frage mich, ob es auch daran liegt, dass der angloamerikanische Sprachraum bildstärkere Begriffe hervorbringt.

Mertens Kreativ sind die Begriffe. Aber sie müssen auch etwas Neues bezeichnen. Sie erinnern sich vielleicht, als wir für die Rubrik “Das aktuelle Schlagwort” der Zeitschrift WIRTSCHAFTSINFORMATIK überlegten, wie man “Supplier Relationship Management” erklären kann. Unter dem Strich blieb der schale Eindruck, dass Supplier Relationship Management nichts anderes ist als das, was ein guter Einkäufer schon immer praktiziert hat. Wie viel Zeit und Energie wird verschwendet, bis alle das durchschaut haben? Übrigens distanzieren Sie sich doch inzwischen ganz massiv vom Begriff Data Mining, oder nicht?

Bissantz Ja, als eine Geste der Selbstverteidigung. Dabei betreiben unsere Kunden Datenmustererkennung im eigentlichen und damit anspruchsvollen Sinne. Zum Beispiel lässt die mexikanische Telmex unsere Werkzeuge darüber entscheiden, welche Kunden als Nächste ein bestimmtes Produktangebot bekommen. Aber seitdem heute auf jedem Produkt, das ein bisschen durch die Daten navigiert, Data Mining steht, wollen wir nicht verwechselt werden. Ein ärgerliches Dilemma.

Mertens Da haben Sie es. In einer Abwandlung dessen, was der Soziologe Henrik Kreutz über sein Fach sagt, ist diese begriffliche Fehletikettierung “sprachliches Imponiergehabe”. Mir geht es um die Präzision der Sprache und auch darum, dass man in der Fachwelt zu unterscheiden weiß, wann ein neuer Begriff die Weiterentwicklung des Fachwissens signalisiert und wann er nur allzu vordergründige Bestrebungen von Unternehmensberatern, Software­entwicklern, Veranstaltern von Weiterbildungs-Seminaren oder auch von so genannten Gurus aus den Hochschulen reflektiert.

Bissantz Im Fall von Data Mining ein Paradoxon. Es gab Fortschritte, aber das, was unter Data Mining verkauft wurde, enthielt oft gar kein Data Mining.

Mertens Für die Wissenschaft und den Fortschritt generell sind Moden unproduktiv, weil sie einen “langen Atem” braucht; von daher ist es ungünstig, wenn sie plötzlich Foren (zum Beispiel Kongresse, Sonderhefte von Zeitschriften oder auch Kooperationspartner aus der Wirtschaftspraxis) verliert, sobald ein Forschungsgegenstand “out” ist. Man läuft so Gefahr, dass “Halbfabrikate” weggeworfen werden. Da sie nicht fertig produziert werden, sind schließlich die Enderzeugnisse auch nicht wirklich testbar. Der Wissenschaftler kommt also bei seiner Mission, der Suche nach Wahrheit, nicht weiter.

Bissantz Anlässlich Ihrer Emeritierung erzählte man sich, dass Sie wahrscheinlich dreimal so viel Arbeitszeit wie der Durchschnitt Ihrer Kollegen in einem schmucklosen Büro mit schätzungsweise 10 qm verbracht und die Honorare für Publikationen penibel mit Ihren Assistenten geteilt haben.

Mertens Ein wenig Schmuck war schon im Büro. Bissantz hat zweimal die Bleifigur eines Simultandynamikers, der neun Bücher gleichzeitig las, auf dem Besprechungstisch umgeworfen und verbogen.

Bissantz Vor Begeisterung.

Mertens Das mit dem Büro hat einen sehr einfachen Grund. Ich brauchte Platz für eine gewachsene Anzahl an Assistenten und habe das übliche, Professoren zustehende Büro von 25 qm mit dem getauscht, das Sie kennen. Auf diese Weise konnten wir unsere Forschungskapazität um drei Leute erhöhen.

Bissantz Kollegen von Ihnen wie Scheer oder Wildemann haben ihre Erkenntnisse zum Teil aggressiv vermarktet. Sie haben darauf immer verzichtet. Ist Ihre Interpretation des Hochschullehrers eine andere?

Mertens Gereizt hätte es mich schon, zumal ich vor meiner Hochschul­tätigkeit Geschäftsführer einer damals namhaften Unternehmensberatung war. Aber angesichts des 5000-Stunden-Jahres, das meine Tätigkeit als Hochschullehrer verlangte, hätte ich nicht gewusst, wo ich die zusätzlichen Stunden für Aufbau und Führung eines Unternehmens hätte herholen sollen. Ich bin jedoch stolz, dass sich heute ein Dutzend Unternehmen, die von ehemaligen Zauberlehrlingen wie Ihnen gegründet wurden, am Markt bewähren.

Auch dass wir mit unserem Ideengut großen und mittleren Unternehmen in unserer Region, wie zum Beispiel Datev, GfK, INA, Siemens oder Städtler, ein klein wenig helfen konnten, sehe ich positiv.

Bissantz Von Ihren ersten einschlägigen Arbeiten zur intelligenteren Ausbeutung von Datenbeständen bis heute sind mehr als 20 Jahre vergangen. Was lernen wir daraus für die Entstehung und Förderung von Innovation?

Mertens Ich hatte das Glück, immer wieder tüchtige Assistenten mit anderen Anwendungsfeldern experimentieren lassen zu können (zum Beispiel Allgemeine Management-Information, Marktforschung, Controlling, Besteuerung). Es braucht so genannte kumulative Forschung. Man darf nicht wie ein Korken vom Kamm einer Modewelle zur nächsten hüpfen.

Bissantz Sie haben die Bedeutung von statistischen Methoden und solchen des Operations Research immer wieder betont, wir bei Bissantz & Company haben unser Produkt immer stark auch als Sammlung von Lehrbuchmethoden mit vereinfachtem Zugang verstanden.

Mertens Dies scheint mir extrem wichtig. Wir dürfen vor den Schwierigkeiten der Mathematik nicht zu früh resignieren. Vergleichen Sie mit den Strömungsmechanikern, etwa bei der Entwicklung von aerodynamisch günstigen Flugzeugen: Sie arbeiten inzwischen mit Hunderten Millionen von Gleichungen und Unbekannten, aber erzielen in geduldiger Kleinarbeit Fortschritte von außerordentlicher Bedeutung. In unserem Fach neigt man dazu, jede marginale Verbesserung eine “Optimierung” zu nennen – reines Imponiergehabe.

Bissantz Dass ich den Sprung ins Unternehmertum gewagt habe, hat auch damit zu tun, dass wir schon während der Promotion mit der Praxis getestet hatten und dort positives Feedback bekamen. (Nebenbei: Ich konnte auch bei Sandoz unseren ersten Auftrag abholen.) Auch dazu gibt es bestimmt eine Grundposition, es ging uns ZL ja allen so. Das Schlimmste, was die Dissertation bedrohte, war ein unzufriedener Praxispartner.

Mertens Mit Superlativen soll man bekanntlich sehr vorsichtig umgehen, aber schlimm war es schon.

Quelle:
Bissantz, Nicolas; Hagedorn, Jürgen: Data Mining (Datenmustererkennung). WIRTSCHAFTSINFORMATIK 35 (1993) 5, S. 481-487. zurück