Daten & Data Science | Wissen

Themenbereich

Datenherkunft, Datenqualität, Reproduzierbarkeit, Datenaufbereitung und technische Bewertungsgrundlagen. Die Übersicht bündelt die bereits veröffentlichten Fachbeiträge und ordnet sie als Einstieg in weiterführende technische Fragestellungen.

Fachliche Abgrenzung: Die Beiträge behandeln technische und methodische Fragestellungen. Rechtliche Würdigung und Rechtsberatung bleiben davon getrennt.

Fachbeiträge

6 veröffentlicht

Daten als Untersuchungsgegenstand

Daten als Untersuchungsgegenstand im IT-Gutachten: Wie Datenherkunft, Datenstand, Übernahme, Transformation, Provenienz und Reproduzierbarkeit nachvollziehbar dokumentiert werden.

Fachbeitrag öffnen

Datenqualität technisch prüfen

Datenqualität technisch prüfen: Wie Vollständigkeit, Konsistenz, Genauigkeit und Aktualität mit definierten Qualitätsdimensionen, Metriken und Referenzwerten untersucht werden.

Fachbeitrag öffnen

Datenherkunft & Lineage

Datenherkunft, Transformationsketten, Datenstände und technische Lineage nachvollziehbar rekonstruieren und ihre Grenzen in Data-Science-Gutachten dokumentieren.

Fachbeitrag öffnen

Datenmodell, Schema & Integrität

Datenmodelle, Schemas, Constraints, Beziehungen und Integritätsregeln für Datenbestände und Data-Science-Systeme technisch untersuchen.

Fachbeitrag öffnen

Statistik, Stichprobe & Reproduzierbarkeit

Statistische Auswertungen, Stichprobenauswahl, Parameter, Zufallseinflüsse und Reproduzierbarkeit datenbasierter Befunde technisch untersuchen.

Fachbeitrag öffnen

Datenaufbereitung & Ausreißer

Datenaufbereitung, Missing-Value-Behandlung, Ausreißerentscheidungen und daraus entstehende Änderungen der Bewertungsgrundlage reproduzierbar untersuchen.

Fachbeitrag öffnen

← Zur Übersicht aller Themenbereiche

Eigene Fachliteratur und Veröffentlichungen

Die folgenden eigenen Arbeiten dienen der fachlichen Vertiefung und methodischen Einordnung. Sie ersetzen keine erforderlichen Primär-, Norm-, Hersteller- oder sonstigen unabhängigen Fachquellen. Unveröffentlichte Manuskripte, Entwürfe und Lehrunterlagen werden hier bewusst nicht als öffentliche Quellen ausgewiesen.

Eigenes Fachbuch Kritisches Denken in Data Science mit Python – Vom Beobachten zur verantwortbaren Entscheidung

Technische Fragestellung zu diesem Themenbereich?

Für eine erste fachliche Prüfung können technische Fragestellung, Unterlagenübersicht und gewünschter Zeitrahmen übermittelt werden.

Informationen für Gerichte und Rechtsanwälte