Algorithmus definition psychologie

Dieses Arbeitspapier behandelt die Frage danach, was Algorithmen sind und inwieweit sie als neutral oder objektiv betrachtet werden können. Es streift auch die Frage danach, welche Arten von Fehlern auftreten können, wenn Fragen algorithmisch gelöst werden und basierend auf den berechneten Lösungen Entscheidungen getroffen werden — entweder automatisch oder durch Menschen.

Alle verlinkten Begriffe werden in der Begriffsklärung kursiv fett gesetzte Worte weiter unten erläutert. Algorithmen erlauben es, mathematische Probleme zu lösen. Wer auf dem Standpunkt steht, dass sie nicht mehr tun als genau dieses, der behauptet oft auch, dass Algorithmen an sich weder gut noch böse sind, sondern dass die Verantwortung für ihre Anwendung bei denen liegt, die sie verwenden.

Oft sind Algorithmen aber direkt mit Aktuatoren verknüpft, die sie ansteuern — basierend auf dem Ergebnis ihrer Berechnung. So kann beispielsweise ein Auto die Bremsung einleiten, basierend auf Daten aus seinen Sensoren und den daraus resultierenden Berechnungen. Hier wird in den deutschen Medien häufig vom Algorithmus als dem Handelnden in einer solchen Situation gesprochen.

Die eigentlich Handelnden sind aber die Designer und Designerinnen des Algorithmus, die ihre Ideen für die Lösung des Problems genutzt haben. Ihre Handlungsanweisung wird potenziell millionenfach ausgeführt, ohne dass ihre physische Anwesenheit erforderlich ist und ohne die Begrenzung menschlicher Kapazitäten bezüglich Zeit, Gehirnleistung, Konzentration oder fehlerfreier Berechnungen.

Es handelt sich also um eingefrorene Handlungsanweisungen, basierend auf den Ideen einiger Individuen, die unabhängig von Zeit und Raum millionen- oder gar milliardenfach ausgeführt werden. In vielen Fällen gibt es hier entsprechend eine Verantwortung der Designer und Designerinnen eines Algorithmus für dessen Handeln s.

Algorithmus Definition | Gabler Wirtschaftslexikon

Abbildung 1 zu den Verantwortlichkeiten. Auf der anderen Seite werden — insbesondere im sogenannten Data Mining — Algorithmen von Anwendern ausgesucht, um eine spezifische Frage zu beantworten. Hier kommt den Designern und Implementierern eines Algorithmus nur die Verantwortung für das korrekte Design des Algorithmus und die korrekte Implementierung zu.

Ein Algorithmus ist falsch designt, wenn er beispielsweise:. Eine Implementierung kann ebenso fehlerhaft sein und selbst dann, wenn sie auf einem an sich korrekten Algorithmus basieren, die eben genannten Fehlverhalten verursachen. Die Entscheidung, dass eine bestimmte Frage durch ein bestimmtes mathematisches Problem zu lösen ist, ist ein Teil der Modellierung der Frage, um sie algorithmisch beantworten zu können.

1. Arbeitspapier: Was ist ein Algorithmus?: AlgorithmWatch

Die Modellierung beinhaltet auch die Entscheidung, wie eine Lösung am Ende bezüglich der gestellten Frage zu interpretieren ist s. Abbildung 2. Aus den verschiedensten Gründen wird dabei nicht jedes Problem direkt als sein eigenes mathematisches Problem formuliert, sondern oft wird auf ein schon bekanntes und gelöstes Problem zurückgegriffen.

Bei der Formulierung als mathematisches Problem, insbesondere, wenn dieses nicht spezifisch für die Frage formuliert worden ist, müssen gewisse Modellierungsentscheidungen getroffen werden.

Definition des Algorithmus

Weitere Optimierungskriterien können sein: möglichst schöne Strecke, möglichst wenig Abbiegungen oder Vermeiden von Autobahnen etc. Bei dieser Modellierungen können viele Fehler passieren, die am Ende eine sinnvolle Interpretation der Ergebnisse in Bezug auf die eigentlich gestellte Frage nicht zulassen. Da aber immer ein Wert berechnet wird — auch wenn die zugrundeliegende Modellierung inhaltlich falsch ist — kommt es hier zu einer scheinbaren Objektivität des berechneten Ergebnisses, solange man davon ausgehen kann, dass der Computer rein rechnerisch keinen Fehler macht.

Bei Fragen, die eine starke Modellierungsleistung benötigen, um algorithmisch lösbar zu sein, kommen also viele subjektive Modellierungsentscheidungen dazu. Trotzdem ist das Ergebnis nur scheinbar objektiv oder neutral im landläufigen Sinne, da es die Interpretation des Ergebnisses definitiv nicht ist. Er baut aber — basierend auf bekannten Daten — eine Entscheidungsstruktur auf.

In einem zweiten Schritt werden dann neue, unbekannte Daten mit Hilfe der Entscheidungsstruktur klassifiziert und eine Entscheidung getroffen. Solche Algorithmen machen immer Fehler — wir unterscheiden zwei verschiedene Arten von Fehlentscheidungen durch Algorithmen:. Oftmals kann in der Trainingsphase eingestellt werden, was wichtiger ist — der Algorithmus kann dann entweder sehr spezifisch sein, und Nicht-Schrauben nie als Schrauben kategorisieren, oder er ist sensitiv und findet alle Schrauben.

Meistens wird aber die Anzahl der falsch positiven Entscheidungen höher, wenn die Anzahl der falsch negativen möglichst klein gehalten werden soll, und umgekehrt. Damit kann also nicht beides gleichzeitig optimiert werden. Auch die Entscheidung, ob ein Algorithmus lieber sensitiv oder spezifisch sein soll, ist subjektiv und wird oft von einem kleinen Team von Entwicklern entschieden, die meist keine Ausbildung in Psychologie, Wirtschaftswissenschaften, Politik, Soziologie oder Geschichte haben.