Frühjahr heißt für viele auch wieder, dass die Heuschnupfen-Saison beginnt. Deswegen haben wir uns gefragt: Wie sieht das eigentlich mit dem Heuschnupfen so aus? Wo und wann merken die Menschen das am stärksten und wie wird das eigentlich überhaupt erfasst, wer unter Heuschnupfen in der Bevölkerung leidet? Gibt es Unterschiede zwischen Stadt und Land? Wie Hat sich die Häufigkeit von Heuschnupfen so entwickelt? Ausserdem werfen wir auch einen Blick auf die spannende Frage, welche Rolle der Klimawandel hier spielt oder spielen kann. Am Ende gucken wir auch noch kurz, wie die Daten für die Pollenvorhersagen erhoben werden.

Hier ist unser traditioneller Jahresrückblick – wir gucken uns das Jahr 2022 nochmal an. Den Anfang machen wir mit einem kleinen Schnelldurchlauf durch das Jahr. Dann gucken wir einmal auf datenleben selbst, weil unser Podcast produziert Daten und die gucken wir uns an. Gibt es da vielleicht irgendetwas, was wir 2022 beobachtet haben? Was waren unsere Lieblingsfolgen? Im Zentrum steht für uns aber die Frage, was wir so aus 2022 mitnehmen an Themen und Erkenntnissen. Eine Sache hat dabei besonders viel hergegeben, das Thema Machine Learning in 2022. Stichworte sind Bildgenerierung, chatGPT können wir natürlich nicht auslassen. Und zum Abschluss versuchen wir uns wieder an einem kleinen Ausblick, was dieses Jahr auf uns zukommt.

Wir haben uns gefragt, was sich anhand von erhobenen Daten über Weihnachten sagen lässt. Dabei sind wir auf Themen gestoßen, die wir so nicht ganz erwartet haben. Natürlich haben wir zur Frage recherchiert, wie der Weihnachtsmann das mit den Geschenken eigentlich schaffen kann. Aber darüberhinaus kommen auch schnell andere Zahlen ins Spiel, allen voran solche zu unseren Konsumgewohnheiten. Es geht um Onlinehandel, Pakete, Gemüse, Lebkuchen, Pflanzen, Fische und noch ein paar Dinge mehr. Wir hangeln uns entlang an ein paar Trivia zu Weihnachten, die schnell doch weniger triviale Themen aufkommen lassen.

Wir sprechen anhand des Themas Autismus über konkrete Formen von Studien. Aber erstmal gibt es zwei wichtige Dinge vorab: Ein kurzer Blick darauf was Autismus ist und ein paar Worte dazu, wie über Autismus gesprochen werden kann. Schließlich geht es darum, was Zwillings- und Metastudien sind und wie diese benutzt werden, um nach der Ursache für Autismus zu forschen. Die häufiger mal auftauchende Frage, ob Autismus immer häufiger vorkommt, streifen wir dabei auch. Und abschließend gibt es ein paar weitere Bemerkungen zu Themen, die im Hauptteil der Folge so keinen Platz hatten, aber auch wichtige Punkte im Kontext Autismus sind.

Es geht endlich mal wieder um Maschinelles Lernen und zwar um Neuronalen Netze, die durch Texteingabe Bilder generieren können. Was ist das und welche Anwendungen gibt es? Wir haben viel Spaß beim Experimentieren gehabt und möchten euch erzählen, was uns dabei aufgefallen ist. Über welche Probleme sind wir dabei gestolpert? Und wie funktioniert das überhaupt auf der technisches Seite? Darüber und welche Gedanken das noch so auslöst, reden wir in dieser Folge.

Wir reden mal wieder über offene Daten, aber dieses Mal im Allgemeinen. Wofür braucht man das, was kann man damit tun? Dafür haben wir ein bisschen rumgestöbert und gucken uns vor allem die Bereiche Forschung und Politik an. Denn da zeigt sich ganz besonders die Ambivalenz offener Daten: Was ist an offenen Daten toll? Und welche Probleme können mit offenen Daten zusammenhängen? Gerade als Gesellschaft die täglich immer mehr Daten erzeugt, müssen wir uns mit diesen Fragen auseinander setzen.

In dieser Folge soll es darum gehen, was es für konkrete Arten von Darstellungen für Daten gibt. Weil das aber zu umfangreich wäre, ist das vermutlich der Auftakt zu einer ganzen Reihe. Es gibt so viele verschiedene Datentypen und damit auch so viele Optionen, sie darzustellen, dass wir das nach und nach ergänzen möchten. Wir wollen in dieser Folge klein anfangen und haben uns quasi eine der kleinsten Einheiten rausgesucht: 1-dimenionale Daten. Genauer gesagt geht es um die Frage: Wie stellt man einen einzigen Wert dar? Dabei gehen wir auf Skalen ein, auf Zeigerdiagramme und auf Bullet Charts.

Unsere Klimadaten-Reihe, die wir in Folge 7 begonnen haben, wird fortgesetzt. Dieses Mal geht es um Wasser, vor allem um Meeresspiegel und um die Folgen der globalen Erderwärmung. Wir haben uns die Berichte der ersten beiden Arbeitsgruppen des 6. Sachstandsberichtes des Weltklimarates angesehen. Es geht ein bisschen darüber, was die Berichte des Weltklimarates auszeichnet, was wir darüber wissen, wie der Meeresspiegel und andere Wasserspiegel gemessen werden und um die Folgen. Während sich der erste Bericht vor allem mit physikalischen Hintergründen befasst, über die Helena einiges zu sagen weiß, guckt sich Janine den zweiten Bericht an, der sich vor allem mit den Auswirkungen der Erderwärmung beschäftigt. Was können uns die Berichte sagen? Und was lernen wir daraus?

Vor 2 Jahren, am 04. Juli 2020, haben wir diesen Podcast das erste Mal auf die Welt losgelassen. Seitdem haben wir über 24 Stunden Inhalt produziert; und! es sind etliche Hörer*innen dazugekommen. Wir wollen ein bisschen den Blick zurück werfen und Helena erzählt nochmal, was Data Science ist und ob mensch das überhaupt braucht. Wir erzählen auch darüber, was wir hier eigentlich machen und warum wir das so machen, wie wir es tun. Und wir stellen euch drei Folgen vor, die aus unserer Sicht einen guten Einstieg anbieten, weil sie sehr elementare Dinge/Probleme/whatever von Data Science aufzeigen.

Wir haben mit zwei anderen Menschen an dem Women in Data Science Datathon der Stanfort University teilgenommen und berichten davon. Es geht darum, wie der Datathon organisiert ist und wie wir uns selbst organisiert haben. Wir erzählen von den Problemen, die die Aufgabe beinhaltet hat und wie wir damit umgegangen sind bis hin dazu, was unsere finale Lösung geworden ist. Dazu haben wir natürlich die anderen beiden – Piko und Keks – auch eingeladen.