Approximate Bayesian Computation stammt aus den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Digitale Transformation. Der Begriff beschreibt eine Methode, um mit sehr großen oder komplexen Datensätzen zu arbeiten, bei denen klassische statistische Verfahren an ihre Grenzen stoßen.
Stellen Sie sich vor, Sie möchten anhand von Kundendaten herausfinden, was die wichtigsten Faktoren für eine erfolgreiche Marketingkampagne sind. Es gibt aber so viele verschiedene Einflüsse und so viele Daten, dass es unmöglich ist, alle Möglichkeiten Schritt für Schritt durchzurechnen. Hier hilft Approximate Bayesian Computation weiter: Statt alles genau zu berechnen, nähert sich die Methode schlau an. Sie erzeugt viele zufällige Beispielszenarien, prüft, welche davon zu den echten Beobachtungen passen, und schätzt daraus die wichtigsten Faktoren ab.
Ein alltägliches Beispiel könnte ein Online-Shop sein: Um herauszufinden, welche Produkte sich demnächst gut verkaufen, nutzt das System Approximate Bayesian Computation, um mit Hilfe von Simulationen und bestehenden Daten Trends besser vorherzusagen – auch, wenn die Daten riesig und unübersichtlich sind.
Dadurch unterstützt Approximate Bayesian Computation Entscheidende dabei, rasch fundierte Analysen für komplexe Fragestellungen zu erhalten, ohne auf vollständige, aber oft zu aufwendige Berechnungen angewiesen zu sein.
Deutsch 
English (UK)