Wien. Virtual Reality (VR) und Augmented Reality (AR) haben in den vergangenen Jahren zwar nicht wie von Fachleuten prognostiziert abgehoben, "aber das kommt ganz sicher und das wird eine grundsätzliche Revolution", erklärte Werner Purgathofer, Wissenschaftlicher Direktor des Zentrums für Virtual Reality und Visualisierung (VRVis), im Vorfeld des Symposiums "Visual Computing Trends 2017".

Geräte, die für andere Zwecke entwickelt wurden, wie hochauflösende Smartphone-Bildschirme oder immer exakter werdende geographische Ortungssysteme würden sehr stark dabei helfen, VR und AR den Weg zu bereiten. "Noch sind die Breakthrough-Fantasien, wie sie beim letzten Symposium vor zwei Jahren geäußert wurden, aber nicht eingetroffen", so Purgathofer.

Die unmittelbare Anwendung in einem praktischen Problem werde noch nicht so ganz erkannt. Inzwischen gebe es aber VR-Brillen für den breiten Markt, die gut funktionieren. VR habe es etwas leichter als AR, weil man dort Fehler leichter akzeptieren könne. "Bei AR bewegt man sich in der echten Welt und was da an Zusatzinformationen dazu kommt, muss exakt passen", sagte der Experte.

Eine Herausforderung sei auch der Trend zu Big Data. Zwar biete die Visualisierung neue Ansätze, um das für den Menschen Relevante in diesen Datenbergen zu erkennen. Dazu werde man aber in den nächsten Jahren das Visual Computing sehr stark mit Statistik und Mensch-Maschine-Kommunikation verschmelzen müssen. "Statistiker haben schon lange Methoden, wie sie aus großen Datenmengen relevante Informationen herausfiltern können und das wird verbunden werden müssen", so Purgathofer.

Vorteile durch maschinelles Lernen

In anderen Bereichen des Visual Computing setze man verstärkt auf maschinelles Lernen beziehungsweise die Verschmelzung von Visualisierung, Rendering und Computergrafik mit dem Bilderkennen – also dem Verstehen der Welt. "Es ist erkannt worden, dass man mit dem konstruktiven Beschreiben der Umwelt, mit den Versuchen die Wirklichkeit algorithmisch zu verstehen, zwar voran, aber nicht ans Ziel kommen wird." Beim maschinellen Lernen könnte man hingegen einem Computer beispielsweise verschiedenste Sessel zeigen, bis er das Modell Sessel verstanden hat – "ohne dass der Mensch genau weiß, in welcher Form dieses Wissen in der Datenbank dieses Computers abgespeichert ist".

Große Fortschritte erwartet Purgathofer auch in der Biotechnologie und -informatik. Aufgrund der Einsichten, die mit Visual Computing beziehungsweise dem automatischen Erkennen von Dingen möglich seien, werde sich hier einiges tun. "Das grundsätzliche Verstehen, wie organische Moleküle funktionieren, ist so komplex und datenintensiv, dass man dafür Tools braucht, die Visual Computing zur Verfügung stellen kann. Da werden momentan große Schritte gemacht", so der Wissenschafter.