{"id":2198,"date":"2020-03-10T07:36:03","date_gmt":"2020-03-10T14:36:03","guid":{"rendered":"https:\/\/melindaozel.com\/?p=2198"},"modified":"2025-02-21T16:02:34","modified_gmt":"2025-02-21T21:02:34","slug":"big-techs-homogeneous-hiring-habits-are-harming-our-data","status":"publish","type":"post","link":"https:\/\/melindaozel.com\/de_de\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/","title":{"rendered":"Die homogenen Einstellungsgewohnheiten von Big Tech schaden unseren Daten"},"content":{"rendered":"

In unserer verbraucherorientierten digitalen Welt haben wir eine Dringlichkeit hergestellt, innovativ zu sein und neue Produkte zu entwickeln. Mit dem Trend zum maschinellen Lernen und dem sich selbst verst\u00e4rkenden Druck, schnell zu sein und Dinge zu ver\u00e4ndern - ich meine zu \"bauen\" -, braucht Big Tech st\u00e4ndig Entwickler. Infolgedessen sind Software-Ingenieure zu einer sehr begehrten Ware geworden, die den Personalbestand dominiert und zu Bieterkriegen zwischen Unternehmen f\u00fchrt. Mit den wachsenden Ambitionen im Bereich des maschinellen Lernens w\u00e4chst jedoch auch der Bedarf an Daten, wodurch ingenieurzentrierte Probleme zu disziplin\u00fcbergreifenden Angelegenheiten werden. Projekte, die hochgradig mehrdeutige Daten liefern - wie z. B. Gesichtsausdr\u00fccke f\u00fcr die Gesichtsverfolgung - erfordern ein Verst\u00e4ndnis der Daten, das \u00fcber den Rahmen der Ingenieurwissenschaften hinausgeht; sie erfordern eine disziplin\u00fcbergreifende Verbindung zwischen Ingenieurwissenschaften und dem komplement\u00e4ren Bereich, der angewendet wird. Daher ist es f\u00fcr Technologieunternehmen entscheidend, die Verantwortung f\u00fcr die Datenintegrit\u00e4t zu \u00fcbernehmen, indem sie Fachexperten in den Produktentwicklungsprozess einbeziehen.<\/p>\n

W\u00e4hrend es nicht zur Kultur der Big Tech geh\u00f6rt, nicht-technische Rollen zu priorisieren, erkennen andere Industriezweige die Bedeutung von aktuellem Fachwissen im Bereich des maschinellen Lernens an. Der Biotech-Bereich zum Beispiel ist auf die Zusammenarbeit zwischen beiden medizinischen Experten angewiesen. und<\/em> Ingenieure. In diesem Fall ist die Notwendigkeit der Zusammenarbeit offensichtlich, aber in eher undurchsichtigen Bereichen der Spezialisierung ist die Notwendigkeit nicht immer offensichtlich. Wie bereits erw\u00e4hnt, ist ein wichtiger Bereich, der unter Unklarheit und mangelndem Verst\u00e4ndnis leidet, die Gesichtsverfolgung. G\u00e4ngige Anwendungsf\u00e4lle f\u00fcr die Gesichtsverfolgung - darunter Gesichtsfilter, Merkmalserkennung f\u00fcr Produktwerbung (z. B. Lippenerkennung zum Testen von Lippenstiftprodukten oder Augenerkennung f\u00fcr Brillen) und Avatare - sind relativ harmlos. Wenn man jedoch weniger \"niedliche\" Anwendungsf\u00e4lle wie Emotionserkennung, Verhaltens\u00fcberwachung und T\u00e4uschungserkennung mit Anwendungen in der Strafjustiz, im Versicherungssektor oder in der Welt der Cybersicherheit in Betracht zieht, wird die Leistung eines maschinellen Lernmodells umstritten; und wenn es falsch gemacht wird, wird es gef\u00e4hrlich. Es gibt bereits viele bekannte Probleme mit der Gesichtserkennungstechnologie und ihrem unregulierten Einsatz in verschiedenen L\u00e4ndern und Branchen. Da die Verfolgung des Gesichtsausdrucks eine Person nicht einfach nur identifiziert, sondern beobachtet und R\u00fcckschl\u00fcsse auf das Verhalten dieser Person zieht, kann sie weitaus invasiver sein.<\/p>\n

Trotz der grundlegenden Bedeutung von Mimikdaten f\u00fcr die Gesichtsverfolgung vers\u00e4umt es Big Tech oft, der Qualit\u00e4t von Mimikdaten Priorit\u00e4t einzur\u00e4umen. Produktmanager, technische Leiter, Benutzerforscher und Softwareingenieure verlassen sich h\u00e4ufig auf ihr eigenes oberfl\u00e4chliches Verst\u00e4ndnis und Ad-hoc-Suchen, anstatt von der Tiefe des Verst\u00e4ndnisses zu profitieren, das ein Experte bieten k\u00f6nnte. Software-Ingenieure sind zwar Meister im Erstellen von Algorithmen, haben aber oft nur ein oberfl\u00e4chliches Wissen dar\u00fcber, was in den Daten steckt. In Anbetracht der hohen Arbeitsbelastung und der Konzentration auf das eigene Fachwissen ist es f\u00fcr Ingenieure nicht m\u00f6glich, eine zus\u00e4tzliche Expertise in der Untersuchung von subtilen Ausdrucksdaten oder der Beherrschung komplexer Konzepte in der Emotionsforschung zu entwickeln.<\/p>\n

Zu bestimmen, welche Art von Daten ben\u00f6tigt werden, wie sie zu sammeln sind und wie sie zu kennzeichnen sind, ist eine delikater Prozess<\/a>. Wenn Sie sich f\u00fcr die falschen Daten entscheiden, spielt es keine Rolle, wie gut Sie sie sammeln oder beschriften. Wenn Sie n\u00fctzliche Daten ins Visier nehmen, diese aber unsachgem\u00e4\u00df sammeln, werden sie auch scheitern. Es wird erneut fehlschlagen, wenn Sie die Daten nicht pr\u00e4zise und\/oder genau kennzeichnen. Aufgrund morphologischer Unterschiede in den Gesichtsz\u00fcgen, inh\u00e4renter Verzerrungen bei der Interpretation des Gesichtsausdrucks und Kontroversen sowohl unter Emotionsforschern als auch unter Gesichtsanatomen muss jede Gruppe, die Gesichtsverfolgungsalgorithmen mit Absichten entwickelt, die \u00fcber das Versuchen-vor-dem-Kaufen von Lippenstift hinausgehen, Verantwortung und ethische Verantwortung f\u00fcr die Datenintegrit\u00e4t \u00fcbernehmen.<\/p>\n

Anstatt sicherzustellen, dass die Bausteine ihrer Algorithmen von denjenigen, die sie verwenden, gut verstanden werden, besteht der ungl\u00fcckliche Zustand von Big Tech darin, massenhaft Daten zu sammeln oder zu erwerben und sie an Drittanbieter von Etiketten weiterzugeben. Die Labeler sind typischerweise ausgelagert, auf Vertragsbasis, und fast immer unterbewertet. Um die Qualit\u00e4t der Labels zu \u00fcberwachen, werden standardm\u00e4\u00dfig verschiedene Key Performance Indicators (KPIs) erstellt und durchgesetzt. Da Big Tech jedoch keine Ressourcen in Mitarbeiter investiert, die die Qualit\u00e4t der erweiterten Daten legitim \u00fcberwachen k\u00f6nnen, sind die KPIs im Allgemeinen willk\u00fcrlich und wenig aussagekr\u00e4ftig. Wenn die Ingenieure nicht \u00fcber das n\u00f6tige Verst\u00e4ndnis verf\u00fcgen, um grundlegende Wahrheiten zu erkennen, was messen sie dann eigentlich? Es gibt das un\u00fcberwachte Lernen. Und dann gibt es un\u00fcberwachtes Engineering.<\/p>\n

Als ich f\u00fcr eine der Big Five-Firmen im Silicon Valley arbeitete, war ich immer wieder schockiert \u00fcber die nonchalante Haltung gegen\u00fcber komplexen Gesichtsverfolgungsdaten. Obwohl meine Kollegen f\u00fchrende K\u00f6pfe in der Algorithmenentwicklung waren, besa\u00dfen sie ein oberfl\u00e4chliches Verst\u00e4ndnis der Gesichtsanatomie, der zentralen Emotionskonzepte und des Ausdrucksverhaltens. Wie jedes andere hochspezialisierte Fachgebiet erfordert das Verst\u00e4ndnis der Nuancen des menschlichen Ausdrucks jahrelanges, intensives Studium und Erfahrung. Trotz der Tatsache, dass ich der ans\u00e4ssige Experte f\u00fcr Mimik war, der sein Leben und seine Karriere dem Verst\u00e4ndnis der Nuancen des menschlichen Gesichts gewidmet hatte, wurde ich regelm\u00e4\u00dfig von wichtigen Meetings und Planungssitzungen ausgeschlossen. Oft ertappte ich Mitarbeiter dabei, wie sie planlos veraltete und ungenaue Mimik-Referenzseiten durchforsteten (die ich derzeit Bereitstellung neuer L\u00f6sungen f\u00fcr hier<\/a>) in Versuchen, einen Daten-Pipeline-Plan zusammenzuhacken. Mein Fachwissen wurde h\u00e4ufig in eine Aufsichtsrolle verbannt, und meine F\u00e4higkeiten wurden f\u00fcr irrelevante Aufgaben wie die Klassifizierung von Barttypen und Haarfarben missbraucht. Wenn ich Trends in Dateninkonsistenzen aufzeigte oder Hardwareprobleme voraussah, wurde ich hingesetzt und mir wurde eine Lektion dar\u00fcber erteilt, \"wie maschinelles Lernen funktioniert\".<\/p>\n

Ich sehe viele Stellenangebote, in denen X Jahre Erfahrung in der Gesichtsverfolgung gefordert wird, aber die Forderung nach entsprechender Erfahrung reicht nicht aus. Genauso wenig wie die bisherige Arbeit eines Ingenieurs in der Medizintechnik ihn als Mediziner qualifiziert, qualifiziert die blo\u00dfe Arbeit an der Tracking-Technologie einen Ingenieur als Autorit\u00e4t f\u00fcr Gesichtsausdr\u00fccke oder Emotionen. Wenn man sich mehr darauf konzentrieren w\u00fcrde, die geeigneten Experten einzustellen, w\u00fcrde vielleicht das Ringen um Ingenieure mit seltener und spezifischer Erfahrung erleichtert; eine solche Erleichterung k\u00f6nnte Raum schaffen f\u00fcr eine innovativere Zusammenarbeit zwischen dem Ingenieurwesen und den komplement\u00e4ren Disziplinen, mit denen es gepaart werden kann.<\/p>\n

Der Tunnelblick von Big Tech auf das Engineering ist eine fahrl\u00e4ssige Gewohnheit, die sich \u00e4ndern muss. W\u00e4hrend Software-Ingenieure in der Tat essentiell f\u00fcr den Prozess des maschinellen Lernens sind, haben uns die Ambitionen des maschinellen Lernens an einen Punkt gebracht, an dem wir die Notwendigkeit eines disziplin\u00fcbergreifenden Vorgehens erkennen m\u00fcssen. Daten f\u00fcr Systeme, die von Nuancen abh\u00e4ngig sind, sollten nicht auf die leichte Schulter genommen werden - vor allem, wenn sie Potenzial f\u00fcr invasive Anwendungsf\u00e4lle bergen. W\u00fcrden Unternehmen das Fachwissen \u00fcber Daten mit der gleichen Ehrfurcht und Unterst\u00fctzung bewerten, wie sie es mit dem Fachwissen der Ingenieure tun, w\u00fcrden die Algorithmen\u00a0und\u00a0<\/em>die Daten, aus denen sie aufgebaut sind, umfassender und weniger fehleranf\u00e4llig w\u00e4ren. Ein Mangel an ganzheitlichen Datensystemen wird dazu f\u00fchren, dass wir ungeregelte Produkte haben, die anf\u00e4llig f\u00fcr Verzerrungen sind. Ein Ungleichgewicht der Investitionen in Richtung Algorithmen und weg von der Datenqualit\u00e4t wird zu verschwendetem technischen Aufwand, mangelhaften Produkten und der Verbreitung unethischer Technologie f\u00fchren.<\/p>\n

Legen Sie nicht alle Ihre Mitarbeiterzahlen in einen Korb. Stellen Sie verantwortungsbewusst ein.<\/p>","protected":false},"excerpt":{"rendered":"

Mit den wachsenden Ambitionen im Bereich des maschinellen Lernens w\u00e4chst auch der Datenbedarf, wodurch ingenieurzentrierte Probleme in f\u00e4cher\u00fcbergreifende Angelegenheiten verwandelt werden.<\/p>","protected":false},"author":60486633,"featured_media":2199,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[676756913,676756994,676756915,676756914,676757008,676756993],"tags":[],"class_list":["post-2198","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-action-units","category-ar-vr","category-facial-expressions","category-muscles","category-free","category-tech","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-50"],"yoast_head":"\nBig Tech's Homogeneous Hiring Habits Are Harming Our Data - Face the FACS | Facial Expressions in Animation, AI, & Behavior<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/melindaozel.com\/de_de\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Big Tech's Homogeneous Hiring Habits Are Harming Our Data\" \/>\n<meta property=\"og:description\" content=\"As machine learning ambitions grow, data needs grow as well, transforming engineer-centric problems into cross-disciplinary matters.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/melindaozel.com\/de_de\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/\" \/>\n<meta property=\"og:site_name\" content=\"Face the FACS | Facial Expressions in Animation, AI, & Behavior\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/facebook.com\/facetheFACS\/\" \/>\n<meta property=\"article:author\" content=\"https:\/\/facebook.com\/facetheFACS\/\" \/>\n<meta property=\"article:published_time\" content=\"2020-03-10T14:36:03+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-02-21T21:02:34+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"4032\" \/>\n\t<meta property=\"og:image:height\" content=\"2120\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Melinda Ozel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@melindaozel\" \/>\n<meta name=\"twitter:site\" content=\"@melindaozel\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melinda Ozel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"6\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/\"},\"author\":{\"name\":\"Melinda Ozel\",\"@id\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/#\\\/schema\\\/person\\\/81c6262e1bfca3c71960db5aee204e3f\"},\"headline\":\"Big Tech’s Homogeneous Hiring Habits Are Harming Our Data\",\"datePublished\":\"2020-03-10T14:36:03+00:00\",\"dateModified\":\"2025-02-21T21:02:34+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/\"},\"wordCount\":1139,\"commentCount\":1,\"publisher\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/#\\\/schema\\\/person\\\/81c6262e1bfca3c71960db5aee204e3f\"},\"image\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2020\\\/03\\\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1\",\"articleSection\":[\"action units (FACS AUs)\",\"AR\\\/VR\",\"facial expressions\",\"facial muscles\",\"free content\",\"tech\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/\",\"url\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/\",\"name\":\"Big Tech's Homogeneous Hiring Habits Are Harming Our Data - Face the FACS | Facial Expressions in Animation, AI, & Behavior\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2020\\\/03\\\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1\",\"datePublished\":\"2020-03-10T14:36:03+00:00\",\"dateModified\":\"2025-02-21T21:02:34+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2020\\\/03\\\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2020\\\/03\\\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1\",\"width\":4032,\"height\":2120},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/melindaozel.com\\\/big-techs-homogeneous-hiring-habits-are-harming-our-data\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/melindaozel.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Big Tech’s Homogeneous Hiring Habits Are Harming Our Data\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/#website\",\"url\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/\",\"name\":\"Face the FACS\",\"description\":\"Facial Expressions in Art, Science, & Technology\",\"publisher\":{\"@id\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/#\\\/schema\\\/person\\\/81c6262e1bfca3c71960db5aee204e3f\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":[\"Person\",\"Organization\"],\"@id\":\"https:\\\/\\\/melindaozel.com\\\/zh\\\/#\\\/schema\\\/person\\\/81c6262e1bfca3c71960db5aee204e3f\",\"name\":\"Melinda Ozel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2025\\\/02\\\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2025\\\/02\\\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2025\\\/02\\\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1\",\"width\":225,\"height\":225,\"caption\":\"Melinda Ozel\"},\"logo\":{\"@id\":\"https:\\\/\\\/i0.wp.com\\\/melindaozel.com\\\/wp-content\\\/uploads\\\/2025\\\/02\\\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1\"},\"sameAs\":[\"https:\\\/\\\/melindaozel.com\",\"https:\\\/\\\/facebook.com\\\/facetheFACS\\\/\",\"https:\\\/\\\/instagram.com\\\/manicexpression\",\"https:\\\/\\\/linkedin.com\\\/in\\\/melindaozel\",\"https:\\\/\\\/pinterest.com\\\/melindaozel\\\/\",\"https:\\\/\\\/x.com\\\/melindaozel\",\"https:\\\/\\\/youtube.com\\\/@facetheFACS\"],\"knowsAbout\":[\"Facial Action Coding System (FACS)\",\"Facial Expression Tracking\",\"Facial Anatomy\",\"Facial Animation\",\"Digital Humans\",\"Audio-to-Expression\",\"Audio-to-Face\",\"Visemes\",\"Lipsync\"],\"jobTitle\":\"Facial Systems Expert, Expression Scientist\",\"url\":\"https:\\\/\\\/melindaozel.com\\\/de_de\\\/author\\\/melindaozel\\\/\",\"numberOfEmployees\":{\"@type\":\"QuantitativeValue\",\"minValue\":\"1\",\"maxValue\":\"10\"}}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Die homogenen Einstellungsgewohnheiten von Big Tech schaden unseren Daten - Face the FACS | Facial Expressions in Animation, AI, & Behavior","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/melindaozel.com\/de_de\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/","og_locale":"de_DE","og_type":"article","og_title":"Big Tech's Homogeneous Hiring Habits Are Harming Our Data","og_description":"As machine learning ambitions grow, data needs grow as well, transforming engineer-centric problems into cross-disciplinary matters.","og_url":"https:\/\/melindaozel.com\/de_de\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/","og_site_name":"Face the FACS | Facial Expressions in Animation, AI, & Behavior","article_publisher":"https:\/\/facebook.com\/facetheFACS\/","article_author":"https:\/\/facebook.com\/facetheFACS\/","article_published_time":"2020-03-10T14:36:03+00:00","article_modified_time":"2025-02-21T21:02:34+00:00","og_image":[{"width":4032,"height":2120,"url":"https:\/\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg","type":"image\/jpeg"}],"author":"Melinda Ozel","twitter_card":"summary_large_image","twitter_creator":"@melindaozel","twitter_site":"@melindaozel","twitter_misc":{"Verfasst von":"Melinda Ozel","Gesch\u00e4tzte Lesezeit":"6\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#article","isPartOf":{"@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/"},"author":{"name":"Melinda Ozel","@id":"https:\/\/melindaozel.com\/zh\/#\/schema\/person\/81c6262e1bfca3c71960db5aee204e3f"},"headline":"Big Tech’s Homogeneous Hiring Habits Are Harming Our Data","datePublished":"2020-03-10T14:36:03+00:00","dateModified":"2025-02-21T21:02:34+00:00","mainEntityOfPage":{"@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/"},"wordCount":1139,"commentCount":1,"publisher":{"@id":"https:\/\/melindaozel.com\/zh\/#\/schema\/person\/81c6262e1bfca3c71960db5aee204e3f"},"image":{"@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1","articleSection":["action units (FACS AUs)","AR\/VR","facial expressions","facial muscles","free content","tech"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/","url":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/","name":"Die homogenen Einstellungsgewohnheiten von Big Tech schaden unseren Daten - Face the FACS | Facial Expressions in Animation, AI, & Behavior","isPartOf":{"@id":"https:\/\/melindaozel.com\/zh\/#website"},"primaryImageOfPage":{"@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#primaryimage"},"image":{"@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1","datePublished":"2020-03-10T14:36:03+00:00","dateModified":"2025-02-21T21:02:34+00:00","breadcrumb":{"@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#primaryimage","url":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1","contentUrl":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1","width":4032,"height":2120},{"@type":"BreadcrumbList","@id":"https:\/\/melindaozel.com\/big-techs-homogeneous-hiring-habits-are-harming-our-data\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/melindaozel.com\/"},{"@type":"ListItem","position":2,"name":"Big Tech’s Homogeneous Hiring Habits Are Harming Our Data"}]},{"@type":"WebSite","@id":"https:\/\/melindaozel.com\/zh\/#website","url":"https:\/\/melindaozel.com\/zh\/","name":"Sich der FACS stellen","description":"Gesichtsausdr\u00fccke in Kunst, Wissenschaft und Technologie","publisher":{"@id":"https:\/\/melindaozel.com\/zh\/#\/schema\/person\/81c6262e1bfca3c71960db5aee204e3f"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/melindaozel.com\/zh\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":["Person","Organization"],"@id":"https:\/\/melindaozel.com\/zh\/#\/schema\/person\/81c6262e1bfca3c71960db5aee204e3f","name":"Melinda Ozel","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2025\/02\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1","url":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2025\/02\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1","contentUrl":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2025\/02\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1","width":225,"height":225,"caption":"Melinda Ozel"},"logo":{"@id":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2025\/02\/face-the-FACS-eye-mouth-logo-pixel.webp?fit=225%2C225&ssl=1"},"sameAs":["https:\/\/melindaozel.com","https:\/\/facebook.com\/facetheFACS\/","https:\/\/instagram.com\/manicexpression","https:\/\/linkedin.com\/in\/melindaozel","https:\/\/pinterest.com\/melindaozel\/","https:\/\/x.com\/melindaozel","https:\/\/youtube.com\/@facetheFACS"],"knowsAbout":["Facial Action Coding System (FACS)","Facial Expression Tracking","Facial Anatomy","Facial Animation","Digital Humans","Audio-to-Expression","Audio-to-Face","Visemes","Lipsync"],"jobTitle":"Facial Systems Expert, Expression Scientist","url":"https:\/\/melindaozel.com\/de_de\/author\/melindaozel\/","numberOfEmployees":{"@type":"QuantitativeValue","minValue":"1","maxValue":"10"}}]}},"jetpack_featured_media_url":"https:\/\/i0.wp.com\/melindaozel.com\/wp-content\/uploads\/2020\/03\/twtittersidze-copy.jpg?fit=4032%2C2120&ssl=1","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/posts\/2198","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/users\/60486633"}],"replies":[{"embeddable":true,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/comments?post=2198"}],"version-history":[{"count":6,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/posts\/2198\/revisions"}],"predecessor-version":[{"id":11405,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/posts\/2198\/revisions\/11405"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/media\/2199"}],"wp:attachment":[{"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/media?parent=2198"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/categories?post=2198"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/melindaozel.com\/de_de\/wp-json\/wp\/v2\/tags?post=2198"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}