Große Sprachmodelle im Data-Science-Lebenszyklus: Eine systematische Mapping-Studie

In den letzten Jahren haben sich Große Sprachmodelle (LLMs) als transformative Werkzeuge in zahlreichen Bereichen etabliert und beeinflussen, wie Fachleute komplexe analytische Aufgaben angehen. Diese systematische Mapping-Studie untersucht umfassend den Einsatz von LLMs entlang des Data-Science-Lebenszyklus. Durch die Analyse relevanter Publikationen aus den Scopus- und IEEE-Datenbanken identifizieren und kategorisieren wir die Arten von LLMs, die angewandt werden, die speziellen Phasen und Aufgaben des Data-Science-Prozesses, die sie adressieren, sowie die methodischen Ansätze zu deren Evaluation. Unsere Analyse umfasst eine detaillierte Betrachtung der in den Studien verwendeten Bewertungsmetriken und dokumentiert systematisch sowohl positive Beiträge als auch Einschränkungen der LLMs bei der Anwendung in Data-Science-Workflows. Dieses Mapping bietet Forschern und Praktikern ein strukturiertes Verständnis der aktuellen Landschaft, hebt Trends, Lücken und Chancen für zukünftige Forschungen in diesem sich schnell entwickelnden Schnittbereich von LLMs und Data Science hervor.