Nebenan bei im hübschen Datenblog habe ich mir einmal die Twitter-Diskussionen zur diesjährigen DLD-Konferenz vom Kongressvorabend bis zum heutigen Montag angesehen. Man sieht sehr schön, wie sich die Aufmerksamkeit von Tag zu Tag im Netzwerk verschiebt. Ich bin gespannt, wie sich das zum letzten Tag noch einmal ändert. Außerdem werde ich abschließend auch noch einmal die Twitternachrichten selbst betrachten, um Muster herauszufinden. Das zum Beispiel war der Montag:
Why then the world’s mine network
Which I with software will open.
Der Vorteil einer abstrakten Methode wie der Social Network Analysis ist es, dass sich fast alle Daten, die irgendwie zusammenhängen, als Netzwerk betrachten und analysieren lassen. Das Paradebeispiel sind natürlich die Empfehlungsalgorithmen, die Nutzern von Google, Youtube oder Amazon erzählen, was sie sonst noch interessieren könnte. Überall dort, wo es empfohlene Produkte oder Produkte, die andere Kunden auch gekauft haben, gibt, kann man sehr einfach mit den Methoden der Netzwerkanalyse angreifen. Auf diese Weise wird aus den isolierten Paaren oder Mengen verwandter Produkte eine große Verwandtschaftskarte, auf der nicht nur Beziehungen, sondern auch Muster und Schwerpunkte erkennbar sind.
Ich habe mir einmal den iTunes-Appstore vorgenommen. Auf jeder (bzw. fast jeder) Downloadseite einer App sind weitere fünf Apps verzeichnet, die überdurchschnittlich häufig gemeinsam mit dieser App heruntergeladen oder gekauft werden. Das Netzwerk springt einem hier förmlich entgegen. Wenn man die 240 beliebtesten Apps der Kategorie Nachrichten auf diese Beziehungen hin erfasst, erhält man folgendes Netzwerk der Nachrichten-Applandschaft (Klick zum Vergrößern):
Die Größe der Knoten steht für die Anzahl der Bewertungen der Apps – solange es keinen Zugriff auf die Downloadzahlen der Apps gibt, könnte das eine Annäherung an die Bedeutung oder Verbreitung einer App sein. Die Farbe zeigt die unterschiedlichen Cluster von Apps, die besonders eng miteinander verbunden sind: Links in Hellblau und rechts in Dunkelblau sind zwei Cluster von Nachrichtenapps. Rechts findet man die Zeitungsapps von FAZ, Bild, Süddeutsche, Abendzeitung, Weserkurier etc., während links eher die iPad-Varianten von Onlineportalen wie Spiegel, Focus Online, Süddeutsche.de zu finden sind. Oben in Violett ist ein kleines Cluster von redaktionsunabhängigen Newsaggregatoren wie Pulse, Flipboard oder Reeder. Ganz rechts liegt Österreich, während im Süden die Türkei zu finden ist. Dazwischen ein Applecluster mit Apfeltech und Macwelt. Ganz im Norden ist das Review-stärkste Cluster von Nachrichtenaggregatoren und App-Nachrichten-Apps, das von MeinProspekt dominiert wird.
Die Apps mit den meisten Reviews in dieser Karte sind:
In dieser Aufzählung fehlt die normale Version von BILD mit 24.146 Reviews, die ein isolierter Knoten ist, da für diese App keine verwandten Apps angegeben sind und auch keine der anderen Apps auf sie verweist – eine echte Anomalie, die ich mir im Moment nicht erklären kann.
Interessant ist auch der Blick auf die Anzahl der eingehenden Links, d.h. welche Apps besonders häufig als verwandte Apps genannt werden. Der Durchschnitt liegt bei 2,3. Hier sieht die Liste ganz anders aus:
Dieselben Apps erhält man bei der Berechnung des PageRank, d.h. der Wahrscheinlichkeit, beim Abwandern des Netzwerks zufällig auf die verschiedenen Apps zu stoßen. Die Anzahl der Verbindungen zwischen den Apps, also der Vernetzungsgrad ist relativ niedrig, da für jede App nur jeweils 5 verwandte Produkte angezeigt werden – insgesamt sind die 451 Knoten durch 1.055 Kanten verbunden.
Eines der wichtigsten Buzzwords im Marktforschungs- und Wissenschaftsjahr 2012 ist mit Sicherheit “Big Data”. Sogar die Zukunft eines Intenretriesen wie Yahoo! wird auf diese Frage zugespitzt: Wie hältst du es mit den großen Daten (dazu auch lesenswert das AdAge-Interview mit dem neuen CEO Scott Thompson)?
Auf den ersten Blick ist das Phänomen, das sich dahinter verbirgt, nichts neues: es gibt riesige Mengen an Daten, die darauf warten, analysiert und interpretiert zu werden. Diese Datenberge gab es früher auch schon – man denke nur an die gewaltigen Kundentransaktionsdaten, die klassischen Webzugriffslogs oder die Himmelsdaten aus den Observatorien.
Besonders spannend sind folgende Entwicklungen und Dimensionen des Big-Data-Phänomens:
Demokratisierung der Technik: Zum einen sind die Werkzeuge, um Datensätze in Terabytegröße zu analysieren, mittlerweile demokratisiert. Jeder, der ein paar alte Rechner im Keller stehen hat, kann daraus ein leistungsfähiges Hadoop-Cluster aufbauen und damit in die Analyse großer Daten einsteigen. Die Software, die man für Datenerfassung, Speicherung, Analyse und Visualisierung benötigt, ist größtenteils frei verfügbare Open-Source-Software. Wer zu Hause keine Rechner herumstehen hat, kann sich die Rechenzeit bei Amazon kaufen.
Ein neues Ökosystem: Mittlerweile hat sich hier eine lebendige Bastlerszene der Big-Data-Hacker entwickelt, die an den verschiedenen Big-Data-Technologien arbeitet und in Präsentationen und Aufsätzen die unterschiedlichen Anwendungsszenarien demonstrieren. Wenn man sich die Biographien der Big-Data-Community ansieht, fällt aber auch, dass man es sehr viel weniger mit Forschergruppen an Universitäten zu tun hat, sondern um Wissenschaftler (“data scientists”), die in den großen Internetunternehmen wie Google, Yahoo, Twitter oder Facebook arbeiten. Das ist zum Beispiel bei der Python-Entwicklergemeinde oder der R-Statistikercommunity anders. Im Augenblick sieht es sogar so aus, als verliefe der typische Karrierepfad an der US-Westküste weg von den Internetgiganten und hin zu neuen Big-Data-Startups.
Visualisierung von Netzwerken: Die visuelle Darstellung der Daten ist mittlerweile fast wichtiger geworden als klassische statistische Methoden, die nach Kausalitäten suchen. In diesem Zusammenhang hat auch die Netzwerkanalyse wieder stark an Bedeutung gewonnen. Fast alle soziale Phänomene und großen Datensätze von Venture Capitalists bis Katzenbildern können als Netzwerke visualisiert und exploriert werden. Auch hier spielen Open-Source-Software und offene Datenschnittstellen eine große Rolle. Programme wie die Netzwerkvisualisierungssoftware Gephi können sich in naher Zukunft direkt mit den Schnittstellen (APIs) der Plattformen Facebook, Twitter, Wikipedia oder Google verbinden und die abgerufenen Daten gleich weiterverarbeiten.
Neue Fähigkeiten und Stellenbeschreibungen: Eines der heißesten Buzzwords in der Big-Data-Szene ist der “Data Scientist”, der jetzt in klassischen Unternehmen genauso wie in Internetunternehmen für die Erhebung und Auswertung der anfallenden Daten sorgen soll. Auf Smart Planet habe ich eine gute Beschreibung der Fertigkeiten dieser “Datenjobs” gefunden: 1) Die Systemadministratoren, die sich mit Aufsetzen und Wartung der Hadoop-Cluster befassen und sicherstellen, dass der Datenfluss nicht gebremst wird. 2) Die Entwickler (oder “Map-Reducer”), die Anwendungen entwickeln, mit denen die Daten aus den Datenbanken abgerufen und verarbeitet werden. 3) Die eigentlichen Datenwissenschaftler oder Analysten, deren Aufgabe es ist, mit den Daten Geschichten zu erzählen und aus ihnen Produkte und Lösungen zu entwickeln. 4) Die Datenkuratoren, die für die Qualitätssicherung und Verknüpfung der Daten zuständig sind.
Um einen besseren Eindruck davon zu gewinnen, wie sich die Big-Data-Community selbst sieht, habe ich die Twitter-Kurzbiographien der 200 wichtigsten Big-Data-Analysten, -Entwickler, -kaufleute einer Netzwerkanalyse unterzogen: Ich habe die Kurztexte in ein Netzwerk transformiert, in dem die Begriffe die Knoten darstellen und gemeinsame Erwähnungen in einer Twitter-Bio die Kanten. Das heißt, jedes mal, wenn jemand in seiner Bio “Hadoop Committer” stehen hat, gibt es in dem Netzwerk eine neue Kante zwischen “Hadoop” und “Committer”. Insgesamt besteht dieses Netzwerk aus knapp 800 Begriffen und 3200 Verbindungen zwischen den Begriffen. Das Netzwerk habe ich dann auf ca. 15% des Umfangs reduziert, indem ich mich auf die am häufigsten verwendeten Begriffe konzentriert habe (z.B. Big Data, Founder, Analytics, Cloudera, Apache, Committer, Hadoop, Computer). Das mit Gephi visualisierte Ergebnis ist oben zu sehen.
Vor Jahren hatte ich an dieser Stelle schon über die große Bedeutung der gespeicherten Google-Suchanfragen als “Datenbank der Wünsche” geschrieben. Die Begriffe, die Menschen in das Google-Eingabefeld schreiben, spiegeln sehr genau ihre Wünsche wider – sowohl die offen kommunizierten als auch die geheimen.
Als Nebenbemerkung: Man könnte vermuten, dass Menschen mittlerweile ehrlicher zu ihrer Suchmaschine sind als zu ihren engsten Verwandten. Insofern sollte man intensiv über eine besondere Sorgfaltspflicht und einen besonderen Schutz dieser Daten nachdenken. Vielleicht gibt es bald neben der ärztlichen und der anwaltlichen Schweigepflicht auch so eine Art “Suchmaschinengeheimnis”, das garantiert, dass, was wir in einer Websuche über uns offenbaren, nicht in falsche Hände gerät.
Neben dieser besonderen Vertrauensstellung dieser Datenbanken, beeindruckt vor allem das hier sekündlich anfallende Wissen. Dadurch, welche Begriffe gemeinsam eingegeben werden, und welche überhaupt nicht, oder dadurch, welche Treffer dann tatsächlich angeklickt werden, und welche überlesen werden, entsteht eine Wissensdatenbank, die vielleicht sogar größer als die Wikipedia ist, da sie sich viel schneller ändert. Die Assoziation von “Bundespräsident” und “Anrufbeantworter” dürfte zum Beispiel ein sehr junges Phänomen sein. Ja, wenn es um diese aktuellsten Phänomene geht, scheinen die Algorithmen von Google sogar die Rolle eines politischen Beraters einzunehmen, der dem amtierenden Staatsoberhaupt Handlungsempfehlungen gibt:
Der Algorithmus schlägt den Rücktritt des Präsidenten vor
Diese scheinbare Empfehlung entsteht schlicht daraus, dass diese beiden Begriffe in den letzten Tagen, Stunden besonders häufig gemeinsam in Suchabfragen verwendet wurden bzw. besonders häufig gemeinsam in Webseiten auftauchen. Diese überdurchschnittliche gemeinsamen Vorkommen (oder: Kollokationen) verwandeln die Suchmaschine aber gleichzeitig in eine neue Art von Wissensspeicher. Anhand der Struktur der sekündlich eingehenden Suchabfragen (bei Google waren es laut ComScore allein in den USA im November 13 Milliarden Abfragen) können Maschinen sehr viel darüber lernen, wie wir Menschen Begriffe und Wissen organisieren.
Eine praktische Anwendung dieses Wissensspeichers habe ich in einem schon etwas älteren, aber einflussreichen Paper (Google Scholar zählt 246 Zitationen) der beiden Google-Mitarbeiter Mehran Sahami und Timothy D. Heilman “A Webbased Kernel Function for Measuring the Similarity
of Short Text Snippets“. Darin geht es um das Problem, die inhaltliche Ähnlichkeit von sehr kurzen Textschnippseln zu erkennen. Da es sich hierbei nur um wenige Wörter handelt, versagen klassische Methoden des Textminings wie zum Beispiel das Kosinus-Ähnlichkeitsmaß. Die Anzahl der Datenpunkte ist schlicht zu klein, um Aussagen über die Ähnlichkeit zu treffen.
Die Google-Wissenschaftler verwenden die Suchtreffer, die eine Suchmaschine wie Google auswirft, wenn man sie mit den Textschnippseln füttert, als Kontext-Vektor, mit dem sie dann die Übereinstimmung berechnen können, da er nun nicht mehr wenige Worte umfasst, sondern ein großer Corpus aus hunderten Dokumenten bzw. 1000-Zeichen langen Ausschnitten daraus darstellt. Das von ihnen beschriebene Verfahren stellt z.B. zwischen “Steve Ballmer” und “Microsoft CEO” eine Übereinstimmung von 0.838 fest, während das Kosinusmaß hier auf einen Wert von 0 gekommen wäre. Auch zwischen dem früheren CEO “Bill Gates” und “Microsoft CEO” gibt es eine Ähnlichkeit von immerhin 0.317 – aber auch seine korrekte Beziehung zu Microsoft findet dieses Maß heraus: “Bill Gates” und “Microsoft Founder” erzielt 0.677.
Abb. aus Sahami/Heilman (2006), S. 4
Der erste Anwendungsfall dieses Verfahrens, der hier in den Sinn kommt, sind natürlich die automatischen Vorschläge bei Suchabfragen. Insofern ist das oben beschriebene Wulff-Beispiel also nicht unbedingt eine politische Handlungsempfehlung, sondern das Ergebnis des Vergleichs von Kontextvektoren.
Indem der Zeitungsleser beobachtet,
wie exakte Duplikate seiner Zeitung in der U-Bahn,
beim Friseur, in seiner Nachbarschaft konsumiert werden,
erhält er ununterbrochen die Gewißheit,
daß die vorgestellte Welt sichtbar im Alltagsleben verwurzelt ist.
Benedict Anderson
Lagerfeuer
Zwei Sentenzen hört man immer wieder, wenn es um die gesellschaftliche Funktion von Medien geht. Der erste Satz lautet: “Das Fernsehen ist das Lagerfeuer der Nation”. Je nachdem, aus welcher Generation man stammt, mögen die Assoziationen unterschiedlich sein und von Wandervögeln über Pfadfinder bis Indianern reichen. Impliziert sind aber immer die folgenden Dinge: Geselligkeit, Gesang, manchmal: Bohnen aus der Dose.
Immer jedoch geht es um ein Leuchten inmitten einer dunklen Nacht, das von irgendjemandem bewacht werden muss. Die kalte Einheit der Nation wird durch das Lagerfeuer zu einem spürbar warmen Zusammenhalt. So zumindest die Ideologie der Fernsehmacher, die diesen Satz gerne immer wieder aufwärmen.
Klebstoff
Der zweite Satz lautet: “Informationen sind der Kitt der Gesellschaft.” Immerhin, dieser Satz kommt ohne das wärmende Feuer des Fernsehbildes aus und beschränkt sich auf die formale Feststellung, dass Informationen die Gesellschaft zusammenhalten. Geht man von einigermaßen orthodoxen Interpretationen der Systemtheorie aus, ist der Satz eine bloße Tautologie. Wenn Gesellschaft zum Beispiel nach Luhmann das größte soziale System darstellt und soziale Systeme aus Kommunikationen bestehen, versteht sich der Satz von selbst.
Aber meistens ist dieser Satz viel normativer gemeint (Luhmann würde diese normative Deutung nicht mit einer Zange anfassen). Dann geht es nämlich um den normativ guten Zusammenhalt, der bedroht ist, wenn die Information nicht mehr das leistet, was sie tut – integrieren. Das klingt bei Meckel dann so:
Es gäbe keinen kritischen Diskurs mehr, und damit würde unser System auseinanderfallen. Informationen sind der Kitt, der unsere Gesellschaft zusammenhält. In meinem Buch treibe ich diese Idee auf die Spitze: Die Menschheit schafft sich durch die Perfektionierung der Algorithmen selbst ab.
Je mehr die Algorithmen uns in einer Filterblase einlullen, desto geringer die Chance der systemintegrierenden Informationen, uns noch zu erreichen. Irgendwann fällt die Gesellschaft dann auseinander. An dieser Stelle wird es aber spannend. Meckel hat gar nicht einmal Unrecht mit der gesellschaftlichen Funktion der Medien. Medien stützen, ja schaffen sogar Gesellschaften. Die ersten Nationalstaaten des 19. Jahrhunderts waren Drucksachen. Erst die massenhafte Vervielfältigung immer derselben Informationen schaffte in den Köpfen der Menschen eine homogene Vorstellung von Gesellschaft und Nation.
Aber Meckel verwendet die falsche Zeitform. Informationen waren dieser Kitt, haben diese Funktion aber in der Gegenwart verloren. Nach wie vor sind heute, im Informationszeitalter, Informationen eine Art Kitt. Aber, was dadurch zusammengeklebt wird, ist nicht mehr die eine Gesellschaft, sondern sind viele unterschiedliche, überlappende, große, kleinere, feste, lose Gemeinschaften. Oder wie es der Presseschauer formuliert: Katzenbilder sind der Kitt der Gesellschaft.
Vor allem hat sich die Art der Information verändert. Es geht nicht mehr um die journalistisch recherchierten und nach Maßgabe der Aufmerksamkeitsfaktoren aufbereiteten Nachrichten für ein durchschnittliches allgemein-gebildetes Publikum. Stattdessen spielen für die Gemeinschaften im Internetzeitalter folgende drei Formen der Information die zentrale Rolle:
Die drei Arten von Information der Internetgesellschaft
Alle drei Arten taugen nicht recht als gesellschaftlicher Kitt, sondern lösen gesellschaftliche Strukturen auf oder stärken tribale Formen der Vergemeinschaftung. Die Statusmeldungen, weil sie reflexartig ablaufen, die Meme, weil sie soziale Substrukturen fördern und die Feedbackschleifen auf Grund der Neigung zur Eskalation.
Fragt man nach den Auswirkungen des Internets auf die Qualität, dann erhält man, je nachdem, wem man diese Frage stellt, unterschiedliche Antworten:
In der ersten Variante hat das Internet zu einem unglaublichen Abfall der Qualität geführt. In diese Argumentation passt die Polemik gegen die Klowände genauso wie die etwas ruhiger verlaufende Debatte über das Kuratieren als neue Aufgabe der Redaktionen. Als Beispiel für den massiven Qualitätsverlust durch das Internet wird üblicherweise die Wikipedia zitiert, in der es sehr viele miserabel recherchierte, tendenziös geschriebene und immer wieder von Vandalismus heimgesuchte Artikel gibt.
Früher sorgten in den Massenmedien Redakteure oder im Wissenschaftssystem langwierige Peer-Review-Prozesse dafür, dass am Ende nur geprüfte Qualität gedruckt bzw. publiziert wurde. Wenn diese Instanzen wegfallen – und im Internet kann man an ihnen vorbei publizieren – gibt es keinen Garant mehr für die Qualität der Veröffentlichungen. “Da kann ja jeder herkommen und etwas veröffentlichen!”
In der zweiten Variante ist durch das Internet ein bisher nicht dagewesener Anstieg der Qualität möglich geworden. Jeder kann im Web ein Blog eröffnen und über seine Erfahrungen in Beruf, Leben, Politik, Familie … publizieren. Wissenschaftler, die über Randgebiete von Orchideenfächer forschen, erreichen im Internet mit ihren Forschungsergebnissen genau diejenigen fünf über die Welt verteilten Kolleginnen, die sich für genau dieselben Phänomene interessieren. Jeder kann schreiben, filmen, fotografieren, komponieren … und seine Werke dann auf Plattformen wie Tumblr, Instagram, Vimeo oder Soundcloud hochladen und der Öffentlichkeit zugänglich machen. Als Beispiel für die unglaubliche Qualitätssteigerung durch das Internet wird üblicherweise die Wikipedia zitiert, in der es sehr viele umfassend recherchierte, objektiv geschriebene und immer wieder verbessert, ergänzt und kommentierte Artikel gibt.
Zu den Aufgaben der Redakteure und Peer-Reviewer gehörte nicht nur die Qualitätssicherung nach unten, sondern auch nach oben. Die wirklich brillanten Forscher und Künstler hatten zu Lebzeiten große Schwierigkeiten, in das offizielle gesellschaftliche Publikationssystem zu gelangen, da ihre Gedanken und Werke damals von den Gatekeepern nicht verstanden oder gefürchtet wurden. Qualitätssicherung heißt immer auch Bewahrung, Innovationsfeindlichkeit und dadurch letztlich Förderung des Mittelmaßes.
Das kommt auch schon daher, dass die Gatekeeper die Aufgabe haben, auf den Bedarf und die Möglichkeiten eines bestimmten Publikums zu achten – eines Publikums mit bestimmten Voraussetzungen und Beschränkungen. Im Fall der Redakteure ist dies häufig eine “allgemein-gebildete Öffentlichkeit”, im Fall der Wissenschaftler die “scientific community”. Um die Arbeit der Gatekeeper zu erleichtern, nimmt man bei beiden Öffentlichkeiten zum Beispiel einen bestimmten Bildungsgrad an. Die französische Revolution kann hier als bekannt vorausgesetzt werden, während die Oberbayerische Postbauschule erklärt werden muss. Ganz ähnlich funktioniert das in der Wissenschaft, da hier zwar viel mehr Fachwissen vorhanden ist, aber jeder Wissenschaftler in fast allen Disziplinen und Subdisziplinen außer der eigenen ein Laie ist.
Im Internet ist niemand dafür zuständig, für Rücksicht auf die Bedürfnisse und Voraussetzungen der unterschiedlichen Öffentlichkeiten zu sorgen. Jeder kann (und dies geschieht natürlich auch) so schreiben, dass es nur eine einzige Person – nämlich sie oder er selbst – verstehen kann. Aber noch häufiger richtet sich der Autor an eine mehr oder weniger esoterische Deutungs- oder Erlebnis-Gemeinschaft. Das Schreiben ins Internet zerstört die klaren Vorstellungen von Massen- und Durchschnittsöffentlichkeiten und ähnelt damit eher den hoch-metaphorischen hermetischen Texten der Alchemisten als den Fernsehnachrichten um 20 Uhr.
Insofern ist die Frage nach der Qualität eine überflüssige oder falsch gestellte Frage: Das Internet hat die Qualität stark vermindert, und das Internet hat die Qualität stark gesteigert. Aber vor allem ist es dabei, unsere Vorstellungen einer einheitlichen Zuschauer-, Hörer- und Leserschaft aufzulösen. Mit allen positiven und negativen Folgen.
Demnächst werden wir die wohl erfolgreichste deutsche Webtalk-Fernsehsendung live aufzeichnen. Mit unseren neuen Geräten können wir Bild und Ton zukünftig live abmischen und gehen dann mit fertig produzierten Sendungen aus der Niederlassung. Das technische Setup erklärt unser Cheftechniker Michael Praetorius in diesem kurzen Video:
Die nächsten beiden Folgen werden noch einmal auf die alte Weise produziert und im neuen Jahr geht es dann mit der Liveaufzeichnung los. Zusammengepackt sieht das Studio, das nahezu dieselben Möglichkeiten bietet wie sie vor 10 Jahren in einen Ü-Wagen gepasst hatten, so aus:
So war das damals, als man noch gebloggt hat. Als Facebook und Twitter noch nicht die wichtigsten Plattformen für das Teilen und Diskutieren von Links und Meinungen war. Als das noch Trackback hieß und nicht Retweet. Als man sich noch ernsthaft über den zwischen Bloggern und Journalisten echauffieren konnte. Als man den neuen Tag nicht mit dem Blick auf den Klout-Score begonnen hat, sondern mit dem Blick auf Blogscout oder die Deutschen Blogcharts. Als dieses Blog in der Zeit das südlichste Top 100-Blog in Deutschland gewesen ist:
Das großartige an der Blogosphäre ist: Die meisten dieser Namen gibt es immer noch. Und zwar nicht nur als Archive, sondern als lebendige Publikations- und Diskussionsorte. Das gilt nicht nur für diesen 2008er Blick auf die deutschsprachige Blogosphäre, sondern für die gesamte Geschichte der Blogs in Deutschland, wie ich sie vor Jahren einmal in dem Blog History Project aufgezeichnet habe:
(Anmerkung zu fehlenden Ur-Blogs sind jederzeit willkommen)
Follow the Money!
(All the President’s Men)
Eine der faszinierendsten Programmierschnittstellen zum Thema Social Media ist die API der Crunchbase, einer Datenbank, in der alle wichtigen Finanzierungsrunden und Übernahmen von Internetunternehmen verzeichnet sind. Diese API spuckt, wenn man ihr die richtigen Fragen stellt, die finanziellen Beziehungen zwischen Internetunternehmen und ihren Kapitalgebern vom kleinen Tech-Investor bis zu Morgan Stanley und Goldman Sachs. Da diese Daten in strukturierter Form vorliegen, lassen sie sich sehr bequem automatisiert in ein Datenformat übertragen, das sich für die Social Network Analysis nutzen lässt.
Ich habe hier einmal die finanziellen Zusammenhänge der Social Networks mit Hilfe von Pajek aufgezeichnet: von den Riesen Facebook und Twitter bis hin zu den kleinen Startups Pinterest und Path. Diese Grafik zeigt also nichts weniger als das Social Network der Social Networks – die Verteilung von knapp 4 Milliarden USD Investitionsvolumen. Die Größe der Knoten entspricht jeweils in etwa der Investitionshöhe (klick zum Vergrößern).
Visualisierung des Social Networks der Social Networks
Auf der Strasse denken Leute:
Wie sieht der denn aus ?
(Tocotronic)
Man kann viel Schlechtes über Instragram sagen. Instagram bedient mit seinen Filtern eine wohlfeile Nostalgie einer Generation, die mit Polaroid und Commodore aufgewachsen ist. Instagram schafft es, die schon schlechte Bildqualität der Handyfotografie noch weiter zu verschlechtern. Instagram nervt, weil jeden Tag irgendjemand in der Timeline gerade den Tilt-Shift-Effekt für sich entdeckt. Ach, warum so differenziert: Instagram ist der Untergang der Fotografie.
An allen Vorwürfen mag ein Körnchen Wahrheit sein. Aber Instagram hat einen einzigen, ganz grandiosen und unleugbaren Vorteil. Es sind Bilder. Egal wie schlecht die Qualität, wie zuckerwattig der Retrofilter oder wie abendlandszerstörend das Prinzip ist. Instagram sind Bilder, viele Bilder, und das macht diese Anwendung unglaublich spannend und wertvoll.
ReadWriteWeb berichtet, dass Instagram kurz davor ist, Foursquare als größtes mobiles Social Network abzulösen. Mich überrascht das nicht, denn Bilder sind Trumpf. Den Grund dafür entdeckt man schnell, wenn man sich mit der Memetik, der Wissenschaft von der viralen Verbreitung im Netz, auseinandersetzt. Bilder haben gegenüber Texten (oder Orten) drei große Vorteile:
Wir leben inmitten in einer memetischen Wende (memetic turn). Das bedeutet, dass wir in der nächsten Zeit viele neue Formen der Bildersprache entdecken und vielen älteren wieder begegnen werden.
Kommentare