Eine Frau sucht mit ihrem Handy nach einem Signal (Foto: Getty Images, Thinkstock -)

SWR2 Wissen Die unsichtbaren Netze

Aus der 12-teiligen Reihe: "Die teilende Gesellschaft" (9). Von Maximilian Schönherr

Auch wenn sich viele gegenseitig die Augen aushacken: Alle Lebewesen teilen – oft, ohne es zu wissen. Wir bilden laufend Netzwerke, über die wir uns gegenseitig beeinflussen.

Dauer

Sind mehr als zwei am Teilen von Informationen beteiligt, spricht die Informatik von einem Netzwerk. Man sieht diese Netze nicht. Die Kräfte zwischen den Menschen an einem Stammtisch sind abstrakt. Die Mathematik mag Abstraktes. Die Informatiker mögen Netzwerke. Sie haben schließlich seit jeher Computer vernetzt. Ihre Theorien beschreiben am liebsten zwei Arten von Netzwerken: den Ring und den Stern.

  • Beim Ring bilden die Teilnehmer einen Kreis, quasi eine geschlossene Menschenkette. Informationen werden von Nachbar zu Nachbar weitergereicht. Niemand kommuniziert mit dem übernächsten Nachbarn oder dem gegenüber direkt.
  • Beim Stern sitzt einer in der Mitte, und alle um ihn herum empfangen nur Informationen von ihm und schicken selbst nur Informationen zu ihm in dieses Zentrum.

Teilen und Trends

Mit diesen beiden Verfahren und ihren Mischformen hat man vor einem halben Jahrhundert das Internet aufgebaut. Im WLAN heute hängen alle Geräte, die PCs, die Smartphones, die Fernseher, vielleicht sogar die Waschmaschine und der Herd, drahtlos am WLAN-Router: ein klassisches sternförmiges Netzwerk.

Logos von Sozialen Netzwerken, wie Facebook, Twitter, YouTube und co. (Foto: Getty Images, Thinkstock -)
Welche Muster gibt es in den großen Datenmengen, die heute zur Verfügung stehen, die man nicht einfach mit bloßem Auge sieht? Thinkstock -

Und jetzt kommen die Sozialwissenschaftler mit dem Begriff "teilen", eine Gesellschaft, die Ideen, Meinungen, Geschäftsmodelle "teilt", und sie wollen Netzwerke untersuchen, um zum Beispiel Trends heraus zurechnen.

Dinge, die in den großen Daten, die man heute zur Verfügung hat, untergehen. Muster erkennen, die man nicht einfach mit bloßem Auge sieht. Und sie stellen fest: So einfach ist das nicht. Keins der beiden Modelle aus der Informatik beschreibt das, was sie interessiert.

Verborgene Beziehungen

Wenn Menschen miteinander in Kontakt treten, in einem Dorf, bei einem Fest oder in Facebook, gibt es selten jemanden, der so wichtig oder mächtig ist, dass alle nur mit ihm sprechen. Man spricht kreuz und quer. Kontakte entstehen oft spontan, manchmal langsam, sie werden schwächer, vergehen, leben neu auf.

Nachbarn, die sich hassen, mögen sich plötzlich, weil ein neuer Mieter ins Haus gegenüber eingezogen ist und dadurch alles anders wurde. Netzwerke sind dynamisch. Wie beschreibt man das mathematisch? Wie macht man die verborgenen Beziehungen sichtbar? Auf jeden Fall mit einer ganz anderen Informatik.

Streit um Grundstück 38-Jähriger erschießt seinen Nachbarn (Foto: Getty Images, Thinkstock -)
Nachbarn, die sich hassen, mögen sich plötzlich, weil ein neuer Mieter ins Haus gegenüber eingezogen ist Thinkstock -

Es gibt in der Informatik die Disziplin der Künstlichen Intelligenz. Und die Wissenschaftler haben in den 1980er-Jahren irgendwann herausgefunden, dass sie sich für Kausalität interessieren müssten, also für die Gründe, warum sich in einem Netzwerk etwas ändert.

Das Verhalten von Knoten

Bayesianische Netzwerke beschreiben das, was Ringe und Sterne nicht tun: Sie beschreiben, wie die einzelnen Knoten des Netzwerks ihre Eigenschaften ändern, je nachdem, was die Knoten um sie herum tun.

Der englische Pfarrer Thomas Bayes lebte vor 300 Jahren und gilt als einer der Begründer der Wahrscheinlichkeitstheorie. In sozialen Strukturen gibt es selten Sicherheit, aber mit Wahrscheinlichkeiten kann man viele Prozesse in Formeln fassen. Denn Daten sind nicht unabhängig, sondern abhängig voneinander.

In sozialen Netzen verstecken sich viele Trends, die wir nicht sehen. Wir haben vielleicht eine Ahnung. Aber mehr wissen wir erst, wenn wir eine konkrete Frage stellen und eine Verstellung entwickeln, welche Daten nötig sind.

Eine Gruppe von arbeitenden Menschen sitzt an einem großen Tisch zusammen. (Foto: Getty Images, Thinkstock -)
Die sozialen Netze im Internet bilden einen Pool mit so vielen Daten, so dass man sich die Befragung von Menschen sparen könnte Thinkstock -

Dicke haben dicke Freunde

Wenn man die Daten hat, braucht man eine mathematisch-statistische Methode für ihre Auswertung. Bei komplexeren Netzwerken heißt diese Methode ein "Modell". Man modelliert im Computer die Gesellschaft nach.

Der TED-Vortrag von Nicholas Christakis 2010 zum Thema: "Der verborgene Einfluss von sozialen Netzwerken" zeigt: Wenn mein Freund dick ist, ist die Wahrscheinlichkeit, dass ich dick werde, um 45 Prozent höher als normal. Die nächste Kurve zeigt, wenn der Freund meines Freunds dick ist, ist mein Risiko, übergewichtig zu werden, um 25 Prozent erhöht.

Und noch weiteres sieht man in den Daten: Selbst wenn der Freund des Freunds meines Freunds – also jemand, den ich vermutlich kaum kenne – dick ist, steigt mein Risiko, stark zuzunehmen, um immerhin 10 Prozent. Erst danach geht dieser Einfluss auf null zurück. Diese Originalstudie zur Übertragung von Fettleibigkeit in sozialen Netzwerken wurde rundweg kritisiert, von allen Ecken, weil es natürlich kein randomisiertes Experiment war.

Sozial ansteckende Fettleibigkeit?

Trotzdem heißt das, es ist jetzt bewiesen, dass Fettleibigkeit sozial ansteckend ist, völlig unabhängig von genetischen Faktoren. Ob Arbeitslosigkeit ansteckend ist, wird noch erforscht. Die Mathematik ist da, es fehlen bei der Arbeitslosigkeit die Daten, vor allem die zufälligen Vergleichsdaten, die man für eine wissenschaftliche Studie unbedingt braucht.

Die sozialen Netze im Internet bilden einen Pool mit so vielen Daten, so dass man sich die Befragung von Menschen sparen könnte. Wir sehen ja, wer auf Twitter wem folgt und wie sich spontan Attraktoren bilden, Menschen, zu denen auf Facebook Tausende hinlaufen, Blogs, die plötzlich von sehr vielen gelesen werden, Youtube-Stars, die innerhalb weniger Wochen hochschießen und einen Monat später von keinem mehr aufgesucht werden.

whatsapp, facebook (Foto: dpa picture alliance -)
Das, was man digital erfasst, ist nicht genau das Netzwerk, welches für die Forschung tatsächlich interessant ist dpa picture alliance -

Die Professorin für Informatik an der Technischen Universität Kaiserslautern Katharina Zweig sieht die Auswertung dieser Daten voller Probleme: Denn auf Facebook sieht man schließlich nicht die Menge der tatsächlich echten Freunde. Das, was man digital erfasst, ist nicht genau das Netzwerk, welches für die Forschung tatsächlich interessant ist. Zum Beispiel, um zu verstehen, wie sich Informationen in echten sozialen Netzwerken verbreiten.

Qualität der Daten

Stellen die sozialen Netze im Internet denn für Informatik und Sozialwissenschaften eine neue Qualität dar, oder sind sie nur ein Mehr, ein Größer? Soziologen gehen in der Regel anders – langsamer und vorsichtiger – vor als Informatiker, die gern schnell einen Algorithmus auf einen Datensatz loslassen. Die meisten sehen in den sozialen Netzen im Internet keine wirklich neue Qualität gesellschaftlichen Zusammenseins, aber ein willkommenes viel Mehr an Daten.

Dabei genügen häufig kleinere Datensätze, um ein aussagekräftiges Modell zu bilden. Die Güte der Daten ist wichtiger als die schiere Menge.

Beispiel: Der Kölner Soziologieprofessor Merlin Schaeffer wollte eine politische Diskussion auf solide wissenschaftliche Füße stellen und Licht in ein vorurteilsbeladenes Gebiet bringen: Er stellte etwa 10.000 Menschen – das ist im Vergleich zu Daten aus sozialen Netzen oder Einwohnermeldeämtern wenig – in den Niederlanden, Frankreich und Deutschland folgende Frage: Beeinflusst eine stärkere ethnische Durchmischung den nachbarschaftlichen Zusammenhalt in der Gesellschaft?

Die neuen Nachbarn

Also ist die Wahrscheinlichkeit, dass jemand die umgekippte Mülltonne des Nachbarn wieder aufstellt, in einer alteingesessenen Umgebung höher, als wenn viele Migranten in die Gegend gezogen sind? Es scheint so zu sein, dass Menschen vor allen Dingen Kontakt zu anderen haben, die ihnen ähnlich sind. So sinkt das Potenzial, gemeinsam Probleme lösen zu können, wenn die ethnische Durchmischung stärker ist.

Merlin Schaeffer setzt die Studie in einen Zusammenhang mit gut erforschten ethnischen Verschiebungen seit einem halben Jahrtausend, seit den Hugenottenkriegen zwischen Katholiken und Protestanten. Und er erinnert auch an die großen Flüchtlingswellen aus den sogenannten Ostgebieten am Ende des Zweiten Weltkriegs.

In allen Fällen reagierten die alteingesessenen Nachbarn negativ auf die Zuwanderer. Davon war aber irgendwann, manchmal nur wenige Jahre später, nichts mehr zu spüren. Alle waren integriert, es gab eine neue alteingesessene Nachbarschaft – die natürlich wieder Angst von Veränderung hatte.

Blinde Algorithmen

Die dänische Regierung bietet unter strengen Auflagen Wissenschaftlern in aller Welt sogenannte Zensusdaten an. In diesen Daten wird die Bevölkerung nach Herkunft, Einkommen, Bildung, Krankheiten, Allergien usw. festgehalten, jeder einzelne Bürger, und zwar dynamisch, also im Lauf der Zeit.

Serverkabel in einem Netzwerkpatch. (Foto: Getty Images, Thinkstock -)
Die Daten der sozialen Netze im Internet haben die Polizeibehörden und die Politik scharf gemacht, sie drängen die Sozialwissenschaftler, ihnen daraus die Zukunft herauszulesen Thinkstock -

Dieser stark anonymisierte Datensatz ist riesig. Soziologen stellen ihm Fragen wie: Stirbt ein Mensch früher, wenn er in einer langen Beziehung lebt und sein Partner gerade gestorben ist? Was die Wissenschaftler aber mit diesen Datenmengen nicht betreiben, ist das Data Mining, bei dem man im Dunklen fischt und ohne Fragestellung einen bestimmten Algorithmus blind nach Auffälligkeiten in diesen Daten suchen lässt.

Die Daten der sozialen Netze im Internet haben die Polizeibehörden und die Politik scharf gemacht. Sie drängen die Sozialwissenschaftler, ihnen daraus die Zukunft herauszulesen, den nächsten Internetstar, den nächsten Amokläufer, den nächsten Terroristen. Softwarefirmen werden ihnen diese tief in den sozialen Strukturen versteckten Trends gern und gut bezahlt berechnen. Auch wenn sie in vielen Fällen recht haben mögen: Wissenschaftlich sauber ist es nicht. Soziale Netze sind keine IT-Angelegenheit. Sie haben mit Menschen und mit Rechten zu tun.

AUTOR/IN
STAND