I. Re: Socially Augmented Reality

In seiner letzte Korrespondenz (http://www.korrespondenz.biz/088.html) schreibt das über das Sammeln und Auswerten von Daten, die Web-Nutzer zufällig oder gerade zu dem Zweck, dass sie gesammelt und ausgewertet werden, hinterlassen. Bsp. 1, Google: Die Linkstruktur des Web wird analysiert; wenn viele Links auf eine Seite zeigen, dann ist diese Seite interessant, wichtig, whatever, jedenfalls ein potentiell gutes Suchergebnis. Bsp. 2, Amazon: Wenn viele Leute, die Buch A kaufen, auch Buch B kaufen, dann ist für einen weiteren Käufer von A wahrscheinlich auch B interessant. Außerdem können Bücher von Kunden bewertet werden; viele gute Bewertungen -- democracy rules -- zeichnen ein Buch aus. Die Auswertung von Kookkurrenzen bei Buchbestellungen und von Buchbewertungen kann die sachliche Grundlagen der Kundenberatung bilden -- folgende Bücher sind lesenswert, kaufe sie! Bsp. 3, Ebay: Das Bewertungssystem funktioniert nicht nur für Produkte, sondern auch für Produktanbieter -- kaufe nur von Leuten, mit denen keine schlechten Erfahrungen gemacht wurden!

Die Beispiele zeigen, dass robuste Verfahren mit gutem Ergebnis auf einfachster Statistik beruhen können. Die Verfahren funktionieren, weil die gesammelten Daten uniform sind und leicht zusammengeführt werden können und weil aus den bescheidenen Ergebnissen nützliche Schlüsse gezogen werden können: Ich habe bei Ebay zwar noch nie etwas gekauft, würde aber natürlich nicht von jemandem etwas kaufen, mit dessen Verhalten alle bisherigen Kunden höchst unzufrieden waren. Eine große Menge gleichartiger Daten wird gesammelt und -- das ist wichtig -- sinnvoll zu brauchbarer Information reduziert.

das regt an, die Datensammlung und -reduktion zu erweitern. So könnten z.B. Restaurants etc. bewertet werden, die Bewertungen würden statistisch ausgewertet, und wer sich über die Qualität eines bestimmten Restaurants informieren wollte, könnte sich die Auswertung -- als location based service -- auf sein Mobiltelefon schicken lassen. In meiner Korrespondenz 36 habe ich die Erfolgsaussichten dieser Art von Informationsdiensten bezweifelt. Warum? Erstens müssen die Restaurantbewertungen irgendwo herkommen. Ich glaube nicht, dass mehr Anlässe, etwas zu bewerten, mit mehr Bewertungen einhergehen. Ich jedenfalls finge nicht an, via Mobiltelefon ein von mir besuchtes Restaurant, Kino, ... zu bewerten. Ok, ich bewerte nichtmal Bücher bei Amazon. Trotzdem: Ich glaube, dass relativ schnell allgemeine Ermüdung einsetzte. Zweitens bezweifle ich, dass der Wunsch nach Information mit dem Informationsangebot steigt. Die Amazon-Bewertungen guckt man sich an, solange sonst nichts oder nur wenig bewertet wird. Ich schätze, dass, wenn es für sehr viele eine demokratische Bewertung gibt, sich im Großen und Ganzen keiner mehr um die Bewertungen kümmert. Oder, schwächer: Ich glaube, dass nur wenige besonderes Interesse für die Bewertungen aufbringen und ergo nicht bereit sind, dafür zu zahlen oder sich dafür Werbung schicken zu lassen. Nicht nur bei der absichtlichen Datenerzeugung, auch beim Datenkonsum dürfte Ermüdung einsetzen.

II. Strukturieren und Wegschmeißen

Daten werden interessant, wenn sie ausgewertet und für den Nutzer aufbereitet werden. Sie werden dadurch in einen Bedeutungszusammenhang gestellt und können -- in einem angemessen weiten Sinne von Informativität -- informativ wirken: Vgl. z.B. die Werke von Hans-Peter Feldmann (http://members.magnet.at/springerin/d/springer_39/springer_38_507.htm) oder diesen Ausstellungshinweis von tlr. Irgendwie gesammelte aber nicht geordnete Daten sind uninteressant und uninformativ.

Die aufbereiteten Daten sollen überschaubar sein. Ist die Menge aufbereiteter Daten zu groß ist, verliert sie ihre Informativität. Der Produzent und/ oder der Rezipient müssen sich auf einen Teilbereich der Daten konzentrieren und den Rest wegschmeißen, respektive ignorieren. Die Pointe des Teilbereichs sollte sich nicht erst aus dem unüberschaubaren Ganzen ergeben.

Konfrontiere einen möglichen Rezipienten mit einem unüberschaubar großen Datensatz: Er wird hier und da reingucken, insgesamt wenig Interesse entwickeln und wahrscheinlich den ganzen Datensatz für uninteressant halten. Konfrontiere den Rezipienten mit irgendeinem aufbereiteten Datensatz von geringem Umfang: Er wird die Daten vollständig rezipieren und wahrscheinlich für interessant (nicht uninteressant) halten. Das Ergebnis dürfte nur wenig mit der Bedeutung der Daten zu tun haben: Ein Datensatz zu einem beliebigen Thema kann als interessant rezipiert werden, wenn er überschaubar ist. Was weggeschmissen wird, ist uninteressant. Wenn nur wenig aufbewahrt wird, dann ist das Aufbewahrte interessant. Es ist zu vernachlässigen, nach welchen Kriterien weggeschmissen wird (vgl. Korrespondenz 83c). Derjenige, der die Daten auswählt, bestimmt allein, was interessant ist.
Funktionieren Tageszeitungen und Archive anders?

III. Rauschen

Unüberschaubar große Datenmengen sind so gut wie weggeschmissene: Uninteressant, uninformativ, zu ignorieren. Nichtsdestotrotz hinterlegen manche Leute in diversen Weblogs Fotografien, deren wichtigster Zusammenhang darin besteht, dass sie mit einer bestimmten, einfachen Kamera erzeugt worden sind. Moblogger fotografieren mit ihren Mobiltelefonen, schicken die Fotos umgehend per MMS zu einem Log und veröffentlichen sie so (vgl. den diesbezüglichen Artikel (http://www.frieze.com/column_single.asp?c=176) in einer der letzten Ausgaben des Frieze-Kunstmagazins und http://www.moblogging.org).

Schritte zur Flucht von der Arbeit zum Tun (http://www.exargentina.org): Ausstellung großer Datenmenge, hier und da was lesen, diffuser Gesamteindruck: Globalisierung und Kapitalismus sind schuld, böse. Datensammlung als Jargon.

Das Reich der Zeichen: Schriften in Japan. Gesamteindrücke unabhängig von Lesbarkeit (auch für Japaner). Barthes.

Das Rauschen kann Form annehmen und Inhalt bekommen. Form und Inhalt haben mit den Ausgangsdaten nur noch bedingt etwas zu tun. Zuvorderst ästhetische Information entsteht als emergentes Phänomen aus dem Datenrauschen. Möglicherweise.