Die Grundrichtung steht schon fest: Die drei grossen Themenfelder, die mich momentan am meisten interessieren und die ich als geeignet für eine Diplomarbeit halte, sind Social Software, Datenvisualisierung und E-Learning/Wissensmanagement.
Schwierig nur, von hier aus weiterzugehen und ein eingegrenztes, in dem vorgegebenen Zeitraum von drei Monaten realisierbares Thema herauszudestillieren. Irgendwie bin ich da momentan ein bisschen blockiert und mir fehlt die klare Sicht auf das, was machbar ist und was ich im Endeffekt tun sollte. Der Blog hilft mir, meine Gedanken zu bündeln und zu strukturieren. Hier deshalb nun eine Auflistung von drei Ideen, die mir, teils in Gesprächen, teils auch durch Recherchen, klar geworden sind — mit der Bitte um Kommentare und Anregungen. Vielleicht fällt euch ja spontan was dazu ein, auch wenn es ein lapidares „Idee X ist Schwachsinn“ ist.
Idee 1: Visualisierung von Trends, ähnlich wie „swarm“ auf labs.digg.com
Hier natürlich die Datenquelle von entscheidender Bedeutung. Digg hat ja seine eigenen Daten, bei der Blogosphäre wird es schon schwieriger. Technorati bietet aber eine API, mit der man Daten bekommen und interpretieren kann. Hier gibt es dazu ein schönes Beispiel, allerdings mit „privaten“ Daten. Weitere Möglichkeit wäre der Einsatz eines Bots oder einer Spider, die Verbindungen zwischen Blogs über Kommentare und Trackbacks sammelt.
Entscheidend ist auch die Zielgruppe und damit verbunden die Frage, ob es ein Tool für „jedermann“ oder für Spezialisten und Analysten werden soll. Danach richtet sich auch die Komplexität der Applikation. Ein Feedback war, dass Analysten im operativen Geschäft sehr auf „Zahlenkolonnen“ und auf Quantität fixiert sind, also recht konservativ mit dem Thema umgehen. Beim strategischen Management sieht es mit dem Informationsbedarf schon anders aus; hier ist Qualität und das Erkennen von Zusammenhängen gefragt.
Visualisiert werden könnten im Falle von Blogs Relationen zwischen Blogs und Blogusern, Posts und Kommentaren, wie gut ein Blog verlinkt ist, und, wenn sie auf irgendeine Weise semantisch codiert sind, die Häufigkeit und Relevanz von Tags auf einzelnen Blogs — was wiederum Aufschluss über hot topics gibt. Trends lassen sich über die Einbeziehung der zeitlichen Komponente erahnen. Man merkt schon jetzt: Je semantischer das Web wird, desto mehr Möglichkeiten der Datenauswertung und -visualisierung wird es geben.
Idee 2: gezielte Visualisierung von Teilaspekten
Eine Suchanfrage an das zu entwerfende System könnte so aussehen: „Zeige mir, welche Leute von dem einen Unternehmen X Leute aus dem anderen Unternehmen Y kennen“. Oder: „Stelle mit in Vorbereitung auf ein Meeting das Netzwerk von bestimmten Personen dar“.
Hintergrund: In vielen Social Networks gibt es einige wenige „Superknoten“, also Leute, die extrem vernetzt sind, und andererseitd viele Personen mit nur wenigen Kontakten. Das macht die Visualisierung und damit auch die Interpretation schwierig, da die „Superknoten“ die Darstellung zerstören. Viele gängige Visualisierungsbeispiele sind deshalb von den Daten her auf Schönheit getrimmt und weiger auf das Abbild der realen gegebenheiten in einem SNS (Social Networking System).
Wenn neben der semantischen Abfrage weitere Informationen hinzukommen, z.B. über die Skills der Mitarbeiter und deren Qualifikationen, wird so im Verbund mit Wissensmanagement in Unternehmen „tacit knowledge“ — das stille Wissen — sichtbar und managbar.
Idee 3: Patterns in Social Software
Die Frage, die hierbei zugrunde liegt, ist: Was sind die Meta-Elemente von Social Software? Gibt es Dinge, die sich wiederholen? Was kann man aus den Fehlern und Erfolgen von SNS lernen, und gibt es, wie beim Softwareentwurf, der Architektur oder der Usability Muster, die universell für die Erschaffung von Communities und SNS anwendbar sind?
Man sieht an der Natur dieser Ideen, dass es bei mir eher in die theoretische/wiisenschaftliche Ecke geht. Für mich wäre es durchaus auch reizvoll, ein SNS in der Nische, beispielsweise für karitative Verbände, zu konzipieren und auch prototypisch zu realisieren. Ich denke nur, dass es — gerade als MSDler — lohnenswert ist, auch mal bestimmte wissenschaftliche Fragestellungen zu behandeln.