Switch branches/tags
Nothing to show
Find file History
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
..
Failed to load latest commit information.
application.windows64
assets
build-tmp
README.md
in_and_out_beta2.pde

README.md

Die Maschine rechnet, der Mensch entscheidet

Anne Poggenpohl & Aljoscha Nimz

image

“Wer ist schon ‘Ich’? Wer ‘Wir’? Das Problem beschäftigt die Menschheit seit tausenden von Jahren. Ein Computer, der es lösen wollte, sähe sich gezwungen, eine Gleichung zu bilden, die gegen unendlich geht. Wer bist du?, bedeutet für ihn: Wie viele Anwendungen laufen in dieser Sekunde in deinem Innern? – Wenn er darauf antwortete mit der Zahl X, so fügte der Vorgang des Antwortens der Summe einen weiteren Prozess hinzu, so dass sie lauten müsste: X plus eins, und seine Antwort wäre falsch. Würde er dies erkennen und versuchen, sich zu korrigieren, und sagte: X plus eins, so wäre die Summe Bereits X plus zwei, und so ginge es weiter, und der Computer stürzte ab, zerschellend an der liegenden acht, unfähig zu sagen wer er sei. Der Mensch unterscheidet sich vom Rechner durch die Fähigkeit zur Schlamperei, durch seine Begabung, ein Problem zu übergehen, wenn er instinktiv erkennt, dass er es mit der Unendlichkeit aufzunehmen hätte.” (Spieltrieb, Juli Zeh, 2004, S. 8)

Die Maschine kann theoretisch mit komplexen Datenmengen operieren und verfügt somit über vielschichtige Informationen, welche gesagt werden könnten. Der Mensch hingegen ist in seinen Sinneskapazitäten begrenzt. Der Mensch abstrahiert, lateinisch für Ab-, wegziehen, und selektiert, um Informationen besser zu verstehen und ist damit verantwortlich, was gesagt wird.

Das bewusste Abstrahieren beziehungsweise Ausblenden von Informationen führt dazu, dass Verknüpfungen, Beziehungen und Sachzusammenhänge weggelassen werden. In diesem Selektionsprozess trifft der Mensch bewusst und unbewusst Entscheidungen die ein Ergebnis in enormem Umfang verändern können.

Welche Konsequenzen hat der größer werdende Interpretationsspielraum von Betrachterinnen und Betrachtern durch eine verstärkte Abstraktion? Erst durch eine visuelle Unterstützung von statistischen Zahlen, werden Informationen dauerhaft in unserem Gehirn verankert. Es stellt sich dabei die Frage: Warum können Daten nicht in jeder visuellen Erscheinungsform gleich gut entziffert werden? Und kann man eine Abstraktion von Daten eigentlich rückgängig machen? Kann man theoretisch in Daten und ihre Visualisierung rein und raus zoomen, um einen Fokus zu setzen, aber gleichzeitig den ganzheitlichen Blick nicht zu verlieren?

Im Folgenden sind keine eindeutigen Antworten zu erwarten, sondern viel mehr eine Annäherung und die Beleuchtung der Fragen aus unterschiedlichen Perspektiven.

1. Warum eigentlich Visualisieren? Chancen der Datenvisualisierung

Visualisierungen als Vermittlungsfunktion Designerinnen und Designer unterstützen durch ihre Kompetenzen die visuelle Darstellung immaterieller Inhalte; beispielsweise wissenschaftlicher Erkenntnisse. Design in der Vermittlungsfunktion ist auch bei der Datenvisualisierungen zu treffend. Durch die visuelle Aufbereitung von statistischen Datenmengen, wird der Inhalt häufig erst verständlich. Zahlen, Fakten und Datenmengen werden in Bilder oder Informationsgrafiken übersetzte. Folgt man den 10 Gesetzen John Maedas, welche helfen, komplexe Sachverhalte einfacher darzustellen, so ermöglicht die Vereinfachung und Visualisierung ein Gefühl von Kontrolle, Vertrauen und Durchschaubarkeit. Der Statistiker Nathan Yau bestätigt diese These mit seiner Aussage: “Visualization will be essential in making the data more accessible.”

Bilder bleiben länger im Kopf als Zahlen Die visuelle Wahrnehmung ist die komplexeste und am höchsten entwickelte Sinnesmodalität. In Sekundenbruchteilen erreicht ein äußeres Bild durch ein dichtes Nervengeflecht an Sehzellen unser Bewusstsein, das uns wie eine naturgetreue Abbildung der Darstellung erscheint, tatsächlich aber ein neuronales Konstrukt ist und unsere ganz persönliche und subjektive Sicht auf die Dinge ist. Konkret bedeutet das für die Wahrnehmung von Zahlen und Bildern: Die rechte Gehirnhälfte verarbeitet Bildwelten, die Linke hingegen ist eher rechnerisch veranlagt. Betrachtet man nun Infografiken oder Datenvisualisierungen, so werden Zahlen gezielt grafisch unterstützt und folglich beide Gehirnhälften aktiviert. Betrachterinnen und Betrachter können so den Inhalt deutlich schneller verstehen. Des Weiteren werden durch die Aktivierung beider Gehirnhälften das Erinnerungsvermögen gestärkt und die dargestellten Informationen können sich besser gemerkt werden.

Zielgruppenunabhängige Informationdarstellung Eine grafische Aufbereitung von Daten zielt außerdem auf die, von Gui Bonsiepe 1964 im Zusammenhang mit der HfG Ulm definierte, kommunikative Funktion von Design ab. Die Informationen werden verschiedenen Zielgruppen zugänglich und verständlich gemacht. Anhand eines Beispiels bedeutet das: Ingenieure erfassen tabellarisch monatlich die Erträge von 100 solarthermischen Anlagen. Diese Tabelle ist für Laien nicht zu verstehen. Werden diese Daten nun jedoch in Form von Balkendiagrammen mit Benchmarks und Farbcodierung aufbereitet, sind die Ergebnisse auch für Laien intuitiv verständlich. Nummern und Zahlen verwandeln sich damit in Informationen.

2. Was bedeutet das für Designerinnen und Designer?

In der heutigen audiovisuell geprägten Gesellschaft besitzen Bilder eine große Macht. Designerinnen und Designer treffen bei der Datenvisualisierung elementare Entscheidungen während des Designprozesses. Ausgangspunkt ist dabei die Frage nach der Zielsetzung der Darstellung: Geht es um eine individuelle Entdeckung von Daten? Geht es um die Präsentation einer Geschichte oder darum, eine Sichtweise der Redaktion oder ähnlichen deutlich zu machen? Oder soll es möglicherweise um eine wertfreie und vermeintlich objektive Repräsentation der Daten gehen?

Eine Visualisierung oder Infografik verfolgt das übergeordnete Ziel, ein Thema für Betrachterinnen und Betrachter zugänglich zu machen. Um eine aussagekräftige Grafik zu erzielen ist es notwendig Schwerpunkte zu setzen. Designerinnen und Designer bestimmen an dieser Stelle also welche Daten sie als relevant betrachten. Welche Einflussfaktoren und Beziehungen sind entscheidend für die Repräsentation und welche können entfallen? In diesem Moment liegt eine große Verantwortung der Gestalterinnen und Gestalter.

Verantwortungsbewusstsein bei der Darstellung von Werten und Präzision bei der Übersetzung von Daten in Grafiken ist unerlässlich. Eine weitere wichtige Entscheidung ist daher die Wahl der Darstellungstechnik. Ist es eine animierte illustrative und schon fast filmerische Darstellungsweise oder viel mehr ein klassiches Balken- oder Kreisdiagramm? Es gilt kritisch zu hinterfragen, ob die Darstellungsweise dem Darzustellenden gerecht wird.

Wie bereits eingehend angeführt ist zu beachten, dass eine unpräzise Visualisierung einen großen Interpretationsspielraum eröffnet. Interpretationen führen zu einer subjektiven und persönlichen Deutung oder Auslegung von Visualisierungen. Folgt man dem Gedanken Heinz von Försters gibt es natürlich immer den Einwand des Hermeneutischen Prinzips: »Es ist der Hörer und nicht der Sprecher, der die Bedeutung eines Satzes definiert, so kann man also nie eine Beschreibung so machen, dass sie eindeutig ist.«

Designerinnen und Designer sollten sich jedoch trotzdem der Konsequenz einer variierenden Perzeption aufgrund stark abstrahierten Visualisierungen bewusst sein und in den Gestaltungsprozess mit einbeziehen, da Infrografiken auch häufig eine Lenkungs- oder Handlungsabsicht inne wohnt.

3. Datensatz > Reduktion/Abstraktion > Visualisierung > Expansion > Zurück zum Ausgangspunkt?

Datensatz abstrahieren/reduzieren Im Sinne John Maedas führt »der einfachste Weg zur Einfachheit führt über durchdachtes Weglassen – die Reduktion«. Offensichtlich gibt es im Verarbeiten von Daten den Moment, an dem vermeintlich einhundertprozentige Wahrheit eher Verwirrung als Erkenntnis schafft. Der Computer gibt an diesem Punkt einfach technisch auf. Lässt man eine Maschine in eine echte Unendlichkeit laufen, hängt sie sich auf – stürzt ab.

Der Mensch hat Fähigkeiten entwickelt, Prozesse die zu komplex oder nicht greifbar erscheinen intuitiv zu vereinfachen. So ist es möglich zu interpretieren und sich selbst quasi unwahre Spielräume zu schaffen in denen eine eigene Realität funktioniert. Heinz von Förster erklärt dieses Phänomen anhand der unentscheidbaren Frage über die Entstehung des Universums: »Fragen Sie jemanden, wie das Universum geschaffen wurde: Sie erfahren nie, wie das Universum geschaffen wurde, aber Informationen, über den Beantwortenden, da es sich um eine prinzipiell unentscheidbare Frage handelt. Wir können prinzipiell unentscheidbare Fragen beantworten. Die Freiheit die wir haben, bei prinzipiell unentscheidbare Fragen, gibt uns die Verantwortung zurück, wenn wir eine Entscheidung fällen.«

Designte Reduktion rückgängig machen? Ein ähnliches Prinzip wird bei der Datenvisualisierung verfolgt. Gehen wir von einem hypothetischen maschinellen Datensatz aus der einhundertprozentig valide Daten beinhaltet, den aber niemand außer der Maschine hundertprozentig versteht. Um den Datensatz verständlich zu machen fangen wir an Teile davon zu visualisieren. Wenn wir etwas auf das vermeintlich Wesentliche reduzieren, lassen wir nur das übrig, was wir für wichtig halten. Im Bezug auf Datenvisualisierung entfernen wir uns dabei vollständig von einer theoretischen Wahrheit, da wir selbst in massiver Form in die Realität der vorhandenen Daten eingreifen. Wenn diese Parameter nach denen wir – Designer – bzw. Benutzer entscheiden, welchen Teil der Daten wir für relevant halten, messen könnten, wäre es dann möglich diesen Vorgang auch wieder rückgängig zu machen? Kann man designte Reduktion auch eine designte Expansion (expandere „ausdehnen“) entgegenstellen?

Wenn dies möglich wäre, könnte jede Visualisierung von Daten wieder zurück zu ihrer komplexen undurchschaubaren und ganzheitlichen Betrachtung zurück gerechnet werden. Es fordert in dem Fall Betrachterinnen und Betrachter auf, die Daten selbst zu verstehen, gibt aber auch erst die Chance, eine Visualisierung zu prüfen.

Beispiel: Wenn a der Faktor ist, nachdem Designerinnen oder Designer entscheiden welcher Teil der Daten reduziert bzw. abstrahiert werden muss um den für das Individuum relevanten Teil herauszustellen. X ist der Ursprüngliche Datensatz den wir nicht begreifen können. Dann ist die Datenvisualisierung (D) immer X – a. Wäre es nun möglich für einen Computer den scheinbar nicht messbaren Wert a zu berechnen, könnte mit der Formel D + a = X der ursprüngliche Datensatz wiederhergestellt werden.

Dieses Beispiel ist utopisch, da der Wert a nicht zu berechnen ist, da es sich um einen Faktor handelt der von diversen Einflüssen die auf das jeweilige Individuum wirken verändert werden kann. Selbst wenn es möglich wäre diesen Faktor zu berechnen, kann dies immer nur exakt in dem Moment der Zeit richtig berechnet werden in dem die Entscheidung der Reduktion durch den Beobachter stattfindet. Diese Tatsache sorgt zusätzlich dafür, dass es quasi unmöglich ist diesen Wert richtig zu berechnen, da es physikalisch unmöglich ist in einer gleichbleibenden Realität im selben Universum zu einem vergangenen Zeitpunkt unter exakt gleichen Vorraussetzungen zurückzukehren.

Das beschriebene Beispiel zeigt auf, dass eine Expansion, nach einer Reduktion, welche immer auch eine Selektion ist, zurück zum exakt gleichen Ursprung nicht mehr möglich ist sobald der schlampige Mensch Teil der Rechnung ist.

Wie weit ist jedoch die Maschine, welche in ihrer eigenen Realität stets exakt, jedoch nur so real wie ihr Erbauer ist, in der Lage eine Reduktion rückgängig zu machen? Welche Parameter kann die Maschine flexibel interpretieren und wie hoch liegt da eine potentielle Fehlerquote?

Diese Fragen können nicht beantwortet werden, jedoch zeigen Sie die Komplexität und Problematik der Datenvisualisierung auf. Fest steht, wie auch von Weizenbaum betont: Für den Großteil der Individuen bleiben die entscheidenden Vorgänge intransparent und diejenigen, Gestalter, Programmierer und Meinungsmachern obliegen einer besonderen Verantwortung.

Als Designerinnen und Designer könnte man daher überlegen, ob es sinnvoll wäre Betrachterinnen und Betrachter mittels einer zusätzlichen Grafik an dem Designprozess teilhaben zu lassen. Man könnte beispielsweise aufzeigen, wieso, wann, welche Reduktion der Daten vorgenommen wurde. Infografiken begeistern, ermöglichen einen Zugang zu komplexen Themen, jedoch sollten sie auch von Rezipientinnen und Rezipienten kritisch hinterfragt werden.

Wir können eintauchen, vergrößern und fokussieren in Datensätzen. Wir gehen einen Schritt näher, schärfen den Blick und verlieren dabei den Weitblick. Wir gelangen neue Erkenntnisse und legen einen Schwerpunkt. Wir werden nicht wieder zu dem ganzheitlichen Ausgangspunkt zurück kommen. Sachzusammenhänge und Beziehungen gehen verloren, Neue werden aufgezeigt. In der Datenvisualiserung befindet man sich in einer fortwährenden Spirale mit Vor- und Nachteilen, in der wir nur vermeintlich zum Ausgangspunkt zurückgelangen.

Literatur:

GEOkompakt: Unsere Sinne, Nr. 36 /2013 (u.a. S. 10)

Heinz von Foerster (1999), 2 x 2 = Grün Disc 1, 12.52 min

Heinz von Foerster (1999), Unentscheidbare Fragen, 2 x 2 = Grün Disc 1, 5.45 min

Spieltrieb: Roman, Juli Zeh, 2006, BTB München

The Laws of Simplicity / Die Gesetze der Einfachheit – John Maeda

Visual Complexity – Mapping Patterns of Information: Manuel Lima, Nathan Yau, S. 248

Visual Complexity – Mapping Patterns of Information by Manuel Lima, Marshall McLuhan, S. 245 ````