|
|
> found-in-space > konzept |
|
Menschen beherrschen komplexe Sachverhalte indem sie Wissen in kognitive Modelle verwandeln und speichern. Problematisch ist
oft die Interpretation des gesamten Zusammenhangs sowie die gezielte und rasche Weitergabe von Wissen. |
1. Problembereich |
Menschen beherrschen komplexe Sachverhalte, indem sie das Wissen über diese Sachverhalte in kognitive Modelle verwandeln und speichern. Diese Modellbildung muss durch Lernen und Verstehen individuell von jedem Lernenden geleistet werden – entweder am Sachverhalt selbst, oder mit Hilfe von unterstützenden Medien. |
1.1 Teilproblem: |
Die Interpretation des gesamten Zusammenhangs in einem umfangreichen oder komplexen Netz gelingt oft nur Experten, deren kognitives Modell für sie selbst leicht zugänglich ist. |
Interpretation komplexer Daten |
Für Novizen in komplexen Sachverhalten ist die ganzheitliche Interpretation oft unmöglich. Erklärungen hierfür liefert die
kognitive Psychologie. Die Bildung von Bedeutungseinheiten ist auch unter dem Begriff „Chunking“ bekannt geworden: Die magische
Zahl 7, plusminus 2 [Miller56]. Aus didaktischer Sicht stellt sich die Frage, welche Medien das Chunking unterstützen können. Aus organisatorischer und wirtschaftlicher Sicht lautet die Fragestellung: wie kann „Kopfwissen“ möglichst effektiv und effizient an andere Wissensträger vermittelt werden? Hierzu liefern das Grafik-Design und das Informations-Design zahlreiche Ansätze: Texte, Tabellen, Diagramme, Karten, Bilder, … |
1.2 Teilproblem: Vermittlung agiler Daten |
Das Teilproblem 1.1 kann in vielen Fällen durch die manuelle Anwendung von geeigneten Gestaltungstechniken gelöst werden.
Landkarten und Stammbäume mögen hierzu Anwendungsbeispiele sein. Aus ökonomischen Gründen verhindern sehr „agile“ Daten (deren semantische Zusammensetzung sich rasch ändert) oft die manuelle Gestaltung eines geeigneten Mediums. Organigramme oder technische Dokumentation von dynamischen Umgebungen sind allzu häufig Beispiele für dieses Teilproblem. Weitere Beispiele könnten sein: Produktdaten-Management (PDM), Risikomanagement und Fehlermöglichkeitseinfluss-Analysen (FMEA). |
1.3 Sonderfall: komplexe und gleichzeitig agile Daten |
Paradoxerweise sind die Kosten für die Erstellung eines (manuellen) Übersichtsdokumentes aber genau dort unakzeptabel hoch, wo die Übersicht am Dringendsten benötigt würde: bei Daten, die sowohl komplex sind und gleichzeitig raschen Änderungen unterworfen sind. Willkürlich ausgewählte Beispiele für die Kategorie von Daten könnten sein: Customer Relationship Management (CRM), IT-Service-Management (ITSM), Geschäftsprozess-Management (GPM), IT-Architektur. |
2. Lösungsansatz |
Ein geeignetes Medium beschleunigt den Aufbau eines kognitiven Modells bei seinem (neuen) Betrachter. |
2.1 Wirtschaftlichkeit |
Wirtschaftlichkeitspostulat für das Auto-Layout:
Wenn die „Kosten“ für das Anfertigen eines didaktisch nützlichen Mediums minimiert werden, so kann der Einsatz medialer Unterstützung für Interpretation und Transport von semantischen Netzen maximiert werden. |
Beispiel |
Wenn die manuelle Erstellung eines aktuellen Netzwerkdiagramms 4 Stunden dauert, dann wird man sich diesen Aufwand sich nicht
täglich leisten — vielleicht monatlich oder seltener. Entsprechend wenig Verwendung wird dieses Diagramm finden, da es fast
immer veraltet sein wird. Wenn ein brauchbares Diagramm aber praktisch vollautomatisch und damit kostenlos generiert wird, z.B. auf Basis der vorhandenen Konfigurationsdaten, dann wird dieser Überblick für jede Art von Aufgabe rund um das Netzwerk intensiv genutzt werden. |
2.2 Menschen sehen 3-D |
Menschen sind räumlich wahrnehmende Wesen.
Aufgrund unserer biologischen Entwicklungsgeschichte sind Menschen gewohnt, ihre Umwelt (und damit Wissen) überwiegend räumlich und visuell wahrzunehmen. Die räumliche Präsentation von Wissen erleichtert dessen Aufnahme beim Betrachter. Es gilt buchstäblich die Metapher vom be-greifen. |
|
|
An Computer-Arbeitsplätzen bietet die 3-dimensionale Darstellung von Modellen zusätzlich die Möglichkeit der räumlichen „Interaktion“ oder „Manipulation“: das Modell kann vom Betrachter gedreht werden. Diese räumliche Manipulation bietet zusätzliche Freiheitsgrade, welche die geringe optische Auflösung von Computer-Terminals (im Vergleich mit Printmedien) innerhalb gewisser Grenzen kompensieren können. |
|
|
Usability-Tests belegen, dass Modelle mit einigen Tausend Details in der Regel leicht von Betrachtern aufgenommen und verstanden werden. Vergleichbare Modelle als 2-dimensionale Varianten sind in der Regel nicht auf Computer-Terminals darstellbar und benötigen in der Regel großformatige Printmedien. |
2.3 Semantisches Netz = Graph |
Semantische Netze sind Graphen im mathematischen Sinn. Semantische Netze von verknüpftem Wissen lassen sich mit den Methoden der Graphentheorie beschreiben [Wiki-GrT]. Sie bestehen aus „Knoten“ von Bedeutung, welche durch „Kanten“ in Beziehung gesetzt werden. |
Abbildung 1: einfacher Graph |
Abbildung 1: Beispiel für einen einfachen Graph |
vom Graph zum Raum |
Graphen können in räumliche Strukturen überführt werden. Vermutlich besitzen die meisten Knoten in semantischen Netzen über keine eigene, natürliche Information über ihre räumliche Anordnung. Sicherlich gilt das z.B. für Organigramme, Softwarepläne oder Ishikawa-Diagramme (Ursache-Wirkungs-Beziehungen, [Wiki-Ish]). Es ist generell immer möglich, räumliche Informationen zu den Knoten jedes Graphen – und damit auch zu semantischen Netzen – hinzuzufügen. Diesen Vorgang bezeichne ich als „künstliche Gestaltbildung“ (oder synthetische Morphogenese), in Anlehnung an vergleichbare Abläufe (z.B. Zellwachstum) in der Natur [Wiki-Mo]. |
Abbildungen 2-5: Gestaltbildung |
   
Abbildungen 2-5: Gestaltbildung in einem semantischen Netz von 150 Knoten [Co-So] |
Zwei Grundprinzipien |
Die zwei Grundprinzipien der künstlichen Gestaltbildung lauten: 1. Alle Knoten stoßen sich ab 2. Kanten halten ihre benachbarten Knoten zusammen Nach dem ersten Prinzip würden alle Knoten auseinanderdriften, was vom zweiten Prinzip lokal verhindert wird. Durch Anwendung von beiden Prinzipien in mehreren Iterationen auf einen beliebigen Graphen ergibt sich früher oder später eine relativ stabile Gestalt. In der Literatur wird eine solche Methode „kräftebasiertes Graphzeichnen“ (force-directed layout) genannt [Wiki-GrZ]. |
3. Vorteile der Gestaltbildung |
Zusätzliche Information zu generieren um komplexe Daten verständlicher zu machen mag auf den ersten Blick unplausibel erscheinen. Es ergeben sich jedoch so gravierende Vorteile, dass sich der Einsatz von künstlicher Gestaltbildung in einigen Bereichen (komplexe, agile Netze) sehr wohl anbietet: • Unterstützung der räumlichen Wahrnehmung • Navigierbarkeit des Informationsmodells • Eliminierung von manuellem Gestaltungsaufwand Auf diese Weise können die oben geschilderten Teilprobleme für einige Anwendungsbereiche ideal gelöst werden: |
3.1 Lösung für Teilproblem: Interpretation komplexer Daten |
Beliebig komplexe Daten lassen sich ohne manuellen Aufwand und daher zu minimalen Kosten visualisieren. Vom räumlich visualisierten
Modell können Experten wie auch Novizen Ihre kognitiven Denkmodelle effektiver und effizienter ableiten. Betrachter können
die Daten schneller auffassen als das ohne Visualisierung der Fall wäre. Außerdem gewährt das räumliche Modell geometrische
Erkenntnisse (zentrale Einheiten / marginale Einheiten), denen oft auch eine entsprechende fachliche Bedeutung zugemessen
werden kann. Je umfangreicher dabei das betrachtete semantische Netz, umso erheblicher ist die Kosteneinsparung durch den Einsatz von automatischem Layout. |
3.2 Lösung für Teilproblem: Vermittlung agiler Daten |
In sehr agilen Fachbereichen ist die Erstellung von manuellen Übersichtsdokumenten oft gar nicht mehr möglich. Die Vermittlung von Wissen zu Zwecken von Einlernen, Übergaben und Stellvertretungen profitiert hier besonders vom „kostenlosen“ und sofortigen Auto-Layout. Automatisch angeordnete, räumliche Modelle sind jederzeit verfügbar und repräsentieren stets den aktuellen Datenbestand. |
4. Praxiseinsatz |
Anwendungsmöglichkeiten für die hier geschilderten Techniken sind fast unbegrenzt.
Die Firma Continental Software setzt „Found in Space“ zur Visualisierung von CMDB-Inhalten
sowie in der Software-Architektur ein.
Studien haben auch den Einsatz im Customer-Relationship-Management (CRM), bei Inhalten in Content Management Systemen (CMS) sowie für FMEA-Daten positiv belegt. |
5. Literatur |
[Miller56] Miller, G. A.: The magical number seven, plus or minus two: Some limits on our capacity for processing information.
Psychological Review 63, 1956, S. 81-97. [Tufte06] Edward Rolf Tufte: Beautiful Evidence. Graphics Press, 2006 [Wiki-GrT] http://de.wikipedia.org/wiki/Graphentheorie [Wiki-Ish] http://de.wikipedia.org/wiki/Ishikawa-Diagramm [Wiki-Mo] http://de.wikipedia.org/wiki/Morphogenese [Wiki-GrZ] http://de.wikipedia.org/wiki/Graphzeichnen [Co-So] http://continentalsoftware.com/found-in-space/ |
Kontakt zum Experten |
Wenn Sie komplexe Daten aus Ihrem eigenen Bereich visualisieren und analysieren wollen, dann sprechen Sie bitte einfach den Autor an: Boran Gögetap. |