Freitag, 24. August 2012

Warum Soziale Netze funktionieren: Netzwerkeffekte Teil 3

1. High Performance Teams
2005 veröffentlichte Roger Guimera im Science Magazin eine Studie zur Team Performance in sozialen Netzwerken (http://www.sciencemag.org/content/308/5722/697.short/reply#sci_el_2089). Untersucht wurde dabei wie sich die Zusammensatzung der Teammitglieder bestehend aus Neulingen sowie Experten. Bei letzteren wurde nochmals unterschieden, ob diese bereits schon einmal zusammengearbeitet hatten, oder noch nicht. Als Ergebnis stellte sich heraus, dass der Einsatz von Experten insgesamt zu einer besseren Vernetzung der Organisation führte. Begründet dadurch, dass Experten bereits im Vorfeld schon mit vielen Menschen zusammengearbeitet haben. Der Effekt trat dann ein, wenn mind. 60% der Teammitglieder aus Experten bestand.
Außerdem ließ sich feststellen,

Montag, 6. August 2012

Netzwerkeffekte - Teil 2

Zu den Netzwerkeffekten zählen unter anderem:

-           „Kleine-Welt-Effekt“ und schwache Verbindungen
-            Ausfallsicherheit, Robustheit und Ultrarobustheit
-            Bevorzugte Anlagerung
-            High Performance Teams
-            Phasenübergang
-            Unsichtbare Schulen


Kleine-Welt-Effekt und schwache Verbindungen
Bereits 1967 durch Stanley Milgram geprägt, setzte sich vor allem Duncan J. Watts mit dem Phänomen des „small-world-effects“ auseinander. Dieser Effekt beschreibt innerhalb sozialer Vernetzungen den hohen Grad abkürzender Wege durch persönliche Beziehungen. Nach der Hypothese ist jeder Mensch weltweit mit jedem anderen über lediglich 6 Zwischenverbindungen vernetzt. Auf soziale Netzwerke übertragen bedeutet das, dass die Freunde einer Person meistens auch untereinander bekannt sind, da sie sich über den gemeinsamen Freund kennen gelernt haben (Transitivitätsprinzip). Mathematisch wird diese Tatsache über den Clustering-Koeffizienten beschrieben, der für Kleine-Welt-Netzwerke durchschnittlich sehr hoch ist. Clusterungen entstehen aber oft auch aus regionaler Nähe oder durch gemeinsame Interessen, wie sie aus dem Anlegen von persönlichen Profilen sinnvoll ergeben können.
Die Kernidee des Kleine-Welt-Effektes ist es also, einzelne Cluster durch Abkürzungen (weak ties) miteinander zu verbinden.

Nach Untersuchungen des amerikanischen Soziologen Mark Granovertter sind insbesondere diese schwachen Verbindungen (weak ties) für den ökonomischen Erfolg eines Unternehmens bedeutsam, da über die schwachen Verbindungen neue oder andersartige Informationen transportiert würden. Wohingegen die Informationen aus dem direkten Freundeskreis wenig variieren. In den Nutzerprofilen werden „kurze Verbindungen“ sicht- und damit für andere Nutzer auch nutzbar.

Für den Einsatz von Social Software im Unternehmen bedeutet dies, je stärker die Vernetzung über einzelne Unternehmensbereiche und Hierarchien verteilt ist, desto lebensfähiger wird das gesamte Netzwerk mit seinem Informationsfluss. Basis dafür ist die Möglichkeit sich mit anderen Nutzern Verbindungen eingehen zu können und die Angaben zu Verbindungen in den Nutzerprofilen. Unterstützt wird dieser Effekt durch soziale Vernetzung, Expertenprofile, Activity Stream und Social Intelligence

Ausfallsicherheit, Robustheit und Ultrarobustheit
Netzwerke unterliegen Veränderungen. Knoten können ebenso schnell entstehen wie auseinanderbrechen. Zerfällt ein Knoten kommt der Informationsfluss an dieser Stelle zum erliegen. Netzwerke werden zunehmen ausfallsicherer je stärker die Verbindungen über Hierarchie- und Gruppengrenzen hinweg sind. Bestehen von der Geschäftsführung direkte Kontakte zu den Mitarbeitern und Mitarbeiterinnen (multiskalierende Netzwerke), dann kann durchaus eine Verbindung von der Geschäftsführung über die Führungskräfte der mittleren Führungsebene zur Mannschaft ausfallen, ohne das die Information zum erliegen kommt. Das heißt Sie funktionieren weiter. Hier wird von der „Robustheit“ eines Netzwerkes gesprochen. Insbesondere Dodds, Sabel und Watts[1]  haben dieses Phänomen untersucht. Dabei haben sie festgestellt, dass Netzwerke mit vielzähligen hierarchie- und gruppenübergreifenden Vernetzungen sowohl einen Informationsoverflow an einer Verbindung als auch den Wegfall einer Verbindung  unbeschadet überstehen. Diese Form der Netzwerke wird als „ultrarobust“ bezeichnet.

Für den Einsatz von Social Software im Unternehmen bedeutet dies, je stärker die Vernetzung über einzelne Unternehmensbereiche und Hierarchien verteilt sind, desto lebensfähiger wird das gesamte Netzwerk mit seinem Informationsfluss. Unterstützt wird dieser Effekt durch soziale Vernetzung, Wikis, Activity Stream und Social Intelligence. 

Bevorzugte Anlagerung
Warum wird in der Blogosphäre immer wieder auf die gleichen Blogger Bezug genommen? Warum werden in Twitter die Tweets retweetet, die ohnehin schon ständig im Fluss sind? Dieses Phänomen wird als „bevorzugte Anlagerung“ bezeichnet. In sozialen Netzwerken führt dieser Effekt dazu, dass einige wenige Knoten sehr viele Verbindungen nach Außen und damit einen hohen Grad der Vernetzung und damit auch an Einfluss haben. Von besonderer Bedeutung dabei ist, dass Netzwerknutzer dabei relevante Inhalte erstellen und damit einen hohen Wert für das Netzwerk erzeugen. 

Für den Einsatz von Social Software im Unternehmen bedeutet dies, dass Experten durch Fachblogs oder durch Mikroblogging Werte für das Unternehmen erstellen. Durch „bevorzugte Anlagerung“ finden relevante Informationen Verbreitung, werden innerhalb der Vernetzung diskutiert, verbessert und stehen den vernetzen Nutzern zur Verfügung. Wissen fließt und wird nicht in Silos abgegrenzt angereichert. Unterstützt wird dieser Effekt durch soziale Vernetzung, Wikis, Blogs, Mikroblogging, Social Bookmarks, Activity Stream und Social Intelligence.


[1]
                        [1] Peter S. Dodds, Charles F. Sabel und Duncan J. Watts 2003: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC218789/


Teil 3 folgt in Kürze
Arnd Walendy
Seniorconsultant
Social Media- / Social Business Consulting
http://www.social-media-consulting.eu
http://social-business-consulting.blogspot.de/




Netzwerkeffekte - Einführung


Um den Nutzen von Social Software besser verstehen zu können, ist es hilfreich einen Blick auf Wirkprinzipien in Netzwerken zu werfen. Der Begriff „Netzwerk“ wird dabei in wissenschaftlichen Untersuchungen durchaus interdisziplinär verstanden. Er kann sich sowohl auf technische, biologische, Informations- oder auch soziale Netzwerke beziehen. 

Inspiriert wurden viele Untersuchungen durch den Psychologen Stanley Milgram, dessen Forschungsergebnisse bereits auf das Jahr 1967 zurückgehen. Bekannt geworden sind einige Ergebnisse unter der Bezeichnung des „Milgram-Experiments“[1].


Wissenschaftler unterschiedlichster Disziplinen haben seit dem versucht Formeln für die Gesetzmäßigkeiten und Werte eines Netzwerkes zu erstellen. Allgemeine Verbreitung fanden die Formeln  von R. Metcalfe[2] (Erfinder des Ethernets), A. Odlyzko[3] (amerik. Mathematikprofessor) und David P. Reed (Professor am MIT). Reed versuchte mit seinem als  „Reeds-Law“[4] bekannt gewordenen Formel 2001 darzustellen, welches Potenzial Verbindungen innerhalb eines sozialen Netzwerkes haben. Seine Kernaussage ist, dass der Nutzen sozialer Netzwerke mit jedem weiteren Nutzer exponentiell zunehmen kann. Dabei berücksichtigte er allerdings nicht, dass ein Nutzer nur eine endliche Menge Kontakte tatsächlich bewältigen kann. Diese Menge wird in der Literatur als Dunbars-Number beschrieben. Robin Dunbar, Leiter des Institute of Cognitive and Evolutionary Anthropology an der University of Oxford, beschrieb in seinen Studien, dass die max. Anzahl handelbarer Kontakte bei 150 liegt. Interessanter Weise deckt sich dies nahezu mit Untersuchungen bei Facebook, nach deren Aussagen ein Facebook-Nutzer durchschnittlich 130 Kontakte hat.[5]

Arnd Walendy
Seniorconsultant
Social Media- / Social Business Consulting
http://www.social-media-consulting.eu
http://social-business-consulting.blogspot.de/


[1]
                        [1] Milgram, Stanley: Milgram-Experiments in http://de.wikipedia.org/wiki/Milgram-Experiment, Stand 14.07.2012

[2]
                        [2] Metcalfe´s Law: http://en.wikipedia.org/wiki/Metcalfe's_law, Stand 14.07.2012

[3]
                        [3] Homepage A. Odlyzko: http://www.dtc.umn.edu/~odlyzko/, Stand 14.07.2012

[4]
                        [4] Reeds Law: http://www.reed.com/dpr/locus/gfn/reedslaw.html, Stand 14.07.2012

[5]
                        [5] Allfacebook.de: http://allfacebook.de/zahlen_fakten/facebook-infografik-und-statistiken