Das braucht kein Schwein

Adaption von Innovationen
Dr. Sasha Göbbels
http://slides.technologyscout.net/dbks/

Worum gehts?

WOW, IST DAS COOL!!11elf

Das braucht doch kein Mensch.

Und wozu das gut sein soll, weiß ich auch nicht!

Grundlage: Soziologie

Soziologie erforscht alle Aspekte des sozialen Zusammenlebens der Menschen in Gemeinschaften und Gesellschaften
Quelle: Internet

Everett Rogers

Diffusion of innovations, 1962

Henrik Vejlgaard

Anatomy of a trend, 2007

Marketing: Geoffrey Moore

Crossing the chasm

Klassifizierung von Innovationen

  • Ablauf der Innovation: kontinuierlich vs. disruptiv
  • Ebenen der Entscheidung: kaufmännisch vs. kulturell
  • Erwartungen der Akteure: Visionäre vs. Pragmatiker

Schade: fast nie "reine" Formen!

Mechanismus der Adaption

Klassischer Ansatz

  • Einzelpersonen entscheiden sich unabhängig
  • Entscheidung nach Abwägung der Vor- und Nachteile
  • cost-of-change

Disruptive Innovationen

Marketing: Geoffrey Moore ↝

  • Änderung der Kommunikation an der Lücke:
    • Links/Vorher (Visionäre): Coolness und Potential
    • Rechts/Nachher (Pragmatiker): Narrative über praktischen Einsatz
  • Zielmärkte definieren
  • Ein Segment als Sprungbrett für das nächste

Mechanismus der Adaption

Kritik an der kontinuierlichen Theorie

  • Der unabhängige Entscheidungsprozeß kann niemals zu einer "S-Kurve" führen
  • Es entstehen "R-Kurven"
  • Kombination zweier Mechanismen erzeugt eine S-Kurve:
    • individuelle cost-of-change/benefit-Abwägung
    • "biased transmission"

Wozu das alles?

  • Technische Innovationen wie Wearables sind disruptiv
  • Das Verhalten mancher Menschen wirkt auf andere sonderbar. Warum?
  • Wie kann man verstehen, wie disruptive Innovationen eine Population erobern oder eben nicht?
  • Kann man das Verständnis der Vorgänge nutzen?

Was hat das mit IT zu tun?

  • Beobachten, was passiert
  • Modelle für Mechanismen werden abgeleitet
  • Wie überprüft man so ein Modell?
Man simuliert es! Laßt die Soziologen nicht damit alleine!

Simulation durch zelluläre Automaten

Robert Axelrod, 1997

Robert Axelrod entwickelte 1997 ein System, bestehend aus einem Netz zellulärer Automaten, die eine Popuplation simulieren. Jedes Individuum hat dabei einen Satz Eigenschaften (Features), ausgedrückt als Tupel/Vektor von Zahlen. Durch Interaktion übernehmen Individuen Features ihrer Nachbarn.

Axelrod Modell

Algorithmus

  1. Lege ein Feld aus Individuen (z.B. 50×50) an und besetzt die Features
  2. Wähle eines per Zufall aus
  3. Wähle einen zufälligen Nachbarn (N,S,O,W)
  4. Bestimme ihre Ähnlichkeit, daraus die Wahrscheinlichkeit einer Interaktion
  5. Falls wahrscheinlich: übernehme ein zufälliges Feature des Nachbarn
  6. Zurück zu 2. so oft man möchte

Axelrod Modell

Mögliche Endzustände

  • Komplette Homogenität, alle Individuen sind gleich
  • Wenige große Flächen, sog. cultural domains
  • Komplettes Chaos

Axelrod Modell

Größe: 30×30, Anzahl Features: 3, max. Wert: 6, Threshold: 0,1, 100.000 Iterationen
Built with p5.js

Axelrod Model

Variationen

  • Abstoßung bei wenig Übereinstimmung:
    ein Feature, daß beide Individuen gemeinsam haben, wird geändert
  • Zusätzlicher Einfluß:
    • Massenmedien
    • soziale Netze
    • biased transmission
    • long-range Wechselwirkung (Small World Model, Jon Kleinberg)

Literatur