Wer die Zukunft kennt

Mann im Parkhaus

Que sera, sera... (Foto via Turkairo, Flickr, CC)

Da ich auf diesem Blog öfter mal gewagte Prognosen abgebe, wird es kaum jemanden überraschen, dass ich derzeit nebenbei gerade für ein Stück für meinen derzeitigen Auftraggeber zum Thema Zukunftsprognosen per Algorithmus recherchiere.

Mir geht es dabei konkret um die Vorhersage von menschlichem Verhalten. Je mehr ich mit beschäftige, desto mehr kommt es mir vor, als würde es keine wirkliche Kategorisierung für dieses Feld geben – was mir Informatiker auch bestätigt haben. Ich selbst habe drei Kategorien der Verhaltensvorhersage identifiziert.

1. Vorhersage von Problemlösungen anhand der Spieltheorie
(so wie es Bruce Bueno de Mesquita macht).
Beispiel: Wie sieht eine Lösung im Atomstreit mit dem Iran aus (Player, Motivationen und Zielkorridore sind bekannt, Spielrunde für Spielrunde wird durchberechnet, wie sich die Lage verändert).

2. Vorhersagen von Massenbewegungen
Beispiel: Anhand der Google-Suchanfragen wird der Grand-Prix-Sieger prophezeit (in eine ähnliche Richtung scheint wohl das Startup Recorded Future zu gehen, in das Google auch kräftig investiert hat).

3. Vorhersagen von individuellem Verhalten durch gezieltes Data-Mining
Beispiele: Korrelation zwischen Einkäufen und Scheidungsraten, Versuch der gezielten Konsumvorhersage durch Auswertung von Verhaltensprofilen in sozialen Netzwerken. Hier bin ich mir nicht sicher, ob und inwieweit das nur eine ausgeklügelte Variante dessen ist, was Marktforschung bereits seit jeher leistet – und welches Verhalten wirklich vorhersagbar ist.

Ich kann mir nicht vorstellen, dass diese Kategorien vollständig sind; zudem sind die Definitionen noch etwas unsauber. Deshalb wollte ich das Thema einfach mal in den Raum werfen und hoffe auf schlaue Beiträge und Leseempfehlungen in den Kommentaren.

6 Gedanken zu „Wer die Zukunft kennt“

  1. Vom Gefühl her würde ich sagen, dass zur Zeit noch die Analyse von sozialen Netzwerken an erster Stelle steht (SNA – social network analysis), um aus der Beobachtung im nächsten Schritt Zukunftsaussagen über Gruppenbewegungen wie auch über das Individuum selbst innerhalb der Gruppe abzuleiten. Data-Mining in der Mafo beschränkt sich nicht mehr auf reine Konsumvorhersagen, sondern versucht vielmehr Peer-Groups zu gewichten und Multiplikatoren und Opinion-Leader zu identifizieren, um die individualisierte Ansprache – in welcher Ausgestaltung auch immer – zu ermöglichen. Jeder (wirtschaftlichen) Fragestellung liegt ein Ziel (kurz-, mittel- oder langfristig) zugrunde, das spiegelt sich wieder in der Entscheidung zwischen „Zukunft gestalten“ und „auf Zukunftsprognosen reagieren“.

  2. Vielleicht hilft Dir die Unterscheidung zwischen qualitativen und quantitativen Ansaetzen weiter, die die Mafo in ihren Methoden vornimmt. Ist zwar nicht dasselbe, ließe sich aber folgendermassen uebertragen:

    Qualitativ = eher einzelfallorientiert, Suche nach Kausalbeziehungen; damit in Deiner Kategorisierung 1. Neben der Spieltheorie ist hier in der Mafo natürlich die direkte Befragung des Individuums von Bedeutung, aber auch mit den Einschraenkungen der Rationalisierung und sozialen Erwuenschtheit bestimmter direkter Aeusserungen behaftet. Eher in Deine Richtung ginge neben der Spieltheorie das große Thema Rollenspiel, mit dem ein Erleben von Zukunftsoptionen initiiert werden kann um Wahrscheinlichkeiten auszuloten.

    Quantitativ = nutzt die Macht der großen Zahlen und Statistik und ihre Klasse Eigenschaft, Ausreisser mit steigender Stichprobengroesse auszumitteln, kann aber nur eingeschränkt fuer sich reklamieren, echte Kausalitaeten nachzuweisen (eine Korrelation sagt nichts ueber die Richtung der Kausalitaet, Drittvariablen-Problem etc.). Darunter fielen 2. und 3., wobei Du hier in beiden Faellen Sekundaeranalysen nennst (Nachauswertung bestehender / auflaufender Daten, die nicht auf das Erkenntnisziel hin erhoben wurden; das macht das Unterstellen von Kausalitaeten u.U. nochmals schwieriger), in der Mafo sind Primaererhebungen deren Gegenpart.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.