Unsichtbares sichtbar machen

Transcription

Informationslandschaften sozialer Netzwerke und
Prozesse
Lothar Krempel
Max-Planck-Institut für Gesellschaftsforschung, Köln
krempel@mpifg.de
12. Juni 2008
Jahrestreffen Netzwerk Recherche
NDR Konferenz-Zentrum
Hamburg
13.Juni 2008
– Typeset by FoilTEX –
Informationsgesellschaft
• Spätestens mit dem Internet ist das Ausmaß zugänglicher Informationen dramatisch angestiegen
• Wie kann man mit diesen Informationen unsichtbare Zusammenhänge sichtbar
werden lassen ?
• Benötigt werden Informationstechnologien, die es erlauben vielfältige Informationen zu integrieren.
Lothar Krempel: .. sichtbar machen
I
Netzwerke
• Relationale Daten können heute dazu verwendet werden die durch Relationen verbundenen Objekte in mathematische Räume (Topologien) einzubetten, die über
Muster und besondere Stellungen bestimmter Objekte Auskunft geben.
• Damit können wir ähnlich wie die Kartographen früherer Jahrhunderte den geographischen Raum per Triangulation, heute soziale und semantische Räume aus der
Verbundenheit der Objekte rekonstruieren.
• Dies erlaubt es, die besonderen Handlungsmöglichkeiten von Akteuren und Kontexte ihres Handelns im Rahmen des so rekonstruierten Sozialsysteme näher zu
untersuchen.
II
Ja - Man kann soziale Räume vermessen !
III
Relationale Daten I
Kapitel III • Konzentration von Großunternehmen
209
Tabelle III.16:
Kapitalverflechtungen aus dem Kreis der „100 Größten“ 2002 und 20041
Beteiligungsunternehmen
Rang
Anteilseigner
Firma
2004 2002
Rang
Firma
2004 2002
1
2
Deutsche Telekom AG
2
3
Siemens AG
-
Kapitalanteil (%)
2004
100 Kreditanstalt für
Wiederaufbau
12,13
0
3
1
DaimlerChrysler AG
2002
12,13
10
19
Allianz AG
1,4
2,9
20
15
Münchener
RückversicherungsGesellschaft AG
2,5
2,5
3,9
5,4
13
12
Deutsche Bank AG
2,95
11,83
10
19
Allianz AG
2,95
18,368
35
40
Dr. Ing. h. c. F. Porsche
AG
6,538
4
4
Volkswagen AG
10,26
5
5
Deutsche Post AG
8
10
Bayerische Motoren
Werke AG
10
19
Allianz AG
9
8
RWE AG
10
19
Allianz AG
16
6
E.ON AG
1,9
20
15
Münchener
4,9
5,9
11,13
5,2
13
12
Deutsche Bank AG
20
15
Münchener
4,9
21,2
38
67
Bayerische Hypo- und
Vereinsbank AG
10
19
Allianz AG
10,26
-
100 Kreditanstalt für
Wiederaufbau
18,8
0
10
19
Allianz AG
5,2
2,23
5,2
4,33
6,9
3,44
4,6
4,9
12
13
17
12
BASF AG
Deutsche Bank AG
19
18,8
2,23
29,24
2,7
11,9
2,7
11,9
0
13,1
Allianz AG
13,1
IV
Relationale Daten 2: WM2002 Spieler Kroatien (HRV)
Spieler
Club
Spieler
Club
TOMISLAV B UTINA
Dinamo Zagreb
DARIO S IMIC
Inter Mailand
S TIPE P LETIKOSA
Hajduk Split
J OSIP S IMUNIC
Hertha BSC Berlin
V LADIMIR VASILJ
Croatia Zagreb
B ORIS Z IVKOVIC
Bayer Leverkusen
R OBERT J ARNI
Panathinaikos Athen
N IKO KOVAC
FC Bayern München
R OBERT KOVAC
FC Bayern München
R OBERT P ROSENICKI
FC Portsmouth
DANIEL S ARIC
Panathinaikos Athen
M ILAN R APAIC
Fenerbahce Istanbul
A NTHONY S ERIC
Hellas Verona
Z VONIMIR S OLDO
VfB Stuttgart
M ARIO S TANIC
Chelsea London
S TJEPAN TOMAS
Vicenza Calcio
J URICA V RANJES
Bayer Leverkusen
DAVOR V UGRINEC
US Lecce
B OSKO B ALABAN
Aston Villa
A LEN B OKSIC
FC Middlesbrough
I VICA O LIC
Croatia Zagreb
DAVOR S UKER
1860 München
V
Informationen, Daten, Relationen
• die Daten:
– Spieler von Land A —> spielt bei Verein X —> im Land B
• beschreiben Relationen zwischen verschiedenen Ländern:
– Land B <– beschäftigt Spieler aus — Land A
– Land A — exportiert Spieler nach —> Land B
• oder auch
– Verein X (in Land B) <– beschäftigt Spieler – aus Land A
VI
Informationstechnologie
VII
Moreno 1932
VIII
Was sind Netzwerke ?
• Netzwerke beschreiben Akteure und die zwischen diesen bestehenden Beziehungen.
• Mathematisch können solche Strukturen als Graph beschrieben werden.
• Ein Graph besteht aus :
– einer Anzahl von Einheiten (Knoten),
– die durch eine Menge von Beziehungen (Relationen, Kanten) verbunden sind.
IX
Beispiele von Netzwerken
8 Relationen zwischen sozialen Akteuren (Individuen, Organisationen, Nationen) die
in verschiedener Weise verbunden sein können (z.B. Freundschaft, Macht, Tausch)
8 Handelssysteme (Welthandel, nationale Ökonomien)
8 Verkehrssysteme (Eisenbahnen, Autobahnen)
8 Technische Systeme (Telephon, Computer)
8 Logische Netzwerke (Datenbanken, Hyperlinks, Internet)
X
Muster in Netzen: Verdichtungen
1
2
5
4
3
Abbildung 1: Verdichtungen
• Verdichtungen in Netzen verweisen auf enge Sozialbeziehungen
• Sie geben Hinweise auf wechselseitige Sozialisationprozesse und gemeinsame
Normen
XI
Muster in Netzen: lokale und globale Zentralität
9
6
5
1
4
7
8
10
2
11
13
12
14
3
17
15
16
Abbildung 2: lokale und globale Zentralität
• innerhalb des Gesamtsystems können Akteure global oder lokal zentral sein
• Gegenüber peripheren haben zentrale Akteure strategische Vorteile: sie erreichen
die meisten Personen des Systems auf sehr kurzen Wegen
XII
Muster in Netzen: Äquivalenzen, Positionen
3
4
10
5
9
2
1
6
8
7
Abbildung 3: äquivalente Positionen
• Gleichartige Verbindungen zu Dritten in Netzwerken definieren gleiche Positionen
• Inhaber gleicher Positionen stehen zueinander in Konkurrenz, sie haben Kontakte
zu identischen Dritten
XIII
Muster in Netzen: Prominenz, Status
12
11
10
9
1
2
3
4
5
6
7
8
Abbildung 4: Status
• Unterschiedliche Attraktivität generiert sozialen Status
• Prominente Akteure in Netzen fokussieren die Aufmerksamkeit vieler anderer Personen
XIV
Muster in Netzen: Reichweite, Range
1
2
3
4
5
6
7
8
Abbildung 5: Erreichbarkeit
• Je nach Stuktur eines Netzes können Akteure verschiedene Personen erreichen
• Die direkte Erreichbarkeit bestimmter Akteure kann strategische Vorteile bieten
XV
Muster in Netzen: Makler, soziale Unternehmer
1
4
6
2
5
3
10
7
8
9
Abbildung 6: Makler
• Positionen in denen Akteure tendentiell unverbundene Teilsysteme verbinden, ermöglichen strategisches und ökonomisches Handeln.
• Makler, bzw. soziale Unternehmer können erhebliche Gewinne aus ihren Vermittlungen zwischen Teilsystemen erzielen.
XVI
Warum Visualisierungen ?
• Die menschliche Sprache und unsere Schriftsprache sind sequentielle Medien.
– Ein Satz kann erst verstanden werden wenn alle Worte gelesen worden sind.
– Mathematische Formeln müssen schrittweise “Stück für Stück “ gelesen werden,
um ihre Bedeutung zu erschließen.
• Das graphische Zeichensystem hat demgegenüber eine größere Bandweite.
– Diese Bandbreite erlaubt es, verschiedene Informationen (Positionen, Größen,
Farben) gleichzeitig zu kommunizieren.
– Die Lage, Größe und Farbe verschiedener Einheiten können simultan gelesen
und beurteilt werden.
XVII
Graphische Zeichensprachen
• Bertin spricht in diesem Zusammenhang von der graphischen Semiologie.
• Um Daten mit graphischen Zeichen kommunizieren zu können, müssen die Daten
in geeigneter Weise graphisch übersetzt werden.
• Die graphische Kommunikation ist besonders effektiv, wenn bei der Übersetzung
von Informationen natürliche Ordnungen der menschlichen Wahrnehmung ausgenutzt werden.
XVIII
Bertin: Graphische Variablen
XIX
Arbeitsschritte der Netzwerkvisualisierung I
• Netze Ordnen: Ziel ist die Anordnung der Einheiten eines Graphen in einem Layout das leicht lesbar ist. Überlicherweise werden verbundene Einheiten in einem
Layout benachbart angeordnet. Dies erlaubt es, zusammenhängende Teilsysteme
in Strukturen zu identifizieren.
• Markierungen: Markiert man in den Layouts weitere Eigenschaften der Graphen
(das Ausmaß der Einbettung der Einheiten in die umgebende Struktur, die von den
Einheiten gebildeten Teilsysteme) dann werden Darstellungen von Netzen einfach
lesbar. Dazu müssen diese Eigenschaften mit Symbolen in das Layout übertragen
werden.
XX
Graphen Ordnen I
• Spring Embedder sind eine Gruppe von Algorithmen mit den Layouts von Graphen
erzeugt werden können, die oft intuitiv lesbar sind und dabei viele Eigenschaften
des zugrundeliegenden Graphen erhalten.
• Sie interpretieren die Relationen eines Graphen als mechanische Kräfte (Federn)
die die verbundenen Einheiten anziehen und kombinieren diese mit elektrischen
Feldern, die die einzelnen Knoten voneinander abstoßen.
XXI
Graphen Ordnen II
XXII
Arbeitsschritte der Netzwerkvisualisierung II
• Erklärungen: externe Informationen (Attribute), die zusätzlich für die Einheiten
eines Graphen oder aber für die Relationen des Graphen vorliegen, können helfen
Vorgänge in Strukturen zu identifizieren.
• Derartige Attribute kann man mit Farben bzw. Farbschemata in das Layout übertragen. Dies erlaubt es lokale Merkmalskonzentrationen in der Struktur bzw. Korrelationen mit der Stellung in der Struktur zu entdecken.
– Gebiete mit gleichen Farben verweisen in diem Fall auf Korrelationen der Merkmale mit der Stellung in der Struktur
– Lokale Muster von Attributen sind mit statistischen Verfahren üblicherweise nur
schwer zu entdecken.
XXIII
Informationsvisualisierung: Die Sprache der Netzwerke
.
Informationsvisualisierung
als graphische Erweiterung der Statistik
numerisches
System
Empirie
-- Messung -->
Wahrnehmung
-- Abbildung -->
Beobachtungen
Zahlen
Messniveau
nominal
ordinal
metrisch
Relationen
zwischen
Beobachtungen
bleiben erhalten
Empfindungen
psychometrische
Funktionen
Distanzen
Groessen
Farben
gleichgrosse
Empfindungsunterschiede
.
XXIV
II Muster sichtbar machen - Mapping of Information
• In diesem Teil zeige ich ein zweites Beispiel wie geordnete Netze mit zusätzlichen
Informationen analysiert werden können.
• Dazu verwende ich Netzwerke die die Kapitalverflechtungen der hundert größten
deutschen Unternehmen beschreiben. Die Daten sind den Hauptgutachten der
Monopolkommission entnommen.
• Erst die Übertragung einer theoretischen Klassifikation mit einer Farbkodierung
erlaubt es die Besonderheiten dieses Netzes zu verstehen.
XXV
Eine einfache Graphendarstellung
.
The German Company Network of 1996
Südzucker
Deutsche_Babcock
WestLB
Deutz
Preussag
Gerling
Colonia
Krupp
Karstadt
NordLB
Ruhrgas
Holzmann
Commerzbank
Deutsche_Bank
Linde
Continental
VEW
Bankgesellschaft_Berlin
RAG
Mannesmann
Thyssen
Daimler−Benz
Metallgesellschaft
VEBA
Henkel
Degussa
MAN
Bayerische_Vereinsbank
RWE
Bewag
AMB
Münchener_Rück
Allianz
Hoechst
Hamburger_Gesellschaft
Volkswagen
BASF
Bayerische_Hypo
Victoria
Vereinte
BMW
Bilfinger+Berger
© Lothar Krempel, Max Planck Institute for the Study of Societies, Cologne
http://www.mpi−fg−koeln.mpg.de/~lk/netvis.html
VEAG
Dresdner_Bank
Buderus
Wacker
VIAG
Beiersdorf
Siemens
Bayer
Metro
DG_Bank
R+V_Versicherung
AGIV
Schering
Lufthansa
Bosch−Siemens
EVS
Haniel
BayerischeLB
Bosch
Deutsche_Bahn
4/21/03: 6:27:04−> K96NW_.EPS Kaptialverflechtungen Deutschland 1996
.
XXVI
Die Übersetzung der Finanzvolumina in Größen:
.
Südzucker
Deutsche_Babcock
WestLB
Deutz
Preussag
Colonia
Krupp
Karstadt
Gerling
NordLB
Ruhrgas
Holzmann
Commerzbank
Linde
VEW
Deutsche_Bank
Continental
Daimler−Benz
Metallgesellschaft
Henkel
RAG
Mannesmann
Thyssen
VEBA
Degussa
MAN
RWE
Bewag
AMB
Münchener_Rück
Allianz
Hoechst
Volkswagen
BASF
Bayerische_Hypo
Victoria
Vereinte
BMW
Bilfinger+Berger
VEAG
Dresdner_Bank
Buderus
Wacker
VIAG
Beiersdorf
Siemens
Bayer
Metro
DG_Bank
R+V_Versicherung
AGIV
Schering
Lufthansa
Bosch−Siemens
EVS
Haniel
BayerischeLB
Bosch
Deutsche_Bahn
.
XXVII
Die Abbildung einer theoretischen Klassifikation mit Farben
Zwei Mengen von Knoten:
Farbschema der Relationen
innerhalb und zwischen
den Mengen:
Banken
Industrie
Banken
Beteiligungsvolumina:
Industrie
Banken
A
Industrie
B
C
.
XXVIII
Kapitalverflechtungen deutscher Unternehmen 1996
.
Südzucker
Deutsche_Babcock
WestLB
Deutz
Preussag
Gerling
Colonia
Krupp
Karstadt
NordLB
Ruhrgas
Holzmann
Commerzbank
Linde
VEW
Deutsche_Bank
Continental
RAG
Mannesmann
Thyssen
Daimler−Benz
Metallgesellschaft
VEBA
Henkel
Degussa
MAN
RWE
Bewag
AMB
Münchener_Rück
Allianz
Hoechst
Volkswagen
BASF
Bayerische_Hypo
Victoria
Vereinte
BMW
Bilfinger+Berger
VEAG
Dresdner_Bank
Buderus
Wacker
VIAG
Beiersdorf
Siemens
Bayer
Metro
DG_Bank
R+V_Versicherung
AGIV
Schering
Lufthansa
Bosch−Siemens
EVS
Haniel
BayerischeLB
Bosch
Capital Shares
Deutsche_Bahn
financial − financial
industrial − industrial
financial − industrial
.
XXIX
Kapitalverflechtungen deutscher Unternehmen 1998
Kapitalverflechtungen Deutschland 1998
Babcock
Preussag
Südzucker
WestLB
Clariant
Holzmann
Gerling
Wacker
Hoechst
Krupp
Cobank
Linde
D_Shell
Daimler
Thyssen
Deutsche Bank Mannesmann
VEW
RAG
Ruhrgas
R+V
Metallgesellschaft
RWE
AMB
Dresdener Bank
Bilfinger+Berger
Lufthansa
BASF
Continental
Mannesmann
Degussa
B_Hypo
Karstadt
Spar
Bewag
VIAG
Allianz
BMW
VEBA
Münchener Rück
DG_Bank
Siemens
Bayer
Beiersdorf
Schickedanz
Postbank
VW
NordLB
BoschSiemens
Bosch
Schering
Deutsche Bahn
Salzgitter
Kapitalbeteiligungen
Finanz − Finanz
Industrie − Industrie
Finanz − Industrie
BankBerlin
Parion
4/22/02: 5:19:29−> V4W___.EPS Kapitalverflechtungen 1998
.
XXX
.
Kapitalverflechtungen im Jahre 2000
Kapitalverflechtungen Deutschland
2000
Springer
Salzgitter
Kirch
NordLB
Wacker
Aventis
Spar
Bosch
SAP
Vodafone D
BabcockBorsig
BoschSiemens
Atecs
Shell D
Deutsche Post
Ruhrgas
Preussag
ThyssenKrupp
Siemens
Telekom
WestLB
DG Bank
RAG
R+V Vers
EON
BayLB
Dresdener Bank
BMW
www.mpifg.de/people/lk
Schering
RWE
KarstadtQuelle
Lufthansa
Bewag
Allianz
BASF
MG Technologies
Münchener Rück
BayHypoV
K+S
DaimlerChrysler
Bayer
Deutsche Bank
Südzucker
MAN
VW
EADS
Generali
Continental
Gerling
Linde
Commerzbank
Finanz − Finanz
11/20/02: 9:14:12−> W2000_.EPS Kapitalverflechtung Deutschland 2000
.
XXXI
Kapitalverflechtungen Deutschland Generali
2002
Hochtief
Commerzbank
Deutsche Telekom
ThyssenKrupp
Bayerische Hypo
Bayer
Kreditanstalt für Wiederaufbau
RAG
RWE
BMW
Münchener Rück
Deutsche Post
E.ON
Linde
MAN
Ruhrgas
Allianz
Shell Deutschland
Siemens
MG Technologies
Wacker
KarstadtQuelle
Axel Springer
Bosch−Siemens
BASF
Deutsche Bank
Beiersdorf
Aventis Deutschland
www.mpifg.de/people/lk
Exxon Deutschland
Bosch
DaimlerChrysler
EADS
Schering
Continental
TUI
Hamburger Gesellschaft
Südzucker
K+S
Energie Baden−W
Fresenius
Metro
Haniel
Nestlé Deutschland
Vattenfall
Finanz − Finanz
7/21/04:17:12:26−> W2002_.EPS Capital Ties Germany 2002
.
XXXII
Kapitalverflechtungen Deutschland
2004
TUI
EADS
MAN
DaimlerChrysler
Deutsche Bank
Volkswagen AG
ThyssenKrupp
Arcelor
RAG
Dr. Ing. h.c. F. Porsche
EUROHYPO
E.ON
Linde
RWE
Commerzbank
K+S
Allianz
Bayerische Hypo− und Vereinsbank
Münchener Rückversicherung
Generali
Deutsche Lufthansa
BASF
Schering
Sanofi Aventis
Siemens
MG Technologies
Bayerische Motoren Werke
Bayer
Wacker−Chemie
BSH Bosch und Siemens
KarstadtQuelle
Bankgesellschaft Berlin
Robert Bosch
NordLB
Salzgitter
Finanz − Finanz
5/09/06:10:59:43−> K2004WS Kapitalverflechtungen 2004
.
XXXIII
Kapitalverflechtungen in DeutschlandFraport
2006
TUI
Continental
ArcelorMittal
Bayerische Landesbank
Robert Bosch
ThyssenKrupp
RAG
BSH Bosch Siemens
E.ON
Deutsche Lufthansa
Generali
Siemens
RWE
Commerzbank
AXA
Münchener Rück
BASF AG
Heidelberger Druck
Linde
K+S
Deutsche Telekom
http://www.mpifg.de/people/lk
Allianz
UniCredit
Rhön−Klinikum
KfW
Fresenius
KarstadtQuelle
GEA
Deutsche Post
Bilfinger Berger
Bayer
Deutsche Bank
MAN
DaimlerChrysler
Finanz − Finanz
BMW
Volkswagen
EADS
Porsche
© 2008 Lothar Krempel, Max Planck Institute for the Study of Societies, Cologne
3/26/08:14:29:26−> K6V2__.EPS 2006 Kapitalverflechtungen 100 Gr˜áte
.
XXXIV
Resonanzen
XXXV
FAS
XXXVI
Focus Money
XXXVII
Handelsblatt
XXXVIII
Brandeins
XXXIX
Zeit Online
Deutschland AG: Netzwerk Deutschland - Nachrichten und Analysen au...
http://www.zeit.de/online/2006/34/bildergalerie-deutschland-ag
STARTSEITE » FINANZEN » Deutschland AG
© ZEIT online 24.8.2006 - 09:15 Uhr
Netzwerk Deutschland
Ist der rheinische Kapitalismus am Ende? Der Umbau der Allianz deutet darauf hin. Alte Verflechtungen enden. Doch noch ist die Deutschland AG nicht tot.
Wie alle mit allen zusammenhängen: eine Übersicht in Grafiken
1996
Zahlreiche Verflechtungen stützen die so genannte Deutschland AG. Sie bilden ein Netzwerk aus einheimischen Kapitalgebern, Banken
und Industriekonzernen. Im Mittelpunkt: Allianz und, mit Abstrichen, die Deutsche Bank. Bei fast allen wichtigen deutschen Konzernen
sind beide auf die eine oder andere Weise engagiert. Die deutsche Unternehmenslandschaft ist schon seit dem ausgehenden 19.
Jahrhundert durch dichte Kapital- und Personalverflechtungen geprägt. Für manche war das Ausdruck eines besseren, die Potenziale der
Kooperation ausschöpfenden, der reinen Marktwirtschaft deshalb überlegenen Kapitalismus'.
© Max-Planck-Institut für Gesellschaftsforschung/Lothar Krempel. Daten: Monopolkommission.
© ZEIT online 24.8.2006 - 09:15 Uhr
SUCHE | ZEIT-SHOP | STELLENMARKT
ARCHIV | DEUTSCHLAND | INTERNATIONAL | WIRTSCHAFT | FINANZEN | WISSEN | GESUNDHEIT
COMPUTER | FEUILLETON | MUSIK | LITERATUR | BILDUNG & BERUF | CAMPUS | ZUENDER | LEBEN
REISEN | SPORT | GENIESSEN | AUTO | VIDEO | AUDIO | SPIELE | WEBLOGS | NEWSLETTER | DEBATTE
ÜBER UNS | KRITIK | BERLIN NACHRICHTEN | PARTNERVERMITTLUNG | KUNSTMARKT | FOTOGALERIE | PREMIUM
AUS DER ZEIT | IMPRESSUM | ZEIT-VERLAG | MEDIADATEN | PRESSE | HILFE | NEWSFEED | NURTEXT
ZUM SEITENANFANG
STARTSEITE » FINANZEN » Deutschland AG
SERVICE- UND WERBEPARTNER VON ZEIT ONLINE
WEBNEWS | SKIURLAUB | HOTELS UND PENSIONEN | KFZ VERSICHERUNG | TESTBERICHTE | NACHRICHTEN ZU AKTIEN | HOTELJOBS | APOTHEKE | SCHIFFSBETEILIGUNGEN | SOFTWARE DOWNLOADS |
MOTORRADHELME | KREDITKARTEN KOSTENLOS | PREISVERGLEICH | GESUNDHEIT |
1 von 1
10.04.2008 13:34
XL
III Muster sichtbar machen: Internationaler Sport
• die Daten:
– Spieler von Land A —> spielt bei Verein X —> im Land B
• beschreiben Relationen zwischen verschiedenen Ländern:
– Land B <– beschäftigt Spieler aus — Land A
– Land A — exportiert Spieler nach —> Land B
• oder auch
– Verein X (in Land B) <– beschäftigt Spieler – aus Land A
XLI
.
Der Spielermarkt der WM 2006
UKR
Schachtjor Donezk
Spartak Moskau
Borussia Dortmund
HRV
SER
PLD
CZE
Bayer 04 Leverkusen
AC Mailand
CHE
ITA
ARG
DEU
Inter Mailand
Juventus Turin
BRA
VfB Stuttgart
FC Bayern München
PRT
© Lothar Krempel, Max−Planck−Institut für Gesellschaftsforschung, Köln
http://www.mpifg.de/people/lk/
FRA
Hamburger SV
FC Chelsea
SWE
Paris St.Germain
FC Barcelona
Real Madrid
GBR
Manchester United
NLD
ESP
FIFA World Cup 2006
Welcher Nationalspieler spielt in welchem Verein?
Alle Clubs mit mehr als vier Nationalspielern
Arsenal London
FC Liverpool
IVR
Italien
Deutschland
England
Spanien
Andere
1/2/2006 FIFA World Cup National Teams and Clubs. Stand Januar 2006
.
XLII
Players Market Transfer gt 25 Mio Euro
Soccer Transfers > 25 Mill
Le Mans UC 72
LeÃ§a FC
FC Alverca
Bolton Wanderers
EA Guingamp
Fenerbahce Istanbul
Nottingham Forest
FC Porto
Boca Juniors Buenos Aires
Olympique Marseille
West Ham United Reserves
Sporting Lissabon Jugend
Blackburn Rovers
AC Prato
West Ham United
Manchester City
SC Pisa
Estudiantes de la Plata
Al Ittihad Jedda
Fluminense Rio de Janeiro
Sporting Lissabon
AD Fafe
Torino Calcio
Tottenham
Hotspur
Leeds United
FC Chelsea
Cruzeiro Belo Horizonte
Dynamo Kiew
Unbekannt
Preston North End
Benfica Lissabon
Newcastle United
Lokomotive Moskau
US Ravenna
Trento Calcio
Paris St. Germain
Manchester United
Inter Mailand
AC Sparta Prag
Juventus Turin
FC Sevilla
eigene Jugend
Atalanta BergamoAS Monaco
OFI Kreta
Atletico Madrid
Vitesse Arnheim
Valencia CF
Sampdoria Genua
Nooit Gedacht Geffen
FC Middlesbrough
FC Parma
Los Angeles Galaxy
Olympique Lyon
Gremio Porto Alegre
Lazio Rom
Borussia Dortmund
Real Madrid B
RKSV Margriet
RCD Mallorca
Real Madrid
Espanyol Barcelona
CD Leganes
SC Cambuur Leeuwarden
FC Arsenal London
Galatasaray Istanbul
SSC Venedig
Willem II Tilburg
Ajax Amsterdam
Deportivo de La CoruÃ±a
Panathinaikos Athen
FC Den Bosch
FC Barcelona
AC Mailand
Palmeiras FC
SC Heerenveen
PSV Eindhoven
FC Liverpool
AC Florenz
FC Everton
AS Rom
River Plate Buenos Aires
FC Marila Pribram
Bayer 04 Leverkusen
Hellas Verona
Go Ahead Eagles Deventer
FC Piacenza
FC Sevilla B
Salernitana Sport
FC Genua 1893
Universidad de Chile
Girondins Bordeaux
AS Bari
FC Empoli
FC Fulham
AS Cannes
CD CastellÃ³n
22/3/2007: Zielgruppen V0
.
XLIII
Carreer Paths in the Players Market (I)
Al Ittihad Jedda
Tottenham
Hotspur
Sporting Lissabon
Leeds United
FC
Chelsea
Dynamo Kiew
Benfica Lissabon
Preston North End FC Everton
Newcastle United
FC Liverpool
AC Florenz
AC
Mailand
Inter
Mailand
FC
Barcelona
FC Arsenal London
Borussia Dortmund
Los Angeles Galaxy
FC Sevilla
Atalanta Bergamo AS Monaco
Juventus
Turin
FC
Parma
FC Den Bosch
Willem II Tilburg
RKSV Margriet
RCD Mallorca
Gremio Porto Alegre
Lazio
Rom
FC Middlesbrough
AC Sparta Prag
FC Marila Pribram
eigene Jugend
Atletico Madrid
Valencia CF
Bayer 04 Leverkusen
Hellas Verona
AS Rom
Sampdoria Genua
FC Genua 1893
PSV Eindhoven
Ajax Amsterdam
Real
Madrid
Espanyol Barcelona
Manchester
United
Paris St. Germain
SC Heerenveen
FC Piacenza
Salernitana Sport
Girondins Bordeaux
22/3/2007: Football Transfers
Universidad de Chile
Transfer Histories
Herman Jorge Crespo
Ronaldo
AS Bari
.
XLIV
Career Paths in the Players Market (II)
LeÃ§a FC
FC Alverca
Bolton Wanderers
EA Guingamp
Le Mans UC 72
Transfer Histories
Fenerbahce Istanbul
Nottingham Forest
FC Porto
Boca Juniors Buenos Aires
Olympique Marseille
Jaap Stam
Nicolas Sebastian Anelka
West Ham United Reserves
Blackburn Rovers
Sporting Lissabon Jugend
West Ham United
Manchester City
Estudiantes de la Plata
Al Ittihad Jedda
Tottenham
Hotspur
Sporting Lissabon
Leeds United
FC
Chelsea
Dynamo Kiew
Benfica Lissabon
FC Liverpool
AC Florenz
Trento Calcio
Preston North End FC Everton
Newcastle United
AC
Mailand
Deportivo de La CoruÃ±a
Inter
Mailand
Real
Madrid
Espanyol Barcelona
Manchester
United
Paris St. Germain
FC
Barcelona
FC Arsenal London
FC Sevilla
Atalanta Bergamo AS Monaco
22/3/2007: Football Transfers
Juventus
Turin
FC
Parma
FC Den Bosch
Willem II Tilburg
Ajax Amsterdam
Borussia Dortmund
Olympique Lyon
Los Angeles Galaxy
PSV Eindhoven
SC Heerenveen
RKSV Margriet
RCD Mallorca
Gremio Porto Alegre
Lazio
Rom
FC Middlesbrough
AC Sparta Prag
FC Marila Pribram
eigene Jugend
Atletico Madrid
Valencia CF
AS Rom
Bayer 04 Leverkusen
Hellas Verona
.
XLV
Resume
• Viele soziale Vorgänge sind in Netzwerke von Beziehungen eingebunden. Erst in
den letzten Jahrzehnten ist es möglich geworden, auch sehr komplexe Netzwerke
zu analysieren.
• Der Schlüssel zur Rekonstruktion der Netzwerke sind relationale Informationen die
die Beziehungen der Akteure beschreiben.
• Verfahren der Netzwerk Analyse und Visualisierung erlauben es heute diese Informationen als einfach zu lesende Grafiken darstellen.
XLVI
Einige Programme
• Pajek -Program for large Network Analysis. http://pajek.imfm.si/doku.php
• Visone - Analysis and visalization of social networks http://visone.info/
• NetDraw - Network Visualization http://www.analytictech.com/Netdraw/
netdraw.htm
XLVII
Literatur
Deutsche Foschungsgemeinschaft DFG (2003): Förderranking 2003. Institutionen -Regionen- Netzwerke. http://www.dfg.de/ranking/netzwerke
Gantscho Gantschev, Lothar Krempel, Margarita Schivergeva (2002): Rubrika Metodologija Visualisatzija na strukturnite izmenenija: Prehodut v Bulgarija i roljata na finansovija sektor In: Banki investizii
i pari , Sofia, 3/2002 ps.3-8
Gancho Ganchev, Lothar Krempel and Margarita Shivergeva (2001): How to view Structural Change:
The Case of Economic Transition in Bulgaria. Cologne: Max Planck Institute for the Study of Societies
Johnson Jeffrey C. and Lothar Krempel (2004): Network Visualisation: “The Bush Team” in Reuters
News Ticker 9/11-11/15/01. Journal of Social Structure, vol 5, n1
http://www.cmu.edu/joss/content/articles/volume5/JohnsonKrempel/
Krempel Lothar (2008): Netzwerkanalyse ein wachsendes Paradigma. In: Stegbauer (ed) : Netzwerkanalysen und Netzwerktheorie. Verlag für Sozialwissenschaften
Krempel Lothar (2008): Die Deutschland AG 1996-2004 und die Entflechtung der Kapitalbeziehungen
der 100 größten deutschen Unternehmen. In: Karl Siegbert Rehberg (2008): Die Natur der Gesellschaft, Verhandlungsband des 33. DGS Kongresses, Frankfurt: Campus
Krempel, Lothar mit Martin Stuber, Stefan Hächler, Marion M. Ruisinger (2008): Exploration von Netzwerken durch Visualisierung. Die Korrespondenznetze von Banks, Haller, Heister, Linne, Rousseau,
Trew und der Oekonomischen Gesellschaft Bern. In: Regina Dauser (ed): Wissen im Netz, Berlin: Akademie Verlag
XLVIII
Krempel, Lothar and Michael Schnegg (2006): About the Image: Diffusion Dynamics in an Historical
Network. Structure and Dynamics: eJournal of Anthropological and Related Sciences, Vol.1, Issue 1,
Article 10.http://repositories.cdlib.org/imbs/socdyn/sdeas/vol1/iss1/art10
Krempel. Lothar (2005): Visualisierung komplexer Strukturen. Grundlagen der Darstellung mehrdimensionaler Netzwerke. Schriften des Max-Planck-Instituts für Gesllschaftsforschung, Sonderband.
Frannkfurt: Campus Verlag
Krempel, Lothar (1999): Visualizing Networks with Spring Embedders: Two-mode and Valued Data.
American Statistical Association 1999, Proceedings of the Section of Statistical Graphics, Alexandria,
VA, p. 36-45
Martin Höpner und Lothar Krempel (2004): The Politics of the German Company Network. Competition
& Change, Vol. 8, No.4, 339-356, December 2004
Lothar Krempel (2004): The Language of Networks, in Gerfried Stocker and Christine Schöpf (ed)
(2004): Ars Electronica 2004: Timeshift - Die Welt in 25 Jahren. 25 Jahre Festival für Kunst, Technologie
und Gesellschaft, Ostfildern, Ruit, p.234 -243
Krempel, Lothar and Thomas Plümper (2003): Exploring the Dynamics of International Trade by Combining the Comparative Advantages of Multivariate Statistics and Network Visualizations. Journal of
Social Structure, vol 4, n1, February 3, 2003
http://www.cmu.edu/joss/content/articles/volume4/KrempelPlumper.html
Martin Höpner and Lothar Krempel (2003): The Politics of the German Company Network. Cologne:
Max Planck Institute for the Study of Societies. MPIfG Working Paper 03/9, September 2003http:
//www.mpi-fg-koeln.mpg.de/pu/workpap/wp03-9/wp03-9.html
XLIX
Krempel, Lothar and Thomas Plümper (1999): International Division of Labor and Global Economic
Processes: An Analysis of the International Trade in Automobiles. Journal of World-Systems Research,
5, 390-402.
http://csf.colorado.edu/jwsr/archive/vol5/vol5_number3/krempel/index.html
Lipp, Carola and Lothar Krempel (2001): Petitions and the Social Context of Political Mobilization in
the Revolution of 1848/49. A Microhistorical Actor Centered Network Analysis. International Review for
Social History, Volume 46, Supplement 9,2001, pp 151 -169.
L
Mein Buch
Autor
PD Dr. Lothar Krempel ist wissenschaftlicher Mitarbeiter am Max-PlanckInstitut für Gesellschaftsforschung in Köln und Privatdozent für empirische
Sozialforschung an der Universität Duisburg-Essen.
MPIfG Bücher
Lothar Krempel
Visualisierung komplexer Strukturen
Grundlagen der Darstellung mehrdimensionaler
Netzwerke
Schriften des Max-Planck-Instituts für Gesellschaftsforschung,
Sonderband
Campus Verlag, 2005
216 Seiten | ISBN 3-593-37813-2
70 Farbabbildungen | 39,90 Euro
SFr 69,40 | www.campus.de
Vernetzte Systeme wie technische
Infrastrukturen, soziale Gruppen,
Unternehmen, Institutionen oder
Nationen sind typischerweise komplex. Wo deren Verflechtungen mit
Netzwerkdaten beschrieben werden
können, erlauben es heute mathematische Verfahren, verschiedene
Eigenschaften von Systemen und
ihren Elementen zu berechnen und
Teilsysteme oder wichtige Akteure
zu identifizieren. Wie Befunde dieser
Art in einfach zu lesende grafische Informationslandschaften übersetzt
und integriert werden können, ist Gegenstand dieses Buches.
Die Entwicklung einer solchen statistischen Grafik verbindet das
Potenzial automatischer Prozeduren mit den besonderen Fähigkeiten
der menschlichen Wahrnehmung. Obwohl die Visualisierung von
Netzen kaum den Kinderschuhen entwachsen ist, verspricht sie Einblicke in sehr komplizierte Vorgänge, und sie verspricht, neue Welten
sichtbar zu machen.
Inhalt
1 Grafik und Information
Grafische Darstellungen – Strukturen sichtbar machen
2 Grafische Informationsverarbeitung
Bertin’s visuelle Variable – Die präattentive Wahrnehmung von Markierungen – Layouts und Platzierungen – Größenmarkierungen und quantitative
Information – Farben – Colormetrie – Quantitative Informationen und Farben – Effizienz: Ergonomie und Informationsökonomie
3 Netzwerkanalyse und Visualisierung
Netze und Graphen – Eigenschaften und Attribute von Netzen – Typologien
und Partitionen als Erklärungen – Einfache Bildsprachen: Mengendiagramme und Quantifizierung – Strukturhypothesen als geometrische Beschränkungen
4 Netze ordnen
Einbettungen in einfache Lösungsräume – Die Darstellung von Graphen mit
Kräftemodellen – Platzierungen von Knoten unter Nebenbedingungen
5 Syntaktische Markierungen
Degree-Zentralität – First-order-Zone – Partitionen – Partitionen, Teilmengen und Zonenmarkierungen – Partitionen und Hüllen – Zentralitäten und
Erreichbarkeiten – Exkurs: Die grafische Exploration eines Blockmodells
6 Exkurs: Die Transformation von Layouts
Der symbolische Gabentausch der !Kung – Die räumliche Einbettung des
Tauschsystems – Der Kern des Hxaro-Austauschsystems – Hxaro-Austausch
und enge Verwandtschaft – Verwandtschaft und Austauschbeziehungen im
Kern des Systems
7 Zusammenhänge sichtbar machen
Merkmalsmuster in Strukturen – Attribute und Zonensymbole – Strukturen
und Muster explorieren – Resümee
8 Optimierte Darstellungen von Strukturen
Ordnen und Positionieren – Strukturen markieren: syntaktische Zeichen
– Attribute abbilden: Muster in Netzen – Quantitative Daten und grafische
Markierungen – Entwicklungsperspektiven und offene Fragen – Resümee
MPIfG
Paulstraße 3 | 50676 Köln | Germany
Tel. +49 221 2767-0 | Fax +49 221 2767-555
info@mpifg.de | www.mpifg.de
LI

Unsichtbares sichtbar machen

Transcription

Similar documents

Leichtathletiktraining in der Schule

Herausforderungen aus Sicht der Industrie Kernforderungen des

Gottfried Wilhelm Leibniz

Color Images for Lothar Krempel: Network Visualization, In: John

Erfassung und Vermessung der Welt bei den Römern

Betriebsanleitung Interroll

Illustrationen in Printmedien