Aug 09



















Zeitreihenanalyse























Deduktives vs induktives Monitoring




























Participatory Sensing





































Grassroot Sensing


















Opportunistic Sensing

Der Begriff des Monitorings hat seinen Ursprung in der englischen Sprache und bedeutet: die „(Dauer-) Beobachtung (eines bestimmten Systems) [Eickhoff et al 2006]. Unter Monitoring wird also die Beobachtung eines Phänomens im zeitlichen Verlauf verstanden. Dabei soll bei einem beobachteten Prozess dann steuernd eingegriffen werden, sobald gewisse Schwellenwerte überschritten bzw. der beobachtete Prozess nicht den gewünschten Verlauf nimmt. Zentrale Einsatzbereiche von Monitoring sind die Naturwissenschaften bei der Überwachung von Naturerscheinungen zur Gewinnung von Daten, der Überprüfung von Hypothesen und für die schon erwähnte Beobachtung von Phänomen. Beispielhaft sind hier die Aufzeichnung von Klimadaten und die daraus resultierenden Prognosen, der „Wetterbericht“ zu nennen.

In der (Anlagen-)Technik wird Monitoring vor allem zur Vermeidung von Störfällen und die Überwachung der Sicherheitsaspekte genutzt. Betrachtungsgegenstände können dabei Bauwerke und Industrieanlagen, aber auch geologische Vorgänge wie die Überwachung von Vulkanen mithilfe der seismischen Aktivität sein.

Alle Monitoringmethoden müssen dementsprechend wie in einem sehr detaillierten und strikt durchgeführten Protokoll eine zeitpunktuelle und kontinuierliche Erfassung des Beobachtungsgegenstandes gewährleisten. Nur mithilfe diese Datensammlung ist es danach möglich, sogenannte Zeitreihen zu generieren, die wiederum Grundlagen für Prognosen bilden. Gerade im Bereich der Raumplanung spielen Zeitreihen und die dazugehörige Zeitreihenanalyse eine große Rolle [vgl. Streich 2005:211] und werden zum Beispiel in den Bereichen der Verkehrsplanung, Planung von Infrastrukturen der Ver- und Entsorgung sowie bei der Abhängigkeit von natürlichen Gegebenheiten wie Niederschlagsmengen und Temperaturschwankungen benötigt. Mithilfe der Zeitreihenanalyse sollen potenziell auftretende Gesetzmäßigkeiten ermittelt und die zeitliche Entwicklung von Sachverhalten verglichen werden. Damit ist sichergestellt, dass entweder nichtvorhandene Beobachtungszeitpunkte mithilfe des Interpolationsverfahrens nachträglich berechenbar sind, oder dass mithilfe von Trendextrapolationen oder Prognosen zukünftige Entwicklungen vorhersehbar sind. Zeitreihen gehören ihrer Form nach in den Bereich der deskriptiven Statistik. Die deskriptive Statistik hat die Aufgabe, Daten zuerheben, aufzubereiten und zu betrachten, bzw. anhand des empirisch gewonnenen Datenmaterials Schlussfolgerungen zu erstellen [vgl. hierzu z. B. Bol 2004:3]. Die Daten gelten auch als „historisches Faktum” [Bol 2004:5].

Das „Deduktive Monitoring“ ist vergleichbar mit den Zeitreihenanalysen. Hierbei werden die Daten, streng nach einem vorher beschriebenen Ablauf, kontinuierlich gesammelt. So kann die Zeitreihenanalysen auch als deduktives Monitoring (also vom „Ursprung her ableiten) bezeichnet werden.

Analog zu deduktiven Ansätzen in der Wissenschaft, bei denen die Schlussfolgerungen von der Beschreibung des Allgemeinen hin zum Besonderen stattfinden, ist dies auch bei der Form des deduktiven Monitorings der Fall: Die Daten in ihrer Vielfalt und allgemeinen Form werden gesammelt und nach der Auswertung zu einer Aussage zusammengefasst.

Im Gegensatz zu den aus der Wissenschaft bekannten induktiven Ansätzen, die durch Beobachtungen von Phänomenen eine abstrahierende Folgerung auf deren Gesetzmäßigkeit ableiten, sind induktive Monitoring-Ansätze, gerade in der räumlichen Planung, ganz anderer Natur. Man spricht dann von einem induktiven (Raum-) Monitoring Ansatz, wenn einzelne Personen unbewusst dieselben Phänomene (im Raum) beobachten und diese in selbst organisierenden Kanälen zusammenfassen. Dies kann sowohl in analoge Form über eine Publikation als auch über Web2.0 Techniken geschehen. Ein Beispiel für induktives Raummonitoring sind „Urban Sensing-Systeme“ [Campbell et al 2006, Lane et al 2008]: Sie erlauben dem User Informationen aus dem ihn umgebenden Umfeld zu sammeln, zu analysieren und gleichzeitig auch zu teilen. Im Gegensatz zu statischen Sensornetzwerken werden die Mobilität und die stete Datenverfügbarkeit der Menschen ausgenutzt, sodass entweder das Mobiltelefon oder auch ein Fahrzeug in ein System von Sensorknoten eingebunden ist. Die Sensoren sind „vor Ort“, dort wo sich das Leben abspielt [Wetter 2009].

Das Participatory Sensing [Burke et al. 2006:1ff] ist ein besonderes, benutzerorientiertes Äquivalent zum deduktiven Monitoring. Aufbauend auf interaktiven, mit einander kommunizierenden Sensornetzwerken, können sowohl die Öffentlichkeit als auch die am Prozess teilnehmenden Spezialisten, dieses “neue” Wissen über lokale Besonderheiten ausfindig machen, analysieren und zu allgemein verfügbarem Wissen teilen. Fokus des Participatory Sensing können persönliche, soziale aber auch urbane Themen sein.

Möglich ist dies nur, da die von Mark Weiser 1991 postulierte Vision des Ubiquitous Computing durch die technischen Fortschritte der mobilen Kommunikationsgeräte, der Smartphones, mittlerweile fast schon zur Realität geworden ist. Kennzeichnend für das „Ubiquitous Computing“ ist, dass der Computer allseits vernetzt ist, die Daten selbstständig austauschen kann und dabei seinem Benutzer bewusst wie auch unbe-wusst einen vermeintlichen Mehrwert generiert [vgl. hierzu Mattern2002 und Weiser 1991]. Gerade Smartphones werden in diesem Zusammenhang als Vorreiter einer neuen Epoche der Computeranwendung angesehen, die es dem Nutzer allgegenwärtig und alltäglich erlauben, eine Art „künstliche Intelligenz“ durch die Internetanbindung zu nutzen [Zeile 2010:12].

Neben der fast vollständig verfügbaren Datenanbindung über Drahtlosnetzwerke können Smartphones Bilder aufnehmen, sie klassifizieren und in dafür bereitgestellte Datenbanken ablegen. Weiterhin ist es möglich, Geräusche oder Sprache, den Aufenthaltsort und viele andere Daten entweder bewusst aufzunehmen, oder die mobilen Endgeräte dazu zu veranlassen, diese Daten „en passant“, also kontinuierlich über einen längeren Zeitraum zu sammeln. Anders als in klassischen Sensornetzwerken, bei denen die Messfühler auf die Aufgabenstellung konfektioniert sind, bedient sich das Participatory Sensing so genannten “crowdsourcing”- Ansätzen, die „die Weisheit der Massen“ [O’Reilly 2005] bündelt. Somit fungiert der Mensch als ein System aus Messfühlern, die er, je nach Untersuchungsgegenstand, eigenständig ausführen kann. Die größte Schwierigkeit bei diesem Ansatz ist, dass über das Verhalten des Menschen als Messfühlers, wie er als alltäglicher Benutzer mit seinem eigenen, zu anderen Aufgabenzwecken umfunktionierten Smartphonemessgerät agiert, wenig bekannt ist [Burke et al 2006].

Der besondere Unterschied zum deduktiven Monitoring besteht darin, dass im Gegensatz zum deduktiven Monitoring das Participatory Sensing eine aktive Beteiligung (Partizipation) bei der Aufnahme der Messdaten beinhaltet. Vergleichbar ist dies mit dem Phänomen des sogenannten Grassroot Journalism oder Grassroot Reporting [Bowmann Willis 2003], durch den eine Gruppe engagierter Journalisten mithilfe von Blogsystemen Nachrichten aus der näheren Umgebung bzw. am Puls der Zeit zu einem bestimmten Thema publizieren. Diese Art des Journalismus wird als „Grassroot Journalism“ bezeichnet. Participatory Sensing greift diese Form des „Mitmachens“ auf, und kann so im übertragenen Sinne auch „Grassroot Sensing“ [Coburn 2004/ Burke et al. 2006] genannt werden. Kennzeichnend für Grassroot Sensing ist, dass Phänomene, Muster oder Besonderheiten nicht mithilfe von top-down initiierten Projekten erfasst werden, sondern direkt aus den Communities heraus mit ihrem lokalen Spezialistenwissen heraus generiert werden. Diese Daten, schnell und an der „Wurzel“ direkt aufgenommen, sind, sofern sie erkannt und in Kontext gebracht werden können, ein noch nicht richtig erkanntes, großes Potenzial für die Wissenschaft und Forschung [Coburn 2004].

Die Datenaufnahme mithilfe von „Opportunistic Sensing“ beinhaltet die Technik, dass die untersuchende Person unbewusst mithilfe einer aktiven Anwendung, meistens einem Smartphone, Daten sammelt, beziehungsweise plakativ ausgedrückt, zum “Daten sammeln missbraucht” wird. Dies kann so aussehen, dass das mobile Endgerät permanent Angaben über den Standort protokolliert, wie es zum Beispiel bei dem Dienst Google Latitude [vgl. hierzu Dettweiler 2009] passieren kann, sofern der Benutzer das ständige Tracken des Standortes nicht deaktiviert.

Kritisch bei dieser Form des Datensammelns ist, dass die Bevölkerung zunehmend von den Ubiquitous Computing Techniken, die auf dem Smartphone möglich sind, abhängig werden und die Möglichkeit der Überwachung damit auch gegeben wird. Die sozioökonische und soziokulturelle Bedeutung muss vor dem Hintergrund der persönlichen Mehrwertgenerierung auf der einen Seite, und den Themenfeldern Datenschutz und Privatsphäre auf der anderen Seite bei der Anwendung dieser Aufnahmemethode im besonderen Maße diskutiert werden, um „Datenschutzpannen“, wie sie zum Beispiel bei der Änderung der Datenschutzrichtlinie des iPhone OS am 21.Juni 2010 geschehen ist: Bei Zustimmung dieser Richtlinie räumt der Benutzer „Apple das Recht ein, seine Positionsdaten zu speichern und an Partnerunternehmen weiterzugeben“ [Wilkens 2010].


Abbildung 1: Durch „opportunistic sensing“ gesammelte geobezogene, persönliche Daten eines iPhone-Besitzers, aufgeteilt nach Tagen bzw. über den die gesamte Nutzungsdauer visualisiert. Die Visualisierung beruht auf einem Programm von Allan & Warden.

Kritischer Punkt in diesem Zusammenhang ist, dass der Richtlinie nicht widersprochen werden kann, „ohne dafür Funktionseinschränkungen in Kauf nehmen zu müssen. Auch die deutsche Justizministerin Sabine Leutheusser-Schnarrenberger kritisierte Apples Vorgehen und forderte von dem Unternehmen mehr Transparenz“ [Wilkens 2010]. So sammeln alle Geräte ab iOS 4 kontinuierliche Standortdaten, entweder über GPS oder Cell ID Ortung, und übertragen diese bei jedem Synchornisationsvorgang mit der Apple eigenen Software iTunes [Allan & Warden 2011]. Solche Vorgehensweisen dürfen, gerade wenn es sich um Transparenz innerhalb von Planung und der Kommunikation der Prozesse mit dem Bürger handelt, bei seriöser Herangehensweise an eine Methodik nicht vorkommen [vgl. hierzu auch Kap. 2.10].

Soll ein Monitoring System in der Methode des Deduktivem, des Induktivem oder des Grassroot Sensings funktionieren, so müssen, analog zu den Ausführungen von Burke et al. [Burke et al 2006], folgende Akteure mit speziellen Rahmenparametern in die Methode einfließen:

  • Die Initiatoren müssen die Untersuchung erstellen und die dafür benötigten Rahmenparameter spezifizieren.
  • Die Beobachter („Gatherers“), also die Messfühler der Kampagne, müssen aktiviert bzw. motiviert werden, die spezifischen Daten mithilfe ihres Smartphones oder per Desktopeingabe aufzunehmen. Die Datenaufnahme kann netzwerkinitiiert, vom Benutzer bewusst eingegeben oder durch kontinuierliches Sammeln geschehen.
  • Der Evaluierer sollte zur Halbzeit des Projektes die Daten nochmals verifizieren und klassifizieren.
  • Die Analysten müssen im letzten Schritt die Daten verarbeiten, interpretieren, präsentieren und die (planerischen) Schlussfolgerungen aus der Datenaufnahme ziehen.

Prinzipiell funktionieren mit dieser Arbeitsmethodik alle Monitoringprozesse, die eine aktive Beteiligung erfordern, sofern der Datensammler eine gewisse Glaubwürdigkeit besitzt sowie dass der Standort und der Zeitpunkt der Aufnahme der Daten vorhanden sind.

Leave a Reply

preload preload preload