Stau im System

Koordination, grosse Datenmengen und intelligente Maschinen: Gedanken zur Gesamtarchitektur einer vernetzten Welt.

Ein Freitagnachmittag in Zürich: trotz vielzitierter protestantischer Arbeitsethik staut sich der Feierabendverkehr bereits um halb fünf rund um den See, auf der Hardbrücke – und an den meisten Orten dazwischen. Trotz vorbildlicher und vielgepriesener Verkehrsleitsysteme steht am Central zu solchen Stosszeiten weiterhin ein Verkehrspolizist in einer Kanzel und regelt den Verkehr. Er winkt den Strom nach hier und dort, hält ihn an, reagiert auf den Bus, der Vorfahrt hat. Unser Verkehrspolizist verrichtet hier mit Überblick seine Arbeit; will er aber wirklich effizient sein, muss er seine Anweisungen auf die Handlungen der Kollegin auf der darauffolgenden Kreuzung oder auf die Kapazität der zuführenden Strassen abstimmen. Vielleicht schafft er es intuitiv, aufgrund seiner Erfahrung, aber es ist anzunehmen, dass Maschinen den Menschen diesbezüglich überlegen sind.

Liessen sich die beschriebenen Engpässe im Verkehr also unter Einbezug intelligenter Maschinen, intelligenter Netze und Big Data vermeiden? Und wenn ja: was sagt uns dies über die Anforderungen an die Gesamtarchitektur unserer zunehmend vernetzten Welt?

Die Vorteile intelligenter Maschinen

Die Alltäglichkeit des Strassenverkehrs erweist sich als besonders nützlich, um die Funktionsweise intelligenter Maschinen und Netze1 auf pointierte Weise aufzuzeigen. Wollten Menschen allein das Verkehrsaufkommen in Grossstädten koordinieren, wäre das für alle Beteiligten unzumutbar und letztlich viel zu teuer. Die Maschinen tun deshalb längst ihren Dienst: Die meisten Automaten – Navigationssysteme, Verkehrsleitsysteme etc. – sind heute kommunikationsfähig, vermögen Rückkoppelungseffekte zu verarbeiten oder je nach Komplexitätsgrad auch das Programm, nach dem sie funktionieren, anzupassen. Vielleicht kennt das Rotlicht der Ampel die Uhrzeit und wie viele Fahrzeuge von welcher Seite eintreffen – und verändert das Programm entsprechend. Dies führt zu einem höheren Grad an Adaptions- und Interaktionsfähigkeit mit der Umwelt. Die besonders intelligenten Maschinen können ihre Fehler auch selbständig reparieren oder weisen eine Gestaltungs- und Steuerungsfähigkeit gegenüber ihrer Umwelt auf: Das Leitsystem schlägt mir aufgrund des Verkehrsaufkommens vor, an der nächsten Ampel eine andere Route zu wählen, und korrigiert mich, wenn ich das nicht tue.

Eine besondere Dimension der Kommunikationsfähigkeit von Maschinen, die aus systemischer Sicht von zentraler Bedeutung ist, liegt nun in der Koordination von Handlungen: die Akteure können in vielen Situationen ihre Entscheidungen nicht unabhängig voneinander treffen, sie müssen aufeinander abgestimmt werden. Der Grund kann beispielsweise in Kapazitätsengpässen der Netze (Strassennetz), bei den Rechenleistungen der Maschinen (GPS), in gesetzlichen Begrenzungen (Höchstgeschwindigkeit) oder natürlich auch in Budgetrestriktionen liegen (ein GPS kann nicht beliebig teuer sein).

Unkoordinierte Handlungen führen zu Störungen im System, im Strassenverkehr zu Staus. Entscheidend ist: eine intelligente Maschine muss den kollektiven Effekt des von ihr erzeugten Outputs abschätzen und ihr Programm darauf ausrichten und anpassen können. Dies erfordert einen komplizierten Rückkoppelungsmechanismus. Wenn ein GPS den Verkehrsfluss auf Autobahnen verarbeitet, müsste das Programm des Systems darauf ausgerichtet sein, das erzeugte kollektive Verhalten der Verkehrsteilnehmer (Routenänderungen) unter den geltenden Restriktionen in die Empfehlungen einzubeziehen. Wenn das Ziel eines GPS also darin besteht, Staus zu vermeiden, macht es wenig Sinn, Anweisungen zu erteilen, die den Stau nur auf eine Nebenstrasse verlagern. Welche Fahrzeuge sollen auf den Umweg geschickt werden, welche nicht?1 Wer soll diese Koordination bewerkstelligen? Entsteht hier – in Zeiten von Big Data – nicht ein endloser Rückkoppelungsprozess, der sich gar nicht managen lässt?

Big Data, Smart Data?

Um diese Fragen zu beantworten, müssen wir uns zunächst vergegenwärtigen, was grosse Datenmengen eigentlich sind. Bei näherer Betrachtung handelt es sich bei Big Data, dem Internet der Dinge oder den tiefen Suchmaschinen vornehmlich um Maschinen, die mit Hilfe intelligenter Rechenmodelle unvorstellbare Datenberge aufzeichnen, speichern, durchsuchen, nach Mustern analysieren, sortieren, aggregieren, modifizieren, löschen und daraus Feedbacks «erster Ordnung» erzeugen: Personenprofile, Kaufempfehlungen, Steckbriefe, Zugsverbindungen und Routenpläne, Abrechnungen, Kurs- und Wetterprognosen, Ratings usw.

Der daraus gewonnene Nutzen ist nahezu unbestritten und…