Breadcrumbs

BS DC Import ID
node:39488
BS DC Import Time
Design - Head - Display
default
Design - Head - Layout
flex-row-6-6
Design - Head - Color
default
Sub-Menu - Display - Design
default

Menschliche Mobilität

2008–2020

© BarabásiLab (Albert-László Barabási, Mauro Martino, Nima Dehmami, Onur Varol)
Import ID
r17_box_section:690505
Admin Title
D7 Paragraph: r17_box_section / GPC_ID: 66679
Layout
undefined
Import ID
r17_box_wrapper:690504
Admin Title
D7 Paragraph: r17_box_wrapper / GPC_ID: 10451
Type
Section - Boxes - L3 (Borders)
Layout
Flex Box
  1. Import ID
    r17_box_item:690499
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29074
    Type
    default
    Detail Layout
    default-12

    Vorhersagbarkeit

  2. Import ID
    r17_box_item:690500
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29075
    Type
    default
    Detail Layout
    default-12

    COVID-19

  3. Import ID
    r17_box_item:690501
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29076
    Type
    default
    Detail Layout
    default-12

    Mobiles Anrufnetzwerk

  4. Import ID
    r17_box_item:690502
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29077
    Type
    default
    Detail Layout
    default-12

    Mobilitätsmuster

  5. Import ID
    r17_box_item:690503
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29078
    Type
    default
    Detail Layout
    default-12

    x

Import ID
r17_video:696713
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44580
Type
media
Detail Layout
flex-row-3-9

Menschliche Mobilität | Videokommentar von Albert-László Barabási

barabasi_commentary_103.png
Vortrag/Gespräch

Menschliche Mobilität | Videokommentar von Albert-László Barabási

Import ID
r17_text:689878
Admin Title
D7 Paragraph: r17_text / GPC_ID: 10453
Detail Layout
flex-row-9-3 reverse

Die verschiedenen Visualisierungen zum Thema der menschlichen Mobilität basieren auf der Auswertung von Daten, die von Mobilfunkanbietern gesammelt wurden, und der Analyse von Tweets auf Twitter. Die Arbeiten erfassen die räumlichen und zeitlichen Bewegungsmuster von Menschen – und wie sich diese durch die Auswirkungen der Corona-Pandemie verändern. Sie offenbaren auch die Vorhersehbarkeit in alltäglichen menschlichen Verhaltens- und Kommunikationsmustern. Da diese Mobilitäts- und Kommunikationsnetzwerke die Verbreitung erleichtern, zeigen die Arbeiten ebenso die Auswirkungen der Übertragungsmuster von Viren und die Verbreitung von Fake News. 

Import ID
r17_text:690726
Admin Title
D7 Paragraph: r17_text / GPC_ID: 10457
Detail Layout
flex-row-9-3 reverse

Die erste wissenschaftliche Arbeit des BarabásiLabs zur Mobilität erschien am 5. Juni 2008 unter dem Titel »Understanding Individual Human Mobility Patterns« [Individuelle menschliche Mobilitätsmuster verstehen] auf der Titelseite der Zeitschrift »Nature«. Die Forschungsarbeit stützte sich auf Daten, die eine europäische Mobilfunkfirma erfasst hatte, um die physischen Standorte und zeitlichen Verläufe einzelner Handynutzer:innen aufzuzeichnen. Die Visualisierungen »Mobility« [Mobilität] zeigen exemplarisch individuelle Bewegungen im Zeitverlauf, wobei die geografische Bewegung durch die Aneinanderreihung von Echtzeitstandorten nachvollzogen werden kann. Die Daten ermöglichten auch eine außergewöhnliche Vorhersagbarkeit täglicher Routinen: Durch die algorithmische Analyse der anonymisierten Datensätze gelang es dem BarabásiLab, den zukünftigen Standort einer Person mit 93-prozentiger Genauigkeit vorauszusagen. Die beiden Grafiken »Rhythms« [Rhythmen] zeichnen die Wege zweier Personen nach, die sich mit unterschiedlichen Graden an Vorhersehbarkeit in einer Großstadt bewegen. Während eine Person etwa ein Dutzend Orte besucht, besucht die andere rund einhundert. Der dargestellte Raum ist in ein Voronoi-Gitter unterteilt, das die Empfangsbereiche aller dort positionierten Mobilfunktürme erfasst. Diese Unterteilungen veranschaulichen, wie der Raum die menschliche Mobilität einschränkt. Nicht nur die befahrenen Verkehrswege nehmen Einfluss auf die täglichen Bewegungsmuster der Menschen, auch die sozioökonomische Existenz ist an unsichtbare Strukturen gekoppelt.

Import ID
r17_image:690725
Admin Title
D7 Paragraph: r17_image / GPC_ID: 10458
Type
image
Detail Layout
flex-row-3-9
© BarabásiLab (Albert-László Barabási, Nicholas Blumm, Chaoming Song, Zehui Qu)
Import ID
r17_faq:690715
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10460
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690715:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19364
Type
default
Detail Layout
default-12

Emergencies (2011)

  1. Import ID
    r17_faq_item:690714
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10459
    Type
    default
    Detail Layout
    default-12

    Stress-Netzwerke

    Mobiles Anrufnetzwerk
    Menschliche Reaktionen
    Kontakt-Nachverfolgung

    Um herauszufinden, wie sich das menschliche Verhalten in Krisensituationen verändert, wertete das BarabásiLab die Mobilitäts- und Anrufmuster von Zeug:innen verschiedener Notsituationen aus. Das Verfahren stellt eine Vorstufe der Kontaktpersonen-Nachverfolgung dar, die beispielsweise bei COVID-19 zum Einsatz kommt.

    Die Netzwerke in »Emergencies« [Notfälle] illustrieren die Anrufe nach zwei unterschiedlichen Bombenanschlägen in Spanien: Die rote Grafik visualisiert das Anrufverhalten unmittelbar nach der Explosion einer Bombe im Flughafen Madrid-Barajas 2006, die grüne Grafik erfasst die plötzliche Änderung der Rufmuster nach einer explodierten Autobombe im Baskenland 2009. Die Anrufe der unmittelbaren Zeug:innen der Ereignisse werden als Quadrate, die von Bekannten nach Erhalt der Nachricht als Kreise dargestellt. Je größer das Symbol, umso mehr Anrufe wurden getätigt. Die Farben erfassen die Zeit. Das zunehmend blaue Farbspektrum stellt Personen dar, die am Ende der Anrufkette stehen und somit die Nachricht später erhalten.

    Beide Visualisierungen machen das sensible Gefüge des sozialen Netzwerks sichtbar, das bei Notfallsituationen in Aktion tritt. Sie zeigen auch, dass, während die meisten Nachrichtenketten in kleineren Bereichen des sozialen Netzwerks versanden, einige wenige Zeug:innen ein globales Bewusstsein schaffen, indem sie das Engagement Hunderter Individuen auslösen.

Import ID
r17_faq:690717
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10466
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690717:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19370
Type
default
Detail Layout
default-12

Fake News (2018 )

  1. Import ID
    r17_faq_item:690716
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10465
    Type
    default
    Detail Layout
    default-12

    Die Verbreitung des #Pizzagate

    Soziale Medien
    Nachrichtenverteilung

    Die Verbreitung von Fake News wird durch soziale Medien begünstigt. Das zeigt der sogenannte Pizzagate-Skandal, eine Verschwörungstheorie, die die US-Wahlen 2016 beeinflusste und als erster gut dokumentierter Fall von Fake News gilt. Hochrangigen Funktionären der Demokraten wurde unterstellt, einen Prostitutionsring im Keller einer Pizzeria in Washington, DC zu betreiben.

    Um die Entstehung und Verbreitung von Fake News wie dem Pizzagate-Skandal zu erfassen und die wichtige Rolle von Bots bei deren Verbreitung zu verstehen, entwickelte das BarabásiLab das »Fake News«-Netzwerk. Es zeigt die Verbreitung von Tweets, die den Hashtag #pizzagate auf Twitter teilen. Mithilfe eines Botometers, eines Instruments aus dem Bereich der künstlichen Intelligenz, das Menschen von Bots unterscheidet, ließ sich feststellen, ob die Tweets von Bots, also von programmgesteuerten Accounts, oder von realen Personen retweetet wurden. Die Anzahl der Tweets, die von einem Bot erstellt wurden, sind durch die ockerfarbenen, die von realen Personen durch türkisfarbene Knoten visualisiert. Die Verknüpfungen zwischen den Knotenpunkten stellen die Retweets über den Hashtag #pizzagate dar.

Import ID
r17_video:690820
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44587
Type
media
Detail Layout
flex-row-3-9

Albert-László Barabási, Mauro Martino, Nima Dehmami, Onur Varol, »Fake News«, 2018

barabasi_ausstellungsseite_fakenews_thumb.jpg
Werk

BarabásiLab, »Fake News«, 2018

Import ID
r17_video:696729
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44588
Type
media
Detail Layout
flex-row-3-9

Fake News | Videokommentar von Albert-László Barabási

barabasi_commentary_111.png
Vortrag/Gespräch

Fake News | Videokommentar von Albert-László Barabási

Import ID
r17_faq:690719
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10471
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690719:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19374
Type
default
Detail Layout
default-12

My 21st Century (2020)

  1. Import ID
    r17_faq_item:690718
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10470
    Type
    default
    Detail Layout
    default-12

    Atmendes New York

    COVID-19
    Mobilitätsmuster
    Lockdown

    Das Video »My 21st Century« [Mein 21. Jahrhundert] führt die wissenschaftliche Auseinandersetzung des BarabásiLabs mit der menschlichen Mobilität zu einer höchst aktuellen Anwendung. Durch die Auswertung der Mobilfunkdaten von Handynutzer:innen in Manhattan, New York, vor und nach dem Ausbruch des COVID-19-Virus, macht das Lab sichtbar, in welchem Ausmaß sich das Verhalten der Menschen durch die Pandemie verändert hat.

    Die Karte Manhattans zeigt den täglichen Bewegungsrhythmus der Bevölkerung. Wie atmende Lungenflügel vergrößert sich die kartografische Darstellung mit der Ankunft der Menschen am Morgen und zieht sich zusammen, sobald sie die Stadt gegen Abend wieder verlassen. Am 22. März 2020, dem ersten Tag des Lockdowns, verfällt die Stadt in eine Schockstarre und die kartografische Darstellung kollabiert. Nach diesem Tag kehren die Bewegungsrhythmen innerhalb Manhattans zurück, jedoch mit reduziertem Ausschlag, was den neuen postpandemischen Normalzustand widerspiegelt.

Import ID
r17_video:690819
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44589
Type
media
Detail Layout
flex-row-3-9

Albert-László Barabási, Michael Danzinger, Alice Grishchenko, Ryan Qi Wang, »My 21st Century, Breathing New York«, 2020

barabasi_ausstellungsseite_my21stcentury_reversed_thumb.png
Werk

BarabásiLab, »Mein 21. Jahrhundert«, 2020

Import ID
r17_video:696717
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44590
Type
media
Detail Layout
flex-row-3-9

My 21st Century | Videokommentar von Albert-László Barabási

barabasi_commentary_105.png
Vortrag/Gespräch

My 21st Century | Videokommentar von Albert-László Barabási

Import ID
r17_faq:690721
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10473
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690721:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19376
Type
default
Detail Layout
default-12

Viruses (2009)

  1. Import ID
    r17_faq_item:690720
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10472
    Type
    default
    Detail Layout
    default-12

    Die Entstehung einer Pandemie

    Vorhersagbarkeit
    Mobilfunkdaten
    Ausbreitung von Viren

    Bereits ein Jahrzehnt vor der Corona-Pandemie versuchte das BarabásiLab nachzuvollziehen, wie sich Viren über Ländergrenzen hinweg global ausbreiten. Hierfür wertete das Team Daten verschiedener Mobilfunkfirmen aus, um die Verbreitung eines potenziellen Mobilfunkvirus zu kartieren und sein verstecktes Übertragungsmuster vorherzusagen. Das enthüllte Muster ähnelt auffallend dem, was bei der asymptomatischen Ausbreitung des COVID-19-Virus beobachtet wurde.

    Die Serie »Viruses« [Viren] dokumentiert die zeitliche und räumliche Infektionsverbreitung in einem Gebiet Europas. Von links nach rechts verlaufend, zeigt die Sequenz, wie ein Mobilfunkvirus, der in einem ländlichen Gebiet beginnt und aufgrund räumlicher Nähe weitergegeben wird, zunächst dicht besiedelte Regionen infiziert und sich dann wieder von städtischen zu ländlichen Gebieten hin ausbreitet, bis er flächendeckend in Erscheinung tritt. Das Voronoi-Gitter markiert pro Unterteilung den Empfangsbereich eines Mobilfunkturms. Die unterschiedlichen Farben der Zellen entsprechen dem Prozentsatz der Infektionen innerhalb der jeweiligen Region – die Infektionsrate nimmt dabei von farblosen über blaue bis hin zu roten Zellen zu.

Import ID
r17_video:696715
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44597
Type
media
Detail Layout
flex-row-3-9

Viruses | Videokommentar von Albert-László Barabási

barabasi_commentary_104.png
Vortrag/Gespräch

Viruses | Videokommentar von Albert-László Barabási

Footer

ZKM | Zentrum für Kunst und Medien

Lorenzstraße 19
76135 Karlsruhe

+49 (0) 721 - 8100 - 1200
info@zkm.de

Organization

Dialog