Ein bisschen mehr aus jedem Tag herausholen – mit dem Personal Coach explore

Das Ziel unseres Personal Coach explore ist es, seinen Nutzerinnen jeden Tag ein Ansporn zu sein, ihr Verhalten zu überprüfen bzw. zu verändern, um den eignen Lifestyle zu optimieren. Dazu bieten wir regelmäßig Programme an, wie beispielsweise SMILE! – Lachen lernen in 5 Tagen.

Die Forschung im Bereich Verhaltensänderung bietet viele Ansatzmöglichkeiten für den Einzelnen, sein Verhalten nachhaltig zu ändern und die eigene Lebensqualität damit zu verbessern. Entscheidend ist hierbei zwei Details, die gern übersehen oder vernachlässigt werden: der Mensch ändert sich nur wenn er es will und wenn er regelmäßige Unterstützung zur Änderung erhält.

Diese Unterstützung wiederum muss zwei Kriterien genügen: sie darf nicht oberlehrerhaft und erzieherisch daherkommen – wir im Datarella-Team nennen es „nanny-esque“ – weil der Mensch sich davon genervt fühlen und dies eher als ungewollten Eingriff in sein Leben als eine durchaus gewollte Hilfestellung empfinden würde. Ein schönes Beispiel für eine nanny-esque „Unterstützung“ sind die kleinen Helferlein, die Windows-Nutzern gern den Einsatz ihrer Software auf PCs erklären – und dabei eigentlich nur stören.  Zum zweiten muss die Unterstützung so regelmäßig erfolgen, dass bestehende (schlechte bzw. zu ändernde) Gewohnheiten rechtzeitig erkannt und geändert werden können. Es hilft beispielsweise wenig, wenn eine Schokoladensüchtige einmal monatlich daran erinnert wird, dass er weniger naschen soll – wenn ihre Nasch-Frequenz ein paar Stunden beträgt. Eine gute Hilfe zur Änderung des Verhaltens setzt hier analog zur Häufigkeit des Fehlverhaltens an: im Schoko-Beispiel müssten der änderungswilligen Person alle paar Stunden Alternativen zum Schokoladenkonsum angeboten werden.

Unser Motto ist es, Technologie zur Verbesserung der Lebensqualität – und damit sozial relevante Technologie anzubieten. Daher freut es uns immer sehr, wenn wir positives Feedback unserer explore Nutzer erhalten: schließlich gibt es für einen Produktanbieter wenig Schöneres, als wenn das Produkt beim Nutzer genau das bewirkt, was es soll. explore Nutzerin Ina Urban ist beispielsweise sehr angetan von unserer täglich wiederholten „Wie geht’s?“ Umfrage. Mit ihrem Zitat bedanken wir uns bei ihr und wünschen allen explore Nutzern viel Erfolg beim Verbessern ihrer Lifestyles!

Eure App ist ein guter Ansporn um noch ein bisschen mehr aus einem
Tag herauszuholen. Sei es gesünder und regelmäßiger zu essen, mehr
mit der Familie zu unternehmen oder einfach einen Gang runterschalten
und die Füße hochlegen. Auch hierfür ein Dankeschön von mir.

Presseinfo – Datarella schaltet API des Personal Coach explore frei

München, 21. Mai 2014 – Datarella, das Münchner Big Data Startup, stellt den Nutzern seiner Personal Coach App explore ab sofort eine Schnittstelle (API) zur Verfügung. Über die API können interessierte App Entwickler auf ihre ansonsten schwer zugänglichen Daten zugreifen, die mit der App auf ihrem Smartphone gemessen werden. explore ist eine Smartphone App, die ihren Nutzern basierend auf deren Verhalten und der jeweiligen spezifischen Situation Erkenntnisse über sie selbst und ihre Lifestyles widerspiegelt und ihnen hilfreiche Tipps zur Steigerung ihrer Lebensqualität gibt. 

API – Eine Schnittstelle ermöglicht Funktionalität
“Application Programming Interface”, kurz API, ist eine Schnittstelle, die es möglich macht, von Außen auf ein Computerprogramm oder eine Datenbank zuzugreifen. Web-APIs, die den Zugriff via Internet ermöglichen, sind die Grundlage für die meisten Geschäftsmodelle im Web. Wenn Nutzer beispielsweise ihre Online-Einkäufe mit Kreditkarte bezahlen, greift das Shop-System auf die API des Kreditkartenanbieters zu. Ob E-Commerce Websites wie Ebay, Amazon, Paypal, oder Soziale Netzwerke wie Facebook, Twitter und andere, sie alle stellen APIs zur Verfügung, mit denen grundsätzlich die gesamte Funktion der Angebote in andere Websites eingebaut werden können.

explore Personal Coach
Der Personal Coach explore wurde von Datarella entwickelt, um auf die Sensoren (“Probes”) des Smartphones zuzugreifen und die von den Sensoren gemessenen Daten zu speichern. Dabei werden über die üblichen Daten zum Ort (Geo-Location), wie sie von Google Maps bekannt sind, auch die Bewegungen im Raum über das Gyroskop, die Beschleunigungen und das Magnetfeld in der Umgebung angezeigt. Auch die Mobilfunk- und Wifi-Netze, die das Smartphone empfangen kann, werden getrackt. Aus diesen Informationen kann der Nutzer viele interessante Dinge über sich, die Umgebung und das eigene Verhalten lernen.

Kontext – Aus Daten werden Geschichten
Daten allein sind nicht interessant genug – der Kontext, in dem Dinge passieren und in dem man sich als Mensch verhält, macht aus Daten Geschichten: warum beschleunigt ein Nutzer während einer Autofahrt extrem dynamisch, während er üblicherweise langsam und gelassen fährt? Warum sind Nutzer, die immer für ausreichend Akkukapazität in ihren Smartphones suchen, weniger gestresst als andere? Zusammenhänge zwischen diesen Daten herstellen – das geht ab sofort über die explore API.

Meine und die Daten anderer
Über die API können auch Daten der anderen explore Nutzerinnen abgerufen werden. Die Daten anderer Nutzer sind aus Gründen des Datenschutz allerdings nur als zusammengefasste Mittelwerte abrufbar, so dass der Rückschluss auf einzelne Nutzer ausgeschlossen ist.
Mit der API für explore bekennt sich Datarella zu Open Data: „Daten müssen den Nutzerinnen und Nutzern zur Verfügung stehen“ so Co-Gründer Jörg Blumtritt, „wir sind überzeugt, dass dies der beste Weg im Umgang mit persönlichen Daten ist.“

Datarella GmbH
Die Datarella GmbH wurde im August 2013 von ihrem Geschäftsführer Jörg Blumtritt sowie Kira Nezu, Yukitaka Nezu und Michael Reuter gegründet. Das Münchner Quantified Self Startup setzt seine mobile Personal Coach App explore zur Gewinnung und Analyse von Verhaltensdaten ein. Kunden von Datarella nutzen explore in der Originalversion, in einer speziell auf ihre Bedürfnisse angepasste White Label Variante oder sie integrieren das explore SDK in ihre bestehenden Apps, um tiefere Einsichten in das Verhalten ihrer Nutzer zu erhalten. Unternehmen, die Quantified Self intern einsetzen wollen, greifen auf das Quantified Self Beratungsangebot von Datarella zurück. Der Nutzer des Personal Coach explore hat realtime Zugriff auf seine Daten, lernt sich selbst besser kennen und kann sein Verhalten optimieren, um seine Lebensqualität zu steigern. explore ist kostenlos in Google Play verfügbar. Kooperationspartner von Datarella sind u.a. die European Space Agency, die BayBG und die Serviceplan Gruppe.

Dokumentation der API

Link zum Download des Personal Coach explore

Mit unserer API auf die Smartphone-Daten zugreifen

Für die App ‚explore‘ stellt Datarella ab sofort eine Schnittstelle (eine „API“) zur Verfügung, mit der je Nutzerin und jeder Nutzer zugriff auf die Daten erhält, die von der App gesammelt und abgespeichert werden.

„Application Programming Interface“, kurz API, ist eine Schnittstelle, die es möglich macht, von Außen auf ein Computerprogramm oder eine Datenbank zuzugreifen. Web-APIs, die uns den Zugriff via Internet ermöglichen, sind die Grundlage für die meisten Geschäftsmodelle im Web. Wenn wir mit Kreditkarte bezahlen, greift das Shop-System auf die API des Kreditkartenanbieters zu. Ebay, Amazon, Paypal, sie alle stellen uns APIs zur Verfügung, mit denen wir so gut wie die gesamte Funktion der Angebote in unsere eigenen Websites einbauen können. Auch die meisten Social Networks stellen APIs zur Verfügung. Darüber können wir automatisierte Nachrichten versenden, Daten zur Nutzung und Reichweite abrufen, oder Werbekampagnen steuern.

Die App ‚explore‘ wurde von Datarella entwickelt, um auf die Sensoren („Probes“) des Smartphones zuzugreifen und die von den Sensoren gemessenen Daten zu speichern. Dabei gibt es nicht nur die üblichen Daten zum Ort (Geo-Location), wie sie von Google Maps bekannt sind. ‚explore‘ zeigt die Bewegungen im Raum, über das Gyroskop, die Beschleunigungen und das Magnetfeld in der Umgebung. Auch die Mobilfunk- und Wifi-Netze, die das Smartphone empfangen kann, werden getrackt (über die Sensoren im Smartphone hatten wir zuletzt hier geschrieben). Aus diesen Informationen kann man viele interessante Dinge über sich, die Umgebung und das eigene Verhalten lernen. Damit die Daten nicht losgelöst von jedem Kontext stehen, kann man über die API auch Werte aus den Daten der anderen ‚explore‘-Nutzerinnen abrufen. Die Daten der anderen Nutzer sind aus Gründen des Datenschutz allerdings nur als zusammengefasste Mittelwerte abrufbar, so dass der Rückschluss auf einzelne Nutzer ausgeschlossen ist.

Mit der API für ‚explore‘ bekennt sich Datarella zu Open Data: Daten müssen den Nutzerinnen und Nutzern zur Verfügung stehen, davon sind wir überzeugt.

➜ Hier geht’s zur Dokumentation der API: explore.datarella.com/data_1.0.html

➜ Hier der Link zum Download von ‚explore‘: play.google.com

Wir freuen uns über eure Ideen, was Ihr mit aus den Daten macht!

Die App 'explore' hier herunterladen.
Die App ‚explore‘ hier herunterladen.

Xiaomi verkauft in Indien 100.000 Smartphones in vier Sekunden

Kurzer Nachtrag zum Artikel über den chinesischen Smartphone-Hersteller Xiaomi: In Indien hat hat Xiomi gestern in einer seiner Flash-Marketing Aktionen innerhalb von vier Sekunden hunderttausend Smartphones vom Typ Redmi 1S verkauft, das berichtet R. Jai Krishna, Reporter für das Wallstreet Journal in Indien. Marktführer in Indien ist unverändert Samsung, gefolgt von Micromax, einem lokalen Anbieter, der ca. drei Millionen Smartphones pro Monat verkauft. Indien wird mit dem Markteintritt von Xiaomi dieses Jahr zum umkämpften Markt für Smartphones unter 100US$. Auch der Hersteller des Firefox Webbrowsers Mozilla hatte unlängst angekündigt ein Phone für 33$ in Indien herauszubringen.

Die API-Ökonomie

Apis mellifera

„Application Programming Interface“, kurz API, ist eine Schnittstelle, die es möglich macht, von Außen auf ein Computerprogramm oder eine Datenbank zuzugreifen. Web-APIs, die uns den Zugriff via Internet ermöglichen, sind die Grundlage für die meisten Geschäftsmodelle im Web. Wenn wir mit Kreditkarte bezahlen, greift das Shop-System auf die API des Kreditkartenanbieters zu. Ebay, Amazon, Paypal, sie alle stellen uns APIs zur Verfügung, mit denen wir so gut wie die gesamte Funktion der Angebote in unsere eigenen Websites einbauen können. Auch die meisten Social Networks stellen APIs zur Verfügung. Darüber können wir automatisierte Nachrichten versenden, Daten zur Nutzung und Reichweite abrufen, oder Werbekampagnen steuern.

APIs haben viele Vorteile. Unternehmen können mit einer API komplexe Geschäftsprozesse auf einfache Weise outsourcen. Ein kleiner Anbieter kann mit der API von Amazon zum Beispiel sein Angebot über das Amazon-Shopsystem weltweit zugänglich machen. Über PayPal oder der Überweisung via Sofort.com können Anbieter sicher und für ihre Kunden problemlos die Bezahlung abwickeln. Geografische Daten lassen sich über die API in Google Maps einbinden und so automatisch Spezialkarten erzeugen.

Über die API kann aus einem Angebot ein ganzes „Ökosystem“ an Partner-Angeboten entstehen, wie das Amazon Beispiel zeigt. Neben dem direkten Vorteil, dass durch die API potenziell viel mehr Menschen das Angebot nutzen können, erweitert die Sicht auf das System aus Partnern auch das Wissen des API-Anbieters ganz erheblich. Über das Partner-Netz lernt man, wozu das eigene Angebot noch so alles taugt.

APIs sind auch die Grundlage für Open Data. Nur wenn eine gut dokumentierte Schnittstelle zu den Daten vorliegt, kann man wirklich darauf zugreifen und sinnvolle Analysen mit den Daten erstellen. Öffentliche Daten werden mittels APIs für Bürgerinnen und Bürger zugänglich. Kommunale Open Data Projekte wie Open.Wien oder Open Data Zürich zeigen, wohin die Reise geht. Besonders interessant sind dabei Aggregatoren, die die unterschiedlichen Datensätze aus den Open Data Projekten in eine gemeinsame Datenbank zusammenführen. Der bekannteste kommerzielle Anbieter ist enigma.io mit mehreren hunderttausend Datenbanken unter einem Dach. Und Wikimedia stellt mit wikidata.org eine Non-Profit Initative.

Inzwischen hat sich eine Ganze „API-Wirtschaft“ entwickelt. programmableweb.com ist eine Website, auf der täglich aktuell Nachrichten über APIs aus allen möglichen Bereichen gesammelt werden. Die Seite bietet eine umfassende Datenbank. Dort kann man nach APIs zu jedem erdenklichen Thema suchen; der perfekte Startpunkt für die Beschäftigung mit der API Economy.

APIs sind mehr als nur eine technische Schnittstelle. Angebote, die konsequent um ihre API gebaut werden, sind schon alleine aufgrund der Nutzerfreundlichkeit erfolgreicher. Durch die Vernetzung mit Partnern werden API-Angebote nicht so leicht durch Konkurrenz vom Markt verdrängt, wie geschlossene Systeme. APIs zwingen auch zu rigorosem Datenschutz, da die Nutzerinnen über die API sehr viel mehr über die Daten lernen, die ein Angebot von ihnen hält.

Zugänglichkeit, Verfügbarkeit und Vernetzung über eine API ist also wesentlicher Teil der Produktstrategie, wenn nicht sogar der Unternehmensphilosophie.

Xiaomi zeigt, dass der Markt für Smartphones noch lange in Bewegung bleibt

Der Smartphonehersteller mit dem größten Wachstum, heute schon Nr. eins in China und Nr. drei weltweit ist gerade einmal vier Jahre alt. Xiaomi (gesprochen „Chsiaomi“, mit stimmhaften „ch“ wie in „ich“ und scharfem „s“ direkt danach, ein Zungenbrecher für die meisten Europäer …) schafft es, wie kein Anderer, bezahlbare High-End Smartphones anzubieten, die nicht nur günstig sind, sondern vor allem junge Käuferinnen und Käufer ansprechen. Der Marktanteil von Xiaomi in China liegt bereits über vierzig Prozent.

Mit unserer App 'explore' untersuchen wir das Einkaufsverhalten von chinesischen Urlaubsreisenden. Damit wir uns sicher sein können, dass die App reibungslos funktioniert, haben wir eine Sammlung von Testgeräten - darunter auch die von Xiaomi.
Mit unserer App ‚explore‘ untersuchen wir das Einkaufsverhalten von chinesischen Urlaubsreisenden. Damit wir uns sicher sein können, dass die App reibungslos funktioniert, haben wir eine Sammlung von Testgeräten – darunter auch die von Xiaomi.
Mein erster Kontakt war ein Xiaomi Mi3, das Michael für unsere Firma angeschaft hat. Für unsere App-Entwicklung haben wir stets eine Reihe von Smartphones zum Testen. Und da wir Apps für chinesische Nutzer entwickeln, bot es sich an, neben dem bisherigen Platzhirsch Huawei, der auch in Deutschland schon realtiv bekannt ist, auch den neuen Star mit in unsere Sammlung aufzunehmen. Wir waren beeindruckt von der Qualität, die auch in den meisten Berichten in der Fachpresse gelobt wird (z.B. in Chip). Wir haben inzwischen auch das Nachfolgemodell Mi4 (im Bild ganz oben), das uns ebenfalls überzeugen konnte.
Das Mi3 von Xiami mit dem Default Wallpaper ... wohl nach chinesischem Geschmack :)
Das Mi3 von Xiami mit dem Default Wallpaper … wohl nach chinesischem Geschmack 🙂

Faszinierend an Xiaomi ist für mich vor allem, wie schnell es diesem extrem jungen Unternehmen gelungen ist, bedeutende Marktanteile zu gewinnen. Die Marketing-Strategie von Xiaomi lehnt sich eng an Apple an. Das beginnt beim Produktdesign und der Funktionalität. Auch die Distribution läuft wie bei Apple mit künstlicher Verknappung: das neue Phone wird angekündigt und nur, wer sich registriert und zwei Stunden im Online-Shop wartet, kommt in die Warteschlange und ist, wenn er oder sie Glück hat, unter den 20.000 Interessenten, die das neue Gerät tatsächlich kaufen dürfen. Danach ist erst einmal wieder Pause, bis zur nächsten Charche. Selbst der Auftritt von Unternehmensgründer Lei Jun ist den Präsentationen von Steve Jobs nachgemacht – und Jun trägt selbstverständlich einen schwarzen Rolli. Die Preispolitik allerdings ist das genaue Gegenteil von Apple. Xiaomi legt bei seinen Neuerscheinungen nur eine minimale Marge auf die Kosten der Bauteile, belässt aber den Verkaufspreis der Modell unverändert über die Zeit, in der sie angeboten werden. Da die Kosten für Smartphone-Bauteile in achzehn Monaten um bis zu 90 Prozent fallen, werden die Smartphones am Ende ihres Produktlebenszyklus zu wahren Cash-Cows. Apple, Samsung und die meisten anderen Premium-Hersteller gehen genau den umgekehrten Weg. Sie bringen neue Modelle mit einem hohen Preispremium heraus und senken den Preis dann drastisch, wenn ein neues Modell herauskommt. Bisher scheint die Preisstrategie von Xiaomi aufzugehen – das Unternehmen schreibt Gewinne.

So wie wir heute den raketenartigen Aufstieg von Xiaomi bewundern, haben wir vor zwei Jahren mit Stauenen erlebt, wie Huawei zum Weltmarktführer für Smartphones wurde. Vor vier Jahren war es Samsung, der alle Konkurrenten weit abgeschlagen zurrückgelassen hatte. Der Markt für Mobilfunkgeräte ist also alles andere als ruhig geworden. Und neue Player schaffen enorme Wertsteigerungen, ohne dass die bisherigen Anbieter wirklich verdrängt würden. Dahinter steht die Ausbreitung von Mobilfunk, die lawinenartig ungebrochen die ganze Welt erobert. Bereits mehr als vier Milliarden Menschen nutzen Mobilfunk. Ende diesen Jahres werden davon mehr als anderthalb Milliarden Menschen über ein Smartphone mobil ins Internet gehen. Google hat mit seiner Initative „Google One“ entsprechend angekündigt, die technologische Plattform für „die nächsten sechs Milliarden Menschen“ zu liefern. Wir sprechen beim Mobilfunk von nichts weniger, als einem Markt mit dem Potenzial aller Einwohner unseres Planeten. Damit gibt es auch in den nächsten Jahren genügend Raum für viele Überraschungen.

Sensoren – Warum das Smartphone viel mehr ist, als nur ein „mobiler Computer“

Sensoren messen stetig alle möglichen Daten über uns, unser Verhalten und unsere Umgebung

„Wann hast du das letzte Mal dein Telefon wirklich zum telefonieren verwendet?“ Diese scherzhaft gemeinte Frage trifft einen Punkt: Unsere „Telefone“ sind in Wahrheit nicht nur leistungsfähige Computer, mit denen wir auf alle möglichen Internet-Dienste zugreifen – von Email bis Facebook. Unsere Smartphones bieten sehr viel mehr, als unsere Laptops: die tragen eine Phalanx von mehr als zwanzig Sensoren, also Messgeräten, die stetig Daten sammeln, über uns, unsere Handlungen und unsere Umgebung.

Geo-Location, also die Ortung der Position ermöglicht nicht nur Navigation, sondern auch "Tracking", also z.B. ein Fahrtenbuch. (Im Bild: eine Reise von mir nach Düsseldorf, mit unserer App 'explore' getrackt).
Geo-Location, also die Ortung der Position ermöglicht nicht nur Navigation, sondern auch „Tracking“, also z.B. ein Fahrtenbuch. (Im Bild: eine Reise von mir nach Düsseldorf, mit unserer App ‚explore‘ getrackt).
Am bekanntesten sind natürlich die Ortungsdienste, die „Geo-Location“. Apps wie Google Maps zeigen uns, wo wir uns befinden und wie wir an unser Ziel gelangen. Hinter der Geo-Location stehen in Wahrheit mehrere unterschiedliche Sensoren. Der GPS-Empfänger, der unsere Position durch Satellitensignale ortet ist nicht alleine. Auch die Funkzelle, in der wir uns befinden, also die nächstgelegenen Funkmasten, durch den das Phone seine Signale von unserem Telekommunikationsdienstleister erhält, helfen, unseren Standort zu bestimmen. Am genauesten funktioniert die Ortung über die Wifi-Signale in unserer Umgebung. Durch den Wifi-Standortes und die Signalstärke kann unser Standort selbst in Innenräumen und Kellern, in denen keine Ortung über GPS möglich wäre, immernoch metergenau erfolgen. Geolocation-Daten umfassen neben Längen- und Breitengrad, die Höhe über N.N. und unsere Geschwindigkeit.

Eine zweite Gruppe von Sensoren misst unsere Bewegungen. Zum einen die geradlinigen Beschleunigungen („Linear Acceleration“), zum anderen Drehungen, Lageveränderungen und Erschütterungen („Gyroscope“). Unser Verhalten hinterlässt in diesen Sensoren charakteristische Spuren: Schritte und Bewegungen im Haus, Fahrten mit unterschiedlichen Verkehrsmitteln, sie alle zeigen typische Muster von Erschütterungen, Drehungen und Beschleunigungen. Diese Daten lassen sich zu komplexen Verhaltensmustern zusammensetzen, zum Beispiel „Ich stehe vom Schreibtisch auf und gehe in die Küche“, oder „Sie fährt mit der S-Bahn“. Fitness-Apps, die unsere Schritte zählen sind die bekanntesten Anwendungen dieser Sensoren.

Eine dritte Gruppe misst Umwelteinflüsse: Temperatur (ursprünglich vor allem zur Optimierung der Batterielaufzeit eingeführt), Luftdruck, Helligkeit und Lärm. Helligkeit – klar, über die Kamera, die bei aktuellen Phones automatisch die Display-Helligkeit regelt. Und Lärm – das Mikrophon, dass keineswegs nur zum Telefonieren aktiviert wird. Da die meisten Telefone auch einen Kompass bereitstellen, besitzen sie ein empfindliches Messgerät für Magnetfelder („Magnetic Flux“). So exotisch das klingt, auch dafür gibt es handfeste Anwendungen, zum Beispiel automatisch erkennen, wenn man eine magnetische Diebstahlsicherung in einem Laden passiert.

Magnetfelder in unserer Umgebung werden von allen aktuellen Smartphones gemessen. Die Daten liefern Input für den Kompass. Die Auswertung hier zeigt aber, dass man aus den Magnetfeldern sehr viel mehr herauslesen kann, zum Beispiel Informationen über die Umgebung, in der sich der Nutzer des Smartphones gerade aufhält.
Magnetfelder in unserer Umgebung werden von allen aktuellen Smartphones gemessen. Die Daten liefern Input für den Kompass. Die Auswertung hier zeigt aber, dass man aus den Magnetfeldern sehr viel mehr herauslesen kann, zum Beispiel Informationen über die Umgebung, in der sich der Nutzer des Smartphones gerade aufhält.

Die vierte Gruppe umfasst die internen Systemsensoren des Smartphone. Der Batteriesensor misst Ladestand und ggf. die Art der Aufladung (ob via Ladegerät oder USB-Kabel). Außerdem trackt das Betriebssystem des Phones die Nutzung des Prozessors („CPU Usage“) und des Speichers („Storage“), sowie die Nutzung der Apps.

Und schließlich die Funkverbindungen: Empfangbare Mobilfunknetze („Provider“), Wifis (mit der, für den Benutzer sichtbaren WLAN-Kennung „SSID“ und der maschinenlesbaren „BSSID“), Blutooth (besonders wichtig für die sogenannten Beacons) und Near-Field-Communication („NFC“), die beim Mobile Payment eingesetzt werden wird (und in anderen Ländern, wie zum Beispiel in Großbritannien bereits heute eingesetzt wird).

Im Zusammenspiel lassen sich die Messwerte der Sensoren für unglaublich viele, interessante Anwendungen heranziehen. In der Forschung (Verhaltensforschung, Medienforschung, Marktforschung), Gesundheit (Unterstützung von chronisch Kranken, Gesundheitsmonitoring für Patienten und ihre Betreuer, und natürlich Unterstützung bei Fitnesstraining und Reha), im Straßenverkehr („Smartphone Fartenbuch“, Flottenmanagement für Logistik), Touristik, Handel, und in vielen anderen Bereichen.

Datarella hat mit der App ‚explore‘ eine Plattform entwickelt, die Sensor-Daten auf Smartphones zu messen, zu speichern und in eine Datenbank zu übertragen. Daraus entwickeln wir unterschiedliche Anwendungen in allen aufgezählten Bereichen. Darüber werden wir in nächster Zeit vermehrt hier berichten.

Die App 'explore' hier herunterladen.
Die App ‚explore‘ hier herunterladen.

QS Best Practice: Walmart bringt Quantified Self in den Laden

Quantified Self, die Selbstvermessung mit entsprechenden Wearable Apps und tracking Tools, ist weit mehr als eine Marotte gesundheitsorientierter und bewusst lebender Menschen. QS bietet ein breite Palette an Nutzungsszenarien für den Einsatz in Unternehmen – sei es unternehmensintern, beispielsweise zur Analyse der Mitarbeiterkommunikation, sei es in der Kommunikation mit dem Kunden, wenn nachhaltige Interaktionskanäle aufgebaut werden.

So ermöglicht der weltweit größte Einzelhändler Walmart seinen Kunden zukünftig die Analyse ihres eigenen Einkaufsverhaltens. Während ihres Einkaufs scannen die Walmart-Kunden die in den Einkaufswagen gelegten Produkte mit der neuen Savings Catcher App ein und erhalten als Ergebnis anschauliche Charts, anhand derer sie ihr Einkaufsverhaltens erkennen und das Zusammenstellen der Waren – beispielsweise durch Eingabe eines maximalen Budgets – optimieren können. Die Savings Catcher App ist der neueste Service des Einzelhändlers, seinen Kunden eine größere Transparenz über ihr eigenes Verhalten zu verschaffen, indem sie selbst aktiv werden und ihr Verhalten auf Basis der eigenen Daten aktiv zu ãndern. Insbesondere das letztgenannte Element ist ein elementarer Aspekt von Quantified Self: man geht davon aus, dass eine nachhaltige Verhaltensänderung nur erzielt werden kann, wenn der Menschen eine ausreichende Datenbasis für alternatives Handeln zur Verfügung hat und darauf basierend selbst aktiv wird.

Nachdem der Kunde mit der Savings Catcher App die Barcodes auf den gewünschten Produkten gescannt hat, vergleicht die App die Preise mit denen nahegelegener Wettbewerber. Wird eine Abweichung zuungunsten des Walmart-Produkts gefunden, erhält der Kunde den Differenzbetrag zurückerstattet.

Darüberhinaus können in der App Rezepte gespeichert und vorausschauend Einkaufslisten erstellt werden. Die Summe aller im Einkaufswagen liegenden Produkte wird dem Kunden ständig angezeigt und der Kunde erhält eine Benachrichtigung, wenn ein auf der Einkaufsliste befindliches Produkt im Sonderangebot ist.

Im Unterschied zu Anbietern von Wearable Tech benötigt Walmart kein zusätzliches Gerät wie ein Band oder eine Smartwatch – wie der explore Personal Coach ist die Savings Catcher App eine Wearable App, die man immer auf dem eigenen Smartphone dabei hat.

Die Savings Catcher App ist ein hervorragender Use Case, um die Vorteile von Quantified Self für das Individuum wie für Unternehmen gleichermaßen aufzuzeigen: anschaulich aufbereitete Daten helfen der Nutzerin, ihr Verhalten zu optimieren und dem Unternehmen, seine Kundin besser kennenzulernen und ihm ein auf ihre Bedürfnisse optimal abgestimmtes Angebot machen zu können.

Walmart ist hinsichtlich des Einsatzes von Apps zur Kundenbindung und Produktoptimierung weltweiter Vorreiter – gefolgt von Einzelhãndlern in Großbritannien wie Sainsbury’s oder Tesco. Herkunft und Ausrichtung auf das Individuum könnten im Falle von Quantified Self zu einem Pull Effekt auch hierzulande führen: wenn Kunden von Einzelhändlern und anderen Unternehmen mehr Transparenz und Unterstützung hinsichtlich Optimierung von Shopping-Gewohnheiten verlangen, müssen Unternehmen reagieren, insbesondere wenn sie ein jüngeres Publikum erfolgreich an sich binden wollen.

Das Design der explore App – Das Datarella Interview

Heute sprechen wir mit Kira Nezu (KN), Mitgründerin von Datarella, über das Design der explore App.

Q
Die explore App ist nur für Android Smartphones verfügbar. Warum gibt es keine Version für das iPhone?

KN
Ursprünglich haben wir explore als ein sogenanntes MVP, Minimum Viable Product (minimal funktionsfähiges Produkt), entwickelt. Wir haben uns für den Anfang für Android entschieden, weil es eine größere Vielfalt an Sensoren und Smartphonedaten bietet. Wir wollten unsere Tests und Fehler nur auf einer Plattform machen. Früher oder später werden wir aber auch eine Version für das iPhone auf den Markt bringen.

Q
explore hat zwei verschiedene Elemente: Das Nachverfolgen der Sensorik und den interaktiven Bereich mit Umfragen, Aufgaben und Empfehlungen. Können Sie uns mehr über die Struktur und Funktionen der App erzählen?

KN
Das MVP wollen wir so flexibel wie möglich lassen, damit wir es schnell verändern und Fehler beheben können. Daher haben wir uns dafür entschieden eine Hybrid-App zu erstellen, die sowohl Elemente Nativer Apps als auch Web Apps enthält. Der native Teil ist sozusagen der Container, der die meisten der Grafiken enthält. Die Inhalte werden aus dem Backend bezogen, während der Ergebnisbereich komplett mithilfe von Webansichten erstellt wird. Das gibt uns einen hohen Grad an Flexibilität: Wir können unsere Inhalte innerhalb weniger Minuten updaten.

Das MVP wollen wir so flexibel wie möglich lassen, damit wir es schnell verändern und Fehler beheben können. Daher haben wir uns dafür entschieden eine Hybrid-App zu erstellen, die sowohl Elemente Nativer Apps als auch Web Apps enthält. Der native Teil ist sozusagen der Container, der die meisten der Grafiken enthält. Die Inhalte werden aus dem Backend bezogen, während der Ergebnisbereich komplett mithilfe von Webansichten erstellt wird. Das gibt uns einen hohen Grad an Flexibilität: Wir können unsere Inhalte innerhalb weniger Minuten updaten.

Was die Struktur angeht, gibt es drei Bereiche:

  • Inhalt – unterteilt in den Umfragenbereich und Empfehlungen
  • Menübereich
  • Ergebnisse

Q
Bezüglich der Umfragen: Es gibt bereits mobile Umfragen Apps. Worin unterscheidet sich die explore App?

KN
Bevor wir die App entwickelt haben, haben wir lange zu den bestehenden Apps recherchiert. Wir haben festgestellt, dass die Apps entweder ein sehr technisches Design hatten, das uns an Windows 95 erinnerte, oder sehr spielerisch aber simpel waren. Zum Beispiel zeigte die App zwei Bilder, und der User konnte sich für eines davon entscheiden. Wir wollen eine spielerische App, die dennoch verschiedene Formate der Interaktion zulässt.

Q
Sie bezeichnen explore als eine Quantified Self App. Können Sie das genauer erklären?

KN
Der Quantified Self Aspekt von explore basiert auf regelmäßigen Interaktionen, die jedes Mal die gleiche Information vom User erfragen. Im Ergebnisbereich sehen die User ihr persönliches Stimmungsdiagramm, in dem ihre eigenen Ergebnisse mit denen anderer explore User verglichen werden. Momentan arbeiten wir an einer Location Heat App, einer App, die den Usern ihre Aufenthaltsorte der letzten Tage zeigt – und auch die von anderen Usern. Wir hatten beim internen Testen den einen oder anderen Überraschungsmoment: Manchmal dauerte es ganz schön lange, bis uns einfiel, warum wir an einem bestimmten Ort waren. Ein bisschen wie wenn man Teewasser fünf Mal aufsetzte, bevor man endlich daran denkt, den Tee aufzugießen.

Q
Was sind denn die nächsten Schritte für explore?

KN
Wir werden uns darauf konzentrieren, weitere Quantified Self Elemente im Ergebnisbereich hinzuzufügen und außerdem eine API einbauen, damit User mit ihren eigenen Daten spielen können. Wir sind schon sehr gespannt zu sehen, was sich unsere User ausdenken werden! Wenn Sie Lust darauf haben ein wenig mit Ihren Daten zu spielen, würden wir uns sehr freuen, wenn Sie in unserem Call for Data Fiction mitmachen würden.

Q
Vielen Dank.

Data Stories: von Fakten zur Fiktion

Das Bild oben stammt aus „Marx Engels Werke“ (MEW): Marxismus ist das bekannteste Beispiel für das, was in der Postmoderne als „Große Erzählung“ bezeichnet wird. Marx und Engels suchten sich Daten, zogen ihre Schlüsse und erzählten die eine Erzählung, die entsprechend ihren Erkenntnissen Sinn machte.

Un poème n’est jamais qu’un alphabet en désordre. (Jean Cocteau)

Our time is perhaps the time of an epidemic of things. (Tristan Garcia)

Ich kann mich noch gut daran erinnern wie sich während meiner Kindheit zu Beginn der 1980er Jahre die älteren Leute sich immer über eine „Informationsflut“ oder sogar „Informationsüberlastung“ beschwerten. 30 Jahre später ist nun meine eigene Generation an der Reihe. „Wenn der Schwamm vollgesogen ist, können neue Informationen nur alte verdrängen.“ Solche Sätze kann man fast täglich in beliebigen Artikeln lesen. Aber welche Informationen befürchten die Leute nicht mehr verstehen zu können,  wenn die Datenflut sie überrollt?

Was sind Daten? Daten sind der unbearbeitete Inhalt unserer Erfahrung – einerseits die sensorischen Eindrücke, die in unser Gehirn übertragen werden, andererseits das was wir messen um Erfahrungen zu Erfahrung zu machen. Ich will hier nicht zu philosophisch werden, aber es gibt einige Denker, die mein Unbehagen mit der direkten Verbindung von Daten mit Fakten teilen. In der ganzen Postmoderne geht es um nichts anderes als falsches Vertrauen in empirische Wahrheiten zu dekonstruieren. Vor einem Jahrhundert hat uns bereits Husserl gewarnt, dass die Wissenschaft vielleicht eher mittelbare Theorien als direkte Nachweise erzeugt. Quantitative Sozialwissenschaften, ob empirische Soziologie oder experimentelle Psychologie, sind ganz besonders anfällig für diesen positivistischen Fehlschluss. Während man das Werfen eines Würfels vielleicht noch korrekt in eine Serie stochastisch unabhängiger Ereignisse eines Experimentes abstrahieren kann, funktioniert dies bei menschlichem Verhalten fast nie.

Hören wir also auf, Daten für Fakten zu halten. Nehmen wir stattdessen an, dass Daten Fiktion sind. Stellen wir uns, nur für den Moment, vor, Daten wären der rote Faden einer Geschichte, mit der wir über unsere Erfahrungen berichten. Es kann sehr gut sein, dass es so etwas wie Informationen in diesen Daten gar nicht gibt – nur das Gerüst für verschiedene Erzählungen, das die Zufälligkeit und Komplexität begrenzt. Denken Sie zum Beispiel daran wie unsere Augen die Schatten in den Zimmerecken zu geraden Linien abstrahieren, die die Ecken bilden. Tatsächlich gibt es diese Linien nicht, wenn Sie immer näher an die Ecke herangehen, werden Sie eine runde oder unebene Fläche sehen, die die eine Wand mit der anderen verbindet. Das Bild einer Ecke ist nur unsere Art, den visuellen Eindruck zu etwas mit Bedeutung zu reduzieren – einer Erzählung.

Daten an sich sind größtenteils nicht fassbar. Um sie zu verstehen, müssen wir Strukturen finden, Zusammenhänge konstruieren und ihre Komplexität reduzieren. Das bildliche Darstellen von Daten erfüllt denselben Zweck: Infografiken machen aus Daten eine logische Erzählung, machen sie für unser Gehirn verständlich.

Die Verbindung zwischen Daten und unserem aus den Daten entstandenen Wirklichkeitsverständnis wird durch Metaphern erzeugt. Eine Metapher verbindet unterschiedliche Dinge so, dass wir eines mit dem anderen identifizieren können. Wenn wir Objekte zu einer Kategorie zusammenfassen, wird diese Kategorie zur Metapher. Oder, wie Rudolph Carnap es ausdrückte, „‘Tisch‘ ist ein Wort mit fünf Buchstaben“. Das Konzept eines Tisches hingegen ist die Metapher, das Bild, das Ideal einer beliebigen Reihe von Objekten. Das Wort „Tisch“ ist unser Hilfsmittel mit dem wir das Bild des Objektes an das wir denken im Bewusstsein unserer Zuhörer hervorrufen.

Es gibt kein Gesetz, dass uns dazu zwingt, Daten als notwendig anzusehen oder auch als etwas, das beeinflusst wurde und anderes beeinflusst. Wären Daten eindeutig, würde der Fortschritt der Wissenschaft nur aus dem Korrigieren vorheriger Fehler bestehen. Das ist aber mit Sicherheit nicht der Fall. Selbst die sogenannten „exakten Wissenschaften“ verändern ihre Ausrichtungen je nach Erzählung. Quantenphysik war nicht nötig. Heisenbergs Operatoren sind nicht echt in dem Sinn, dass es tatsächlich ein Objekt gäbe, das einen Quantenzustand in den nächsten verwandelt. Es ist eine Abstraktion einer Wirklichkeit, die wir nicht direkt verstehen könnten. Genauso können wir auch Daten sozialer Interaktionen, verhaltensbezogene Daten oder Wirtschaftsdaten behandeln und somit versuchen, eine sinnvolle Erzählung zu finden mit deren Hilfe wir unser Model der Welt mit anderen teilen können.

Die Erzählung, die wir aus den Daten ableiten, ist natürlich keinesfalls komplett zufällig. Selbstverständlich passt nicht jede Erzählung zu unseren Daten. Aber innerhalb unserer Messungen ist jedes Model, das unseren Daten nicht widerspricht, möglich und kann – je nach Kontext – eine passende Metapher unserer Wirklichkeit sein.

Da viele Erzählungen möglich sind und eine große Zahl Parameter zu unseren Daten passen können, sollten wir vorsichtig mit Werturteilen sein. Ob eine Entscheidung durch unsere Daten gerechtfertigt werden kann, hängt von dem Model ab, für das wir uns entscheiden. Wir sollten uns im Klaren sein, dass wir eine Wahl haben, und dass diese Wahl Verantwortung mit sich bringt. Wir sollten uns über unsere Moral im Klaren sein und über die Strategien mit denen wir die Parameter unseres Models gesetzt haben. Wir sollten uns der Algorithmen-Ethik bewusst sein.

Wir sollten uns außerdem  bewusst dein, dass unsere Datenerzählung nie frei von Hierarchien ist. Es ist sehr gut möglich, dass wir anderen etwas mit nur einer möglichen Erzählung aufzwingen; keine Erzählung kann unabhängig vom gesellschaftlichen Kontext erzählt werden.

Wenn wir akzeptieren, dass Daten nicht nur Fakten sind, die irgendwie eine Information ergeben müssen, sondern sie als die Hinweise unserer Erzählung ansehen, befreien wir uns von dem Druck, jedes einzelne Bisschen in unser Gehirn stopfen zu müssen. Möglich, dass wir etwas verpassen, aber das wird kaum dramatischer sein als früher. Unser Model mag vielleicht nicht perfekt sein, aber beim Anhören der Datenerzählung können wir vielleicht dennoch einen Blick auf den fehlenden Teil erhaschen. Wir müssen nur unser Dogma der Daten als Fakten loslassen.

Während Big Data zum Paradigma der Sozialwissenschaften wird hoffe ich, dass wir viele inspirierende Datengeschichten hören werden. Ich hoffe, dass Daten vom Fakt zur Fiktion werden. Und ich will das Märchen hören und erzählen in dem wir die schlummernde Schönheit der Daten wecken.

Das ist die Zusammenfassung meines Vortrags „Datengeschichten erzählen: Vom Fakt zur Fiktion“, den ich beim Content Strategy Forum 2014 in Frankfurt hielt.