Zentralität und Prestige

Zentralität und Prestige eines Akteurs in einem Netzwerk bilden die wesentlichen Größen in der Positionsanalyse. Die Anzahl der direkten und indirekten Beziehungen, die Nähe der Beziehungen geben nämlich wieder, in welchem Maße der Akteur Zugang zu Ressourcen, Informationen und Verbindung zu anderen Akteuren im Netzwerk hat. Da die Veranstaltungsbranche in großem Maße von offenen Netzwerken oder netzwerkähnlichen Strukturen mit einem hohen Anteil an selbstorganisierter Arbeit in einem dynamischen Umfeld geprägt ist, muss für die erfolgreiche Umsetzung eines Wissensmanagements in der Branche, das netzwerkanalytische Konzept der Zentralität berücksichtigt werden.

Grundlagen
Obgleich Moreno bereits 1932 erstmalig grafische Methoden zur Darstellung sozialer Beziehungen verwandt, kann man von den Ursprüngen des Modells der Zentralität wohl mit den Untersuchungen Leavitts (Leavitt 1951)  sprechen. Der Soziologe untersuchte in den 50er Jahren Kommunikationsmuster in Arbeitsgruppen. Eine 5-köpfige Gruppe hatte die Aufgabe herauszufinden, welche der vom Versuchsleiter vorgegebenen, grafischen Symbole auf einer Karte für alle Gruppenmitglieder gemeinsam waren. Eine Lösung war somit nur möglich, wenn alle Gruppenmitglieder miteinander kommunizieren. In den vielfach zitierten Ergebnissen konnte nachgewiesen werden, dass zentralisierte Kommunikationsnetze (Stern), in dem alle Kommunikation über eine Position laufen, zwar schnell und effizient in der Problemlösung sind, jedoch zu Unzufriedenheiten bei den anderen Akteuren führen.
 

Abb. Vier Soziogramme zum Zentralitätsbegriff. (Jansen 2006, S. 130).

Die so genannte Vollstruktur, in der alle Beteiligten miteinander kommunizieren können, führte einerseits zwar zur verlangsamten Problemlösung, bewirkte aber deutlich zufriedenere Akteure (vergl. u.a Frindte 2001, S. 108; Forgas 1999; S. 267; Herkner 1993, S.481ff.). Obgleich die Untersuchungen als Grundlage einer Theorie der Gruppen- und Teamarbeit in Organisationen gelten, hat der Begriff der Zentralität erst in Zusammenhang mit der sozialen Netzwerkanalyse in einem so starken Maße an Bedeutung gewonnen, dass die sich aus dem Maß der Zentralität ergebende Position in sozialen Netzwerken nun als wichtige Voraussetzung für das Prestige eines Akteurs und seiner Macht darstellt.
Die Grundlagen der sozialen Netzwerkanalyse als ein anerkannter Forschungsansatz aus der Soziologie wurden mit der Gründung der International Society of Social Network Analysis (INSNA) im Jahr 1978 durch Barry Wellman gelegt. Nach Scott (1991)  basiert die soziale Netzwerkanalyse hauptsächlich auf verwandte, doch verschiedene Forschungstraditionen:
Der Sozialpsychologie mit der field theory von Kurt Lewin (1936, 1951)  und seiner fundamentalen Verhaltensgleichung, dass Verhalten eine Funktion aus Person und Umwelt sei,  und der Sociometry von Jacob Moreno (1934). Jacob Moreno untersuchte die Beziehung zwischen psychischem Wohlbefinden und „sozialen Konfigurationen“. Die sozialen Konfigurationen ergeben sich jeweils aus den konkreten Mustern von Freundschaften, Zuneigung oder Ablehnung. Typisches Vorgehen ist hierbei die Frage an z.B. an alle Studierende eines Semesters, wen sie auf eine einsame Insel mitnehmen würden  oder mit wem sie befreundet sind etc. Die Daten werden dann mittels eines Soziogramms grafisch dargestellt. 
Dei Harvard Schule um Harrison C. White hat wesentliche Grundlagen der sozialen Netzwerkanalyse formuliert. White, der erst in theoretischer Physik und anschließend in Soziologie promovierte, bem?hte sich in den 70er Jahren  das bis dahin zentrale Begriffspaar der Soziologie Individuum und Gesellschaft zu überprüfen. In der Netzwerkanalyse fand er eine Methode nicht nur das dialektisch geprägte Modell, um verschiedene Reichweiten und Beeinflussungszone zu erweitern, sondern auch die soziologischen Daten, um die auch mathematisch anspruchsvollen Modelle der Graphentheorie zu ergänzen (Fuchs 2007, S. 94). 

Die breite öffentliche Wahrnehmung des Artikels von Whites Kollegen Mark Granovetter mit dem Titel "The Strength of Weak Ties" aus dem Jahr 1973 (Granovetter 1973) hat die soziale Netzwerkanalyse schließlich populär gemacht und zahlreiche weitere Studien hervorgerufen. Hier versucht Granovetter mit netzwerkanalytischen Methoden zu beweisen, dass die weak ties, die lockeren und flüchtigen sozialen Beziehungen, die sind, über die Informationen an neue zu einem Interessenten gelangen.

Anwendung
Für Jansen (2006, S. 127)  gelten Zentralität und Prestige als Größen, die nach der Wichtigkeit, öffentliche Sichtbarkeit oder Prominenz von Akteuren fragen. Analog stellen Wasserman und Faust (1994, S. 170)  fest: „Both centrality and prestige indices are examples of measures of the prominence or importance of the actors in a social network.“Anders als Prestige, setzt das Konzept der Zentralität keine gerichteten Beziehungen voraus. Ein Akteur kann zwar eine hohe Zentralität besitzen, da er sehr viele Akteure in einem Netzwerk als Freunde bezeichnet, doch gleichzeitig nur ein sehr geringes Prestige besitzen, wenn niemand ihn direkt oder indirekt als Freund wählt. Während Zentralität lediglich den Zugang und dessen Kontrollmöglichkeiten beschreibt, berücksichtigt Prestige als Kenngröße die Richtung und Ausprägung der Graphen. „Ein hohes Prestige kann ein Akteur nur dann haben, wenn es im Netzwerk eine minimale übereinstimmung darüber gibt, was und wie hoch zu bewerten ist. Prestige hat daher immer etwas mit Werten, mit Hierarchien und ihrer Legitimität zu tun. Es misst Herrschaft im Sinne von Weber und nicht bloße Macht.“ (Jansen 2006, S. 127f). Freeman (1979) , der als Hauptvertreter des Zentralitätskonzepts als netzwerkanalytisches Instrument gelten kann, unterscheidet drei verschiedene Maßgrößen der Zentralität.?
Die Degree-Zentralität misst die Anzahl der direkten Beziehungen eines Akteurs und korreliert direkt mit der Anzahl potenzieller Ressourcen, die mobilisiert werden können.
Die Closeness-Zentralität misst die Anzahl der kürzesten Pfade (Beziehungen) von einem Akteur zu allen anderen Akteuren. Je größer die Closeness-Zentralität eines Akteurs ist, umso schneller kann er sämtliche direkten und indirekten Kontakte erreichen. Umgekehrt ist er für alle anderen Akteure seines Netzwerks schnell zu erreichen?, da keine Kommunikationsumwege notwendig sind. Der Ausgangspunkt von degree und closeness Werten sind Dyaden, also die dem Netzwerk zugrunde liegenden Paarbeziehungen.
Die Betweenness-Zentralität basiert auf Triaden (Dreiecksbeziehungen), denn betweeness berücksichtig  nicht die Erreichbarkeit, sondern die Vermittlungsleistung eines Akteurs (Müller 2008, S. 131).  Anders ausgedrückt messen grad- und nähebasierte Zentralität die Unabhängigkeit eines Akteurs von anderen Akteuren des Netzwerks, während Betweenes-Zentralität wiedergibt, ob andere Akteure vom betrachteten Akteur abhängig sind (Jansen 2006, S. 135). Der Akteur ist von höchster Zentralität, der für die meisten Paare auf deren kürzesten Verbindungsstrecken liegt. Als Schaltstelle oder Makler vermittelt er die Kontakte zu anderen.
Die Degress oder Pfaddistanzen sind abhängig von der Größe des gesamten Netzwerks. Um die Größen zu standardisieren, werden sie bei gegebener Netzwerkgröße auf den maximal möglichen Wert bezogen, um aussagekräftige und auf Netzwerke unterschiedlicher Größe übertragbare Werte zwischen 0 und 1 zu erhalten. O bedeutet hier die kleinste mögliche und 1 die maximale Zentralität. Der größtmögliche Degree-Wert ist n-1, der größtmögliche Closeness-Wert beträgt 1/(n-1) und der größtmögliche Betweeness-Wert ergibt sich aus (n2-3n+2)/2.

Unter Zentralisierung von Netzwerken versteht man ein Maß, das anzeigt, in welchem Masse der zentralste Akteur die Zentralität der restlichen Akteure überschreitet und auf den maximal möglichen Wert bezogen ist. Die Zentralisierung lässt sich für alle vorgestellten Zentralitätsmaße berechnen. Sie gilt als Maß für die Problemlösungsfähigkeit einer Gruppe. Diese ist um so größer, je herausragender ein Akteur ist.

Prestige
Ein Akteur besitzt viel Prestige, wenn er von vielen Akteuren direkt oder indirekt gewählt wird. Mit dem Prestigekonzept wird erfasst, wie stark Akteure Kontrolle über knappe Güter ausüben und inwiefern sie Autorität und Achtung im Netzwerk besitzen. Auch hier stehen verschiedene Messverfahren zur Verfügung :
Das einfachste Maß ist die Summe der Indegree (eingehenden Verbindungen) eines Akteurs. Das Proximity-Prestige hingegen betrachtet, wie die nähebasierende Zentralität auch, die indirekten Beziehungen. Es betrachtet die Erreichbarkeit der anderen Akteure sowie die durchschnittliche Länge des dabei zurückgelegten Pfades. Die Varianz des Proximity-Prestige um seinen Mittelwert kann als Maßzahl zur Messung der Netzwerkhierarchisierung verwendet werden. Auch beim Rangprestige werden indirekte Beziehungen berücksichtigt. Allerdings kommt hier noch eine Gewichtung hinzu. Jeder wählende Akteur trägt um so mehr zum Prestige der Gewählten bei, je mehr Prestige er selbst besitzt.

 

Transfer

Für eine Analyse der Kommunikationsprozesse können verschiedene Zentralitätsmaße berücksichtigt werden. In der graphentheoretischen Analyse von wiki-basierten Netzwerken für selbstorganisiertes Wissensmanagement geht Müller (Müller 2009, S. 164) in zwei Schritten vor. Zuerst ordnet sie den unterschiedlichen Wissensaufgaben Bewertungsfaktoren eines Wiki-Informationsraums zu. Eine Zusammenstellung der Aufgaben und der zugeordneten Bewertungsfaktoren sind in der nachfolgenden Abbildung zu finden.



Abb.: Bewertungsfaktoren der Aufgaben des Wissensmanagements zur Beurteilung des Wiki-Informationsraum (Müller 2009, S. 164).


Um aber im nächsten Schritt Aussagen über den Grad der Selbstorganisation fasst sie mehrere positionsanalytische und strukturanalytische Maßgrößen zu den vier Untersuchungsfeldern Dynamik, Stabilität, Redundanz und Wissensfluss zusammen. (Müller 2009, S. 168ff).In dem Untersuchungsfeld Dynamik des Netzwerks unter Einbeziehung der zeitlichen Veränderlichkeit der Beziehungen bewertet sie  die Veränderungsdaten der Knoten und der Kanten (Bewertungsfaktoren: Number of Nodes, Number of Edges), die Netzwerkgröße (Diameter), die Strukturelle Homogenität der Knotenverteilung (Clustering Cefficient, Componentes) und die Positionale Homogenität der Knotenverteilung (Degree-, Closeness-, Between-Centrality). In dem Untersuchungsfeld Stabilität bewertet Müller den Grad der Vernetzung (Bewertungsfaktor: Average Degree), die Netzwerkdichte (Density) und die Modularität (Modularity).
Im Untersuchungsfeld Redundanz berücksichtigt sie die Strukturredundanz (Bewertungsfaktor: Degree Centrality) sowie die Wissens- und Informationsredundanz (Die Wiki Daten: Edit Count, Article Count, Amount Contribution) und im Untersuchungsfeld Wissensfluss fließen ein die Wissensquelle (Node Origin), der Aktivitätsgrad (Temporal Activity) und der Produktivitätsgrad (Productivity Index).
Wir können hier sehen, dass für eine tiefer gehende Analyse der Wissenskommunikation die positionsanalytischen Faktoren der Zentralität kaum ausreichen, dennoch bieten sie eine wichtige Grundlage um Wissensprozesse in Netzwerken besser zu verstehen.
Die Degree-Zentralität ist unter dem Aspekt der Wissenskommunikation ein Indikator für die Position und den Einfluss von Netzwerkmitgliedern, denn bildet als Grundlage für Prestige und Macht eine wichtige Größe. Sie misst die eingehenden und ausgehenden Verbindungen eines einzelnen Netzwerkakteurs für nicht-symmetrische Daten bestimmen die eingehenden Verbindungen (in-degree) die Popularität eines Mitglieds: es wird angenommen, dass Netzwerkakteure mit vielen Links prominent sind oder über besondere Expertise verf?gen. Eine Person mit vielen ausgehenden Verbindungen (out-degree) kann als besonders einflussreich im Netzwerk betrachtet werden. Hier muss jedoch die Form und der Grad der Kanten genauer betrachtet werden. Eine Website mit vielen Links und Querverweisen oder ein Profil in sozialen Netzwerken mit langer Buddy-Liste haben zwar einen hohen out-degree müssen aber deswegen noch lange nicht als einflussreich betrachtet werden. Die Degree-Zentraliät kann also als Anhaltspunkt dienen, um einzelne Akteure eines Wissensnetzwerks individuell zu unterstützen und sie für die schnelle und effiziente Weitergabe von Informationen gezielt anzusprechen.
Die Closeness-Zentralität zeigt die Integration oder Isolierung von Netzwerkakteuren. Sie misst die Erreichbarkeit von Netzwerkmitgliedern unter Berücksichtigung indirekter Verbindungen. Ein hoher Wert der Closeness-Zentralität deutet auf größere Autonomie einer Person hin, da sie in der Lage ist, die anderen Netzwerkmitglieder verhältnismäßig einfach zu erreichen (und umgekehrt). Gerade bei der Einbeziehung externer Kräfte in ein betriebsinternes Wissensmanagement sollte die organisationale Entfernung zur Organisation durch eine Closeness-Zentralität ausgeglichen werden.
Mittels der Betweenness-Zentralität können Wissensbroker und Gatekeeper in einem Netzwerk identifiziert werden. Sie ist eine Maßzahl dafür, dass die Position eines Netzwerkakteurs auf dem kürzesten Pfad zwischen anderen Netzwerkakteuren liegt. Auf diese Weise gibt sie an, ob ein Akteur eine (relativ) wichtige Rolle als Broker oder Gatekeeper für die Wissensflüsse mit einem hohen Potenzial zur Kontrolle auf die indirekten Beziehungen zwischen den anderen Mitgliedern spielt.
Mit dem Fokus auf den Wissensaustausch ist die Interpretation von individuellen Netzwerkakteuren für das Verständnis des Wissensnetzwerks in einem Unternehmen von Bedeutung. In einer Studie zum Kommunikationsverhalten einzelner Akteure in Wissensnetzwerken der Fraunhofer Gesellschaft und bei Fraunhofer Instituten untereinander konnten Müller-Prothmann, Siegberg und Finke (2005)  nachweisen, dass eine kleine Zahl von Akteuren durch ihren Zentralitätswert von großer Bedeutung für den Wissensfluss sind. Dabei zählen persönliche bi-direktionale Kommunikation mehr als institutionalisierte organisationale Kommunikation über Mailinglisten oder Online-Plattformen. Angelehnt an Benger (2007,S. 163)  kann argumentiert werden, dass das zentrale Ziel der Gestaltung auf der Netzwerkebene, der einfache Zugriff auf Wissensbestände, durch die Berücksichtigung der Zentralität der Wissensakteure  effizienter zu realisieren ist.

© Thomas Sakschewski