Spamming-resistant Expertise Analysis and Ranking

Diesem Verfahren liegt die Erkenntnis zugrunde, dass "ein Experte gute Informationen schneller findet als der durchschnittliche Benutzer". Und "wenn viele Benutzer das gleiche tun, merken wir, dass der erste Nutzer offenbar recht hatte".

Die Software trägt die Bezeichnung SPEAR - als Abkürzung für "Spamming-resistant Expertise Analysis and Ranking" (Spam-resistente Analyse von Bewertung von Expertise). Das Programm erhebt den Anspruch, dass es nur mit großem Aufwand ausgetrickst werden kann, etwa von Spammern - also Personen oder Firmen, die massenhaft unerwünschte Werbemails versenden. Ein Angreifer könne den Algorithmus nur mit viel Mühe aushebeln, erklärt Noll. "Ein Spammer, der kein Experte ist, kann sich kaum an die Spitze des Feldes manipulieren."

Die Spitze des Feldes, das sind Internet-Nutzer mit dem Expertenwert 1 oder knapp darunter. Wer von der Software mit dem Wert 0 eingestuft wird, hat zumindest in diesem Wissensbereich keine Ahnung. Bei einer SPEAR-Analyse zur Webanwendungssprache JavaScript ergab sich, dass zwei professionelle Software-Entwickler die höchsten Werte erhielten - und dass auf den ersten 200 Plätzen kein einziger Spammer zu finden war.

"Unser Ansatz kann deutlich erweitert werden", sagt Noll, "auch über das Social Web hinaus." So lässt sich der Algorithmus auch darauf ansetzen, wie oft Wissenschaftler publizieren und ihre Werke wechselseitig zitieren. In einem nächsten Schritt will sich Noll aber zunächst der Twitter-Community zuwenden und Fragen beantworten wie: "Gibt es unter meinen Followern besondere Experten? Welche sind eher irrelevant? Und wer leitet Informationen von mir weiter?

Auf der Grundlage von Projekten wie SPEAR lassen sich viele Szenarien vorstellen, um die Informationsflut im Netz besser kanalisieren zu können. Suchmaschinen für Webseiten und andere Dokumente können das auf Dauer nicht leisten. Wenn Daten aus den Sozialen Netzwerken einbezogen werden, ergeben sich neue Möglichkeiten.