In diesem Artikel untersuche ich im Rahmen einer Studie, wie Design dabei helfen kann, Serendipität zu fördern, um bei Nutzer:innen einen positiven Überraschungseffekt auszulösen.
Serendipität. Ein Wort, das im täglichen Sprachgebrauch wohl eher selten zur Sprache kommt. Allerdings erleben wir sie in unserem Alltag sehr oft. Wir sprechen dann von einem Ereignis, das uns positiv überrascht, da es uns unerwarteterweise sehr gefallen hat. Das kann beispielsweise der Besuch eines unscheinbaren Restaurants sein, welches sich im Anschluss als der neue Geheimtipp enthüllt. Im Duden wird Serendipität auch als die „Zufälligkeit einer ursprünglich nicht angestrebten, aber bedeutenden Entdeckung“ bezeichnet.
Im Laufe der Geschichte gab es einige Meilensteine, in denen Menschen Serendipität widerfahren ist. Diese Ereignisse waren allerdings weitaus bedeutender als nur die Entdeckung eines neuen Lieblingsrestaurants.
Im Jahr 1928 machte beispielsweise der britische Mediziner Alexander Fleming durch Zufall eine für die Geschichte der Medizin revolutionäre Entdeckung. Nach der Rückkehr aus seinem Urlaub entdeckte er, dass sich auf einer verunreinigten Petrischale in seinem Labor ein Schimmelpilz gebildet hat. Dieser hatte alle versehentlich zurückgebliebenen Krankheitserreger zerstört. Durch diese zufällige Entdeckung gelang ihm der Durchbruch zu Penicillin, wofür er im Jahre 1945 den Nobelpreis erhielt.
Serendipität faszinierte mich sehr und als begeisterte Entwicklerin stellte sich für mich die Frage, ob man genau diesen Effekt auch durch ein IT-System fördern kann. Ich wollte herausfinden, ob man durch die visuelle Gestaltung einer Entscheidungsumgebung bei Nutzer:innen einen positiven Überraschungseffekt begünstigen kann. Im Idealfall sollen sie Inhalte entdecken, die den Horizont erweitern und zu neuen Interessensgebieten heranwachsen könnten.
Personalisierte Empfehlungen 🌟
In der digitalen Welt unterstützen uns Empfehlungssysteme, um die enorme Menge an Daten bewältigen zu können. Das Angebot wird meistens so aufbereitet, dass es möglichst exakt mit dem digitalen Profil der Nutzer:innen übereinstimmt. Je umfangreicher das bereitgestellte Angebot ist, desto relevanter sind effiziente Empfehlungsfunktionen. Ansonsten können passende Inhalte entweder gar nicht oder nur durch einen aufwändigen Suchprozess gefunden werden. Empfehlungssysteme sind daher in großen Internet-Plattformen nicht mehr wegzudenken.
Die Inhalte möglichst passend zum digitalen Profil auszuwählen, steht allerdings oft in Kritik. Informationen, die nicht zu den aktuellen Präferenzen der Nutzer:innen zählen, werden ausgeblendet. Das führt zur Bildung einer Filterblase, wodurch kaum eine Möglichkeit besteht, Gewohnheiten zu durchbrechen. Wenn man sich allerdings persönlich weiterentwickeln möchte, muss die Komfortzone verlassen werden. Hierfür existiert eine andere Art von Personalisierungs-Algorithmen, die weniger auf eine möglichst akkurate Auswahl an Angeboten setzt, sondern sich auf Serendipität fokussiert.
Die Filterblase platzen lassen 💥
Wie entsteht Serendipität?
Damit Serendipität entsteht, müssen folgende Voraussetzungen erfüllt sein:
Am Ursprung des Prozesses steht immer eine unerwartete Begegnung, meist durch Zufall. In Bezug auf das anfängliche Beispiel war diese beim Mediziner Fleming die versehentliche Entstehung des Schimmelpilzes. Daneben existiert die Einsicht des Menschen. Fleming erkennt, dass in der Petrischale etwas Interessantes passiert ist und hat die Fähigkeit, das nachzuvollziehen. Dieses zufällige Ereignis und seine Kenntnisse müssen demnach in Verbindung gebracht werden, um das Potenzial auszuschöpfen. Hätte Fleming die Petrischale ohne darüber nachzudenken ausgespült, hätte er wohl nie diese Entdeckung gemacht. Im Anschluss musste er in der Lage sein, den Mehrwert für die Zukunft vorherzusehen und auch zu nutzen. Fleming tat dies mit der Entwicklung von Penicillin, woraufhin er als wertvolles Ergebnis die Medizin maßgeblich revolutionierte und zudem noch den Nobelpreis erhielt. Dass dies alles nur durch ein Versehen entstand, hat ihn womöglich sehr positiv überrascht.
Welche Angebote überraschen mich?
Serendipität erreichen Empfehlungssysteme, indem sowohl Relevanz, Neuheit als auch Diversität optimal im Gleichgewicht stehen. Beim Auffinden positiv überraschender Empfehlungen muss sichergestellt werden, dass diese nicht zu nahe an den Interessen der Nutzer:innen liegen. Sie sollten zwar relevant, aber nicht mehr vollkommen offensichtlich sein. Andererseits dürfen die Ergebnisse aber auch nicht so weit weg von den Präferenzen liegen, sodass Ergebnisse zwar unerwartet, aber irrelevant für die Nutzer:innen sind. Das Ergebnis eines solchen Empfehlungsalgorithmus zeigt die folgende Abbildung.
Die Auswahl enthält neben den akkuraten Empfehlungen (rosa Sterne) ebenso Elemente, die noch unbekannte Präferenzen von Nutzer:innen darstellen (blaue Sterne). Hierbei kann es sich beispielsweise um noch nicht bestehende Interessen handeln, die erst zu solchen heranwachsen. Der unten abgebildete zweifarbige Stern symbolisiert, dass sich Anwender:innen durch die Serendipität weiterentwickeln können, indem sie offen für neue Aspekte sind und diese im Idealfall ihre Interessensgebiete ergänzen. Die auf Serendipität optimierte Datengrundlage erhöht nun das Antreffen solcher im oben dargestellten Serendipität-Prozess-Modell unerwarteten Begegnungen.
Design beeinflusst unsere Entscheidungen
Wurden die Empfehlungen erfolgreich vorausgewählt, ist es ausschlaggebend, wie sie präsentiert werden. Die Wahrnehmung nur auf die Persönlichkeit des Menschen zurückzuführen, ist eine Fehlannahme. Es wird oft unterschätzt, wie groß der Einfluss des Kontextes dabei ist. Die Gestaltung einer Speisekarte, die Platzierung von Artikeln in einem Geschäft oder die Farb- und Formgebung digitaler Benutzeroberflächen: alle Auswahl-Umgebungen besitzen ein definiertes Design und haben damit einen direkten Einfluss auf die Wahl der Menschen. Demnach kann die Gestaltung die Nutzer:innen in Hinblick auf die Entstehung von Serendipität dabei unterstützen, für potenziell positiv überraschende Elemente aufmerksamer zu werden. Der Fokus kann dabei auf unentdeckte, relevante Inhalte gelenkt werden. Dadurch erhöht sich die Wahrscheinlichkeit einer unerwarteten Begegnung.
Letztlich kann Serendipität nicht direkt programmiert oder designt werden, allerdings kann die Gestaltung der Auswahl-Umgebung Nutzer:innen dabei unterstützen und motivieren, ihre Grenzen der Filterblase zu überschreiten, und ihnen damit einen enormen persönlichen Mehrwert bieten.
Studie: Einfluss von Empfehlungen auf Serendipität 🔎
Es wurde eine Studie durchgeführt, um zu überprüfen, ob eine visuelle Anregung zum Verlassen der Filterblase zu vermehrter Serendipität bei Nutzer:innen führt. Als Anwendungsfall diente hierbei die Übersicht zur Auswahl von sogenannten „Open Space Sessions“ bei inovex. Mitarbeiter:innen haben im Rahmen des Winterplenums die Möglichkeit, beispielsweise an Vorträgen, Spielen oder Diskussionsrunden in bekannten, als auch in ganz neuen Themengebieten teilzunehmen. Im Vergleich zu Empfehlungssystemen, denen meist eine hohe Anzahl an Daten zugrunde liegt, sind die Plenumsdaten vergleichsweise gering. Diese müssen somit nicht im Vorhinein algorithmisch gefiltert werden. Es besteht bereits eine optimale Mischung aus Relevanz, Diversität und Neuheit für die Mitarbeiter:innen. Die erarbeitete Visualisierung bereitet die Daten darauf aufbauend visuell auf, sodass die Darstellung kognitive Verzerrungen möglichst reduziert und die Entdeckung potentieller Serendipitäts-Treffer fördert. Ein A/B-Test überprüft, ob das Anregen zum Verlassen der Filterblase im Vergleich zu einer neutralen Ansicht zu einer Erhöhung der Serendipität führt.
Visualisierung Gruppe „Neutral“
Die folgende Abbildung zeigt die neutrale Darstellung für Nutzer:innen aus der Gruppe „Neutral“.
Im Rahmen einer Umfrage wurden die Interessen der Nutzer:innen in Kategorien erfragt, die die angebotenen Sessions behandeln. Mit Hilfe der euklidischen Distanz wurde berechnet, inwieweit die jeweiligen Sessions mit den persönlichen Interessen übereinstimmen. Die Variable n steht hierbei für die Anzahl an Kategorien.
\(\text{Distanz =} \sqrt{\sum_{i=1}^n (\text{AngebotKategorie}_i – \text{InteresseKategorie}_i)^2}\)
Daraufhin unterteilt die Testanwendung die Sessions in die in der Abbildung dargestellten Bereiche. Der linke Bereich „Filterblase“ steht für Sessions, welche die Interessen am besten abdecken und präferierte Inhalte behandeln. In der Mitte liegt der Bereich „Serendipität“. Dort sind die Angebote eingeordnet, die nicht ideal mit den Interessen übereinstimmen, aber auch nicht zu weit von ihnen entfernt sind. Von diesen wird mit höchster Wahrscheinlichkeit ein positiver Überraschungseffekt erwartet. Auf der rechten Seite der Visualisierung liegt der Bereich „Außerhalb Filterblase“, dessen Sessions sehr weit von den Interessen entfernt liegen und von denen wenig Relevanz erwartet wird.
Förderung von Serendipität
Da der Grundstein für unerwartete Begegnungen durch die Diversität der Datengrundlage bereits gesetzt ist, muss nun noch die im Serendipität-Prozess-Modell gezeigte Einsicht von Nutzer:innen unterstützt werden. Hierfür sollte die Visualisierung vor allem zwei Dinge ermöglichen:
- Nutzer:innen dabei unterstützen, einen Bezug zu eigenen Interessen zu ziehen.
- Nutzer:innen ermöglichen, einen Bezug zwischen den Angeboten untereinander ziehen zu können.
Im besten Fall bietet die Visualisierung zu beiden Aspekten mehrere unterschiedliche Blickwinkel. Das reduziert Wahrnehmungsverzerrungen von Nutzer:innen. Die Unterteilung in die drei Bereiche bietet hierbei eine erste Perspektive. Persönliche Interessen können in der Darstellung sehr gut über die vermittelte „Passgenauigkeit“ mit den Sessions abgeglichen werden. Gleichzeitig erhalten Nutzer:innen einen kontextuellen Bezug zwischen den Angeboten innerhalb eines Bereiches.
Um eine zweite Perspektive auf die oben stichpunktartig aufgezählten Anforderungen anzubieten, enthält die Darstellung jeweils ein zusätzliches visuelles Element:
Zweite Perspektive für Bezug zu eigenen Interessen
Das Banner am unteren Rand der Session verdeutlicht, welcher Aspekt der Session für die Nutzer:innen am interessantesten zu betrachten ist. Für die unterschiedlichen Bereiche liegt der Fokus der Infotexte im Banner auf verschiedenen Aspekten. Im Bereich „Filterblase“ vermittelt dieser beispielsweise, welche präferierte Kategorie stark von der Session behandelt wird. Für die Spalte „Serendipität“ dagegen eher, in welcher Kategorie an bestehenden Interessen angesetzt wird oder wo jemand leicht Neues lernen kann. Für den Bereich „Außerhalb Filterblase“ zeigt der Banner die größten Differenzen zu den Interessen der Nutzer:innen auf. Dies könnte beispielsweise ein stark ausgeprägtes Interesse sein, welches allerdings nicht von der Session behandelt wird.
Zweite Perspektive für kontextuellen Bezug der Sessions untereinander
Direkt unter der Überschrift einer Session sind Labels platziert. Diese bieten einen Einblick auf die Art des Angebots. Die Nutzer:innen können mit den Labels interagieren, indem sie mit der Maus darüber hovern. Das Label färbt sich dann überall grün ein, wo es vergeben wurde.
Durch diesen Effekt kann man einen Zusammenhang zwischen unterschiedlichen Angeboten erkennen. Zusätzlich entfernt sich der Aufmerksamkeitsfokus von der aktuell betrachteten Session. Nutzer:innen gelangen automatisch zu anderen Sessions und machen dort womöglich eine interessante Entdeckung. Das führt beispielsweise auch in manchen Fällen dazu, dass der Blick aus der Filterblase abgewandt wird.
Visualisierung Gruppe „Empfehlung“
Die folgende Abbildung zeigt die leicht veränderte Visualisierung für Nutzer:innen der Gruppe „Empfehlung“. Die oben beschriebenen Elemente zur Förderung der Einsicht existieren auch in dieser Darstellung.
Grundlegend ist die Visualisierung kaum von der Gruppe „Neutral“ zu unterscheiden. Der einzige Unterschied ist die farbliche Hervorhebung von Sessions im Bereich „Serendipität“ und die ausgesprochene Empfehlung durch den „TIPP“-Rahmen. Der Blick soll hier direkt zu Beginn aus der Filterblase herausgeleitet und die Sessions mit voller kognitiver Energie untersucht werden, von denen am wahrscheinlichsten ein positiver Überraschungseffekt erwartet wird. Dadurch fördert die Visualisierung unerwartete Begegnungen. Die Empfehlung regt die Nutzer:innen zum Reflektieren an, wieso nicht die laut der Kategorisierung eigentlich am besten zu ihnen passenden Sessions empfohlen werden. Es wird erwartet, dass durch diese Anpassung eine erhöhte Serendipität erzielt wird.
Ethische Kritik
Die Beeinflussung von Nutzer:innen aus einer bestimmten Absicht wird häufig kritisiert. Wichtig war mir bei der Gestaltung dieser Vergleichs-Darstellung, dass die Absicht nicht versteckt wird und die Nutzer:innen auf keinen Fall manipuliert werden. Da das gewünschte Ziel der Entscheidungsumgebung transparent vermittelt wird, können Nutzer:innen immer noch selbst entscheiden, ob sie diesem nachgehen möchten oder nicht. Die persönliche Entscheidungsfreiheit ist demnach immer noch vollständig gewährleistet.
Die (positiv) überraschenden Ergebnisse 🏆
An meiner Studie nahmen insgesamt 94 Personen teil, wovon jeweils 47 in die beiden Gruppen eingeteilt wurden. Die Auswertung der entstandenen Serendipität unterscheidet zwischen der gewählten und der erlebten Serendipität:
- Gewählte Serendipität: Die Auswahl fiel auf ein Angebot im mittleren Bereich „Serendipität“.
- Erlebte Serendipität: Im Rahmen der Umfrage wurde diese direkt bei den Teilnehmern erfragt, indem Nutzer:innen die Aussage „Ich war positiv überrascht, dass einige Inhalte mehr Neugier geweckt haben, als ich es anfangs von ihnen erwartet hätte.“ auf den Grad ihrer Zustimmung bewertet haben.
In Bezug auf die gewählte Serendipität hat ein deutlich größerer Anteil der Teilnehmer:innen aus der Gruppe „Empfehlung“ ein Angebot im Bereich „Serendipität“ gewählt. Der Nutzer:innen-Fokus konnte durch die Anpassung in dieser Testgruppe beeinflusst werden und die Proband:innen dazu motivieren, aus ihrer Filterblase zu treten. Die erlebte Serendipität konnte allerdings nicht gleichermaßen erhöht werden. Die Ergebnisse in der Gruppe „Empfehlung“ weisen sogar einen verringerten positiven Überraschungseffekt im Vergleich zur Gruppe „Neutral“ auf.
Woran liegt das?
Der Ausgang der Studie war zunächst auch für mich sehr überraschend. Mit Blick auf weitere erhobene Daten konnte ich allerdings einen guten Eindruck darüber gewinnen, wie die Teilnehmer:innen die Visualisierung wahrgenommen haben.
Die verringerte Serendipität geht womöglich mit der Tatsache einher, dass bei Proband:innen der Gruppe „Empfehlung“ eine veränderte Erwartungshaltung geschaffen wurde. Die blaue Hervorhebung und die ausgesprochene Empfehlung vermittelten den Eindruck, dass diese Sessions am besten zu den Nutzer:innen passen. Entdecken Anwender:innen dort ein relevantes Angebot, bleibt der Überraschungseffekt aus, da die Relevanz im Vorfeld erwartet werden konnte.
Bei Nutzer:innen aus der Gruppe „Neutral“ war diese Erwartung nicht gegeben. Beim Entdecken eines Angebotes, das laut Kategorisierung weniger gut zu ihnen passt, waren sie eher positiv überrascht. Demnach wurden in der Testgruppe „Empfehlung“ zwar Begegnungen mit neuen Inhalten gefördert, allerdings keine unerwarteten Begegnungen, wie sie für die Entstehung von Serendipität notwendig wären. Eine selbstständige Entdeckung neuer relevanter Angebote ist daher essentiell für eine erhöhte Serendipität, da die Entdeckung dann am wahrscheinlichsten unerwartet war.
Warum Empfehlungen überraschen sollten 🤔
Die Studie hat gezeigt, dass in Empfehlungen starkes Vertrauen gelegt wird. Nutzer:innen tendierten dazu, solche vermehrt auszuwählen. Allerdings verringerten sie das Unerwartete. Ich stelle mir weitergehend die Frage, ob Empfehlungen in jedem Fall die Serendipität verringern oder wie diese gestaltet werden müssen, um Anwender:innen dennoch vermehrt positiv zu überraschen. Diese Fragestellung möchte ich bei inovex noch weiter verfolgen.
Als zentrale Stärke sehe ich überraschende Empfehlungen vor allem in Kontexten, in denen eine Verhaltensveränderung erreicht werden soll. Wenn Gewohnheiten durchbrochen werden sollen, muss die Veränderung die Person positiv überraschen. Andernfalls ist sie nicht davon überzeugt, dass der Mehrwert der Veränderung größer ist als das Gewohnte fortzuführen. Wenn diese Einsicht allerdings besteht, wird die Person automatisch dazu bereit sein, sich verändern zu wollen.
