Social Network Analysis - Methoden, Konzepte und Anwendungen

Bild, das

Überblick und Lernziele

Bereits mehr als 300 Jahre vor Christus charakterisierte der griechische Philosoph Aristoteles den Menschen als „zoon politikon“ – ein Wesen mit dem elementaren Bedürfnis, Gemeinschaft zu suchen und Gemeinschaften zu bilden. Heute, im Zeitalter des Internets und der Digitalisierung, lässt sich dieses menschliche Charakteristikum am Beispiel sogenannter Online Social Networks wie Facebook, LinkedIn oder Google+ wohl am eindrucksvollsten verdeutlichen. So zählt allein Facebook mittlerweile weit mehr als eine Milliarde monatliche Nutzer, die sich online vernetzen und austauschen. Soziale Netzwerke – ob online oder offline – sind aus unserem privaten und geschäftlichen Leben nicht wegzudenken und beeinflussen maßgeblich, was wir wissen, was wir kaufen, wen wir wählen und wie erfolgreich wir im Job sind. Das konstituierende Merkmal sozialer Netzwerke bilden die Beziehungen zwischen den Mitgliedern und die dadurch induzierte Netzwerkstruktur. Die Vernetzung der Mitglieder – das heißt, deren strukturelle Einbindung in das Netzwerk – ist zentral im Hinblick auf deren Interaktions- und Kommunikationsmöglichkeiten und birgt wertvolle Informationen für verschiedenste unternehmerische Anwendungen. So kommt beispielsweise der Identifizierung besonders gut vernetzter Mitglieder, sogenannter „Key Users“ oder „Influential Users“, im (viralen) Marketing sowie im internen Wissensmanagement von Unternehmen große Bedeutung zu, um möglichst große Zielgruppen schnell zu erreichen und Informationen erfolgreich im Netzwerk zu platzieren.

Im Modul „Social Network Analysis – Methoden, Konzepte und Anwendungen“ werden zentrale Konzepte, Methoden und Werkzeuge zur Erfassung und Analyse sozialer Netzwerke behandelt und anhand von Praxisbeispielen und realen Datensätzen verdeutlicht.

Studierende, die dieses Modul erfolgreich absolviert haben, kennen die wesentlichen theoretischen Grundlagen und Methoden der Social Network Analysis. Darüber hinaus sind Sie in der Lage praktische Problemstellungen mit Hilfe der vermittelten Lehrinhalte erfolgreich zu bewältigen, die Ergebnisse zu interpretieren und Handlungsempfehlungen abzuleiten.

Dozierende

Prof. Dr. Mathias Klier, Institut für Business Analytics
Prof. Dr. Mathias Klier
Dr. Maximilian Förster, Institut für Business Analytics
Dr. Maximilian Förster
Torben Widmann, Institut für Business Analytics
Torben Widmann

Inhaltliche Informationen

Studierende, die dieses Modul erfolgreich absolviert haben,

  • können soziale Netzwerke modellieren und kennen die notwendigen theoretischen Grundlagen,
  • verstehen wesentliche Charakteristika (z.B. skalenfreie Netzwerke) und Phänomene (z.B. Small-World-Phänomen) sozialer Netzwerke und können diese erläutern,
  • können verschiedene Methoden zur Identifizierung zentraler Mitglieder in sozialen Netzwerken beurteilen, anwenden und für reale Problemstellungen einsetzen,
  • sind vertraut mit Modellen zur Diffusion (z.B. von Informationen oder Epidemien) in sozialen Netzwerken und können praktische Einsatzmöglichkeiten aufzuzeigen und kritisch diskutieren,
  • kennen und verstehen zentrale Modelle zur Beschreibung des Wachstums sozialer Netzwerke,
  • können (reale) Daten zu sozialen Netzwerken mithilfe von Methoden der Social Network Analysis (z.B. Zentralitätsmaße) analysieren (auch mithilfe von Software-Werkzeugen), die Ergebnisse interpretieren und Handlungsempfehlungen ableiten.

In diesem Modul werden folgende fachliche Inhalte vermittelt:

  • Modellierung von Netzwerken und theoretische Grundlagen
  • Random Networks und Scale Free Networks
  • Small-World-Phänomen
  • Zentralität und Communities in Netzwerken
  • Diffusion in Netzwerken (z.B. von Informationen, Innovationen und Epidemien)
  • Wachstumsmodelle für Netzwerke

  • Barabási, A.-L. (2015) Network Science, abrufbar unter barabasi.com/networksciencebook/
  • Borgatti, S. P.; Everett, M. G.; Johnson, J. C. (2013) Analyzing Social Networks. SAGE Publications Limited, London.
  • Granovetter, M. S. (1973) The Strength of Weak Ties. In: American Journal of Sociology 78 (6), S. 1360-1380.
  • Landherr, A.; Friedl, B.; Heidemann, J. (2010) Eine kritische Analyse von Vernetzungsmaßen in sozialen Netzwerken. In: WIRTSCHAFTSINFORMATIK 52 (6), S. 367-382.
  • Milgram, S. (1967) The small world problem. In: Psychology today 2 (1), S.60-67.
  • Newman, M. E. J.; Girvan, M. (2004) Finding and evaluating community structure in networks. In: Physical Review E 69 (2), S. 026113:1-026113:15.
  • Newman, M. E. J. (2010) Networks – An Introduction. Oxford University Press, Oxford.
  • Travers, J.; Milgram, S. (1969) An Experimental Study of the Small-World-Problem. In: Sociometry 32 (4), S. 425-443.
  • Wasserman, S.; Faust, K. (1994) Social Network Analysis: Methods and Applications. Cambridge University Press, Cambridge.
  • Watts, D. J.; Strogatz, S. H. (1998) Collective dynamics of 'small-world' networks. In: Nature 393 (6684), S. 440-442.

Organisatorische Informationen

Nächster Veranstaltungsbeginn: WiSe 23/24

Ort: H11 (Mittwoch) & H14 (Donnerstag)

Termine:

  • Mittwoch, 10-12 Uhr
  • Donnerstag, 12-14 Uhr

Die erste Vorlesung findet am Mittwoch, den 18.10.23 im Hörsaal H11 statt. Alle weiteren Informationen finden sich auf Moodle.

ECTS: 7

Vorlesung (2 SWS) mit Übung (2 SWS)

Die Vergabe der Leistungspunkte erfolgt aufgrund des Bestehens der schriftlichen Modulprüfung. Die Anmeldung zu dieser Prüfung setzt keinen Leistungsnachweis voraus.

Die Modulnote entspricht dem Ergebnis der Modulprüfung.

Schwerpunktfächer: Schwerpunktfächer Technologie- und Prozessmanagement, Business Analytics, Wahlpflicht BWL.

Kernbereiche: Digitalisierung & Data Science, Betriebswirtschaftlehre & Recht

Studiengänge: M.Sc. Wirtschaftswissenschaften, M.Sc. Wirtschaftsmathematik, M.Sc. Wirtschaftschemie, M.Sc. Wirtschaftsphysik, M.Sc. Nachhaltige Unternehmensführung, M.Sc. Computational Science and Engineering und Studiengänge mit Nebenfach Wirtschaftswissenschaften