07.03.2013 Aufrufe

Anja Christine Wagner | UEBERflow

Anja Christine Wagner | UEBERflow

Anja Christine Wagner | UEBERflow

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

© a c w Ex p e r t I n n e n - B e f r a g u n g 202<br />

benennen (Alexander 2009, 18). Gleichzeitig ist den Märkten inhärent, abweichende<br />

Meinungen zu honorieren statt der Gefahr einer gruppendynamischen Konsensbildung<br />

in Delphi-Studien. Auch können Märkte besser Entscheidungsumschwünge aufzeigen,<br />

da die Werte über einen längerfristigen Zeitraum immer wieder geändert werden<br />

können im Gegensatz zum temporären Delphi. Und die Suche nach adäquaten Delphi-<br />

Teilnehmer/innen kann sich schwierig gestalten, während Prediction Markets von den<br />

interessierten Teilnehmer/innen aufgesucht werden, die sich beteiligen möchten.<br />

Insofern weisen Prediction Markets unter bestimmten Voraussetzungen einige<br />

Vorteile gegenüber der Delphi-Methode auf (Green, Armstrong, und Graefe 2007, 4).<br />

An Nachteilen muss die erforderliche, große Grundgesamtheit und die Notwendigkeit,<br />

die Items genau zu bezeichnen, angeführt werden. Von daher zeitigen Delphi-Studien<br />

auch einige Vorteile gegenüber Prediction Markets auf (ebd., 4f.): So lassen sich<br />

Delphi-Methoden vielfältiger einsetzen, da sie z.B. den kommunikativen Austausch<br />

unter den beteiligten AkteurInnen fördern. Sie sind aufgrund ihrer Textorientierung<br />

verständlicher und eignen sich für komplexere Sachzusammenhänge, so dass sich die<br />

Zufriedenheit mit den ermittelten Ergebnissen besser abbildet. Spekulationen haben<br />

weniger Einfluss auf das Ergebnis. Gleichzeitig kann jede/r ExpertIn neue Aspekte in<br />

die Diskussion mit einbringen. Da die Argumente wechselseitig einsehbar sind, lassen<br />

sich sachlichere Analysen durchführen, die zudem von einer geringen Anzahl qualitativ<br />

geeigneter ExpertInnen (5-20 Personen) zu einem guten Ergebnis führen können.<br />

4.1.2.3 R EA L-TIME-DELPH I<br />

Eine andere Möglichkeit, schnellere Ergebnisse zu erzielen als in der klassischen<br />

Delphi-Methode, stellt im Zeitalter digitaler Technologien die Real-Time-Delphi-<br />

Methode dar. Hier verzichtet man auf den rundenbasierten Austausch und ermöglicht<br />

-aufbauend auf den Kernelementen Anonymität und Feedback einer Delphi-Analyse-<br />

einen Austausch von ExpertInnen in Echtzeit.<br />

Historisch lässt sich die Methode bis in die 1970er Jahre zurückverfolgen. Bereits 1970<br />

wurde die erste asynchrone Real-Time-Delphi Konferenz mit 20 Experten online<br />

durchgeführt (Zipfinger 2007, 9f.). In Finnland entwickelten einige ForscherInnen seit<br />

1996 die erste webbasierte Software (eDelfoi) (Theodore J. Gordon 2009b, 1f.). Eine<br />

weitere Real-Time-Studie ist 1999 als synchrone Präsenzveranstaltung bekannt. Doch<br />

erst seit 2004 wurde das Konzept einem weiteren Kreis als wissenschaftliche<br />

Fortführung klassischer Delphi-Studien bekannt (Zipfinger 2007, 10).<br />

Im September 2004 beauftragte die Forschungsstelle der US-amerikanischen<br />

Streitkräfte, das Defense Advanced Research Projects Agency (DARPA), die Firma<br />

Articulate Software, Inc., eine Delphi-Methode zu entwickeln, die in Echtzeit<br />

wesentlich effizientere Ergebnisse auf Fragestellungen geben könne, wenn schnelle<br />

Entscheidungsprozesse erforderlich sind. Nachdem sich Prediction Markets als wenig

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!