“Crowd Sourcing” in der Politikberatung?

“Crowd Sourcing” ist ein Begriff aus der Internetwirtschaft und beschreibt die Auslagerung von Produktionsprozessen an eine Vielzahl von (freien) Mitarbeitern im Internet. Das bekannteste Beispiel für diese Art der (Wissens-) Produktion ist das Online-Lexikon Wikipedia, in dem jeder Internetnutzer beliebige Beiträge zu einzelnen Wissensgebieten ändern oder neu erschaffen kann.

Der Vorteil dieser Methode: die Wikipedia verfügt heute über eine um ein vielfaches größere Anzahl von verschiedenen Artikeln zu allen möglichen Themen als jedes gedruckte Lexikon es je könnte. Zudem sind die Artikel aktueller als ihr gedrucktes Pendant: innerhalb von Minuten nach dem Tod von Michael Jackson wurde das Todesdatum des Popstars in seinem Wikipedia-Artikel geändert – bei einem gedruckten Lexikon wäre dies erst bei einer Neuauflage möglich. Eine Studie der Fachzeitschrift Nature hat sogar ergeben, dass der Qualitätsunterschied zwischen der Wikipedia und der Enzyclopedia Britannica vernachlässigbar gering ist.

Auch die amerikanische “intelligence community” hat sich das Prinzip des “crowd sourcing” inzwischen zunutze gemacht und mit dem Dienst Intellipedia eine Plattformfür die gemeinschaftliche Erstellung von nachrichtendienstlichen Briefings ins Leben gerufen, auf der alle US-Nachrichtendienste kollaborieren.

Wie solch eine Zusammenarbeit aussehen könnte, zeigt das folgende Video (mit Dank an das Global Dashboard für den Tipp):

Auch für Think Tanks ist das Wikipedia-Prinzip durchaus interessant, insbesondere bei spezifischen Projekten wie den Konjunkturprognosen der Wirtschaftsforschungsinstitute. Eine Bedingung für die positive Wirkung von “crowd sourcing” wäre natürlich nicht erfüllt: als “crowd” kann man eine handvoll Institute (und die dort beschäftigten Ökonomen) sicherlich nicht bezeichnen. Aber man könnte die Idee ja weiterentwickeln: was wäre, wenn man die Plattform auch für einzelne Ökonomen, Beamte aus dem Wirtschaftsministerium, Politiker, Journalisten oder Unternehmer öffnen würde? Die geballten Informationen dieser “peers” könnte zu extrem genauen Vorhersagen führen – vorausgesetzt natürlich, man glaubt überhaupt an die Vorhersagekraft von Prognosen.

Foto: Mike E. Perez, via flickr.com. Lizenz: Creative Commons