DE102010038930A1

DE102010038930A1 - Verfahren und System zum Erzeugen eines Prognosenetzwerkes

Info

Publication number: DE102010038930A1
Application number: DE102010038930A
Authority: DE
Inventors: Anmelder Gleich
Original assignee: Individual
Current assignee: Individual
Priority date: 2010-08-04
Filing date: 2010-08-04
Publication date: 2012-02-09
Also published as: US20120036092A1; US8799191B2

Abstract

Bereit gestellt wird System sowie ein Verfahren zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten, wobei jedem Knoten Daten zugeordnet sind, wobei die Daten veränderbar sind und wobei die einem Knoten zugeordneten Daten Einzelprognosen aus einem Prognosemarkt beschreiben. Das Verfahren umfassend die Schritte – Strukturieren der Daten gemäß einer vorbestimmten Taxonomie; – Durchführen einer Mustererkennung für zumindest zwei Knoten zugeordneten Daten, wobei die Mustererkennung zumindest zwei Abfolgemuster von Änderungen ermittelt und analysiert; – Vergleichen der Abfolgemuster und Ableiten einer Korrelation zwischen den Abfolgemustern aus dem Vergleichsergebnis, wobei die Korrelation eine Abhängigkeit zwischen den beiden Knoten definiert; und – Speichern der Abfolgemuster und der Abhängigkeit in einer Musterdatenbank, wobei durch die Abhängigkeit eine Kante zwischen den beiden Knoten gebildet wird. Bereit gestellt wird auch ein System sowie ein Verfahren zum Bewerten von Einzelprognosen in einem Prognosemarkt aus einem Netz von Prognosemärkten, welches erfindungsgemäß erzeugt worden ist.

Description

Gebiet der Erfindung
Die Erfindung betrifft ein Verfahren zum Erzeugen eines Netzes aus einer Anzahl von Knoten, wobei jedem Knoten Daten aus zumindest einer Datenquelle zugeordnet sind. Des Weiteren betrifft die Erfindung ein Verfahren zum Bewerten von Einzelprognosen in einem Prognosemarkt aus einem Netzwerk von Prognosemärkten, welches mit dem erfindungsgemäßen Verfahren zum Erzeugen eines Netzes aus einer Anzahl von Knoten erzeugt worden ist. Ferner wird durch die Erfindung ein System zum Erzeugen eines Netzes aus einer Anzahl von Knoten, wobei jedem Knoten Daten aus zumindest einer Datenquelle zugeordnet sind, bereitgestellt.
Stand der Technik
Prognosemärkte sind vorzugsweise virtuelle Marktplattformen, die den Ausgang von Ereignissen vorhersagen. Ihre Funktion und Effektivität als Konkurrenzsystem zu anderen Prognoseinstrumenten, etwa Umfragen, statistische Extrapolationen und/oder Modellrechnungen hat sich in der politischen Forschung sowie in wissenschaftlichen Einzelprojekten mehrfach bewiesen.
Das Prinzip basiert auf der Bewertung zukünftiger Ereignisse durch voneinander unabhängige Akteure. Ein zentraler Baustein für die Präzision von Prognosemärkten ist ein Anreizsystem. Akteure werden dafür belohnt, relevante Informationen über ein zukünftiges Ereignis frühzeitig und auf die Vorhersage gewichtet mitzuteilen.
Nachteilig hierbei ist, dass sich komplexe Thematiken, etwa Programmsteuerung, Risikoprävention, etc., der effektiven Anwendung von Prognosemärkten entziehen, da die notwendigen Informationsbestandteile stark verteilt sind, d. h. die Informationsdichte für eine effiziente und aussagekräftige Prognose nicht ausreicht bzw. die richtigen Akteure nicht vorhanden oder schwer zu erreichen sind.
Bei komplexeren Anforderungen ergibt sich eine hohe Anzahl von Fragestellungen zu Ereignispunkten, die in der Gesamtheit nicht immer von der gleichen Personengruppe behandelt werden können. Eine genaue und frühzeitige Vorhersage von Ereignissen setzt daher eine Mindestanzahl von Akteuren voraus, die bei sehr detaillierten Fragestellungen nicht immer gewährleistet werden kann. In diesen Fällen ist eine frühzeitige Vorhersage nicht möglich oder nur unzureichend möglich.
Aufgabe der Erfindung
Die Aufgabe der Erfindung ist es daher, ein Verfahren und ein System bereitzustellen, welche die aus dem Stand der Technik bekannten Nachteile zumindest teilweise vermeiden und welche es ermöglichen, auch bei stark fragmentierten, d. h. verteilten Daten die Aussagequalität von Prognosemärkten kontinuierlich und nachhaltig zu verbessern.
Erfindungsgemäße Lösung
Erfindungsgemäß wird diese Aufgabe mit den Verfahren bzw. einem System gemäß den unabhängigen Ansprüchen gelöst.
Bereitgestellt wird demnach ein Computer-implementiertes Verfahren zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten, wobei jedem Knoten Daten aus zumindest einer Datenquelle zugeordnet sind, wobei die Daten einer Datenquelle veränderbar sind und wobei die einem Knoten zugeordneten Daten Einzelprognosen aus einem Prognosemarkt beschreiben. Das Verfahren umfasst folgende Schritte:

(a) Strukturieren der Daten gemäß einer vorbestimmten Taxonomie;
(b) Durchführen einer Mustererkennung in den einem ersten Knoten zugeordneten ersten Daten, wobei die Mustererkennung zumindest ein erstes Abfolgemuster von Änderungen in den ersten Daten ermittelt und analysiert;
(c) Durchführen einer Mustererkennung in den einem zweiten Knoten zugeordneten zweiten Daten, wobei die Mustererkennung zumindest ein zweites Abfolgemuster von Änderungen in den zweiten Daten ermittelt und analysiert;
(d) Vergleichen des ersten Abfolgemusters mit dem zweiten Abfolgemuster und Ableiten einer Korrelation zwischen dem ersten Abfolgemuster und dem zweiten Abfolgemuster aus dem Vergleichsergebnis, wobei die Korrelation eine Abhängigkeit zwischen dem ersten Knoten und dem zweiten Knoten definiert; und
(e) Speichern der Abfolgemuster und der Abhängigkeit in einer Musterdatenbank, wobei durch die Abhängigkeit eine Kante zwischen dem ersten Knoten und dem zweiten Knoten gebildet wird.

Gegenüber dem Einsatz von einzelnen Prognosemärkten ergeben sich hier eine höhere Verlässlichkeit der Prognosen sowie die Möglichkeit, Veränderungen in Ihren Entstehungsursachen zu erkennen, genau zu zuordnen und/oder früher und effektiver darauf Einfluss zu nehmen. Durch die strukturierten Beziehungswerte (Abhängigkeiten) aus den Einzelprognosen ergibt sich eine Musterdatenbank, die Verhältnismäßigkeiten für zukünftige Prognosen berechnet und Verkettungen zwischen Einzelereignissen bzw. Prognosemärkten formuliert und automatisiert.
Somit werden Veränderungen zwischen entfernten Faktoren früher erkannt und ohne Zeitverlust in die richtige Verhältnismäßigkeit zu prognostizierten Ereignissen gesetzt. Zudem wird die Informationsdichte des für die Prognose zugrundeliegenden Datenbestandes erheblich vergrößert, was zu einer wesentlich verbesserten Aussagequalität von Prognosemärkten führt.
Vorzugsweise umfasst das Verfahren die Schritte:

(f) Erzeugen einer Verkettung zwischen dem ersten Knoten und einem dritten Knoten, wobei zwischen dem ersten Knoten und dem dritten Knoten keine Abhängigkeit gemäß den Schritten (b) bis (e) definiert ist, wobei der erste Knoten in dem Netz über einen Pfad, aufweisend eine Anzahl von Abhängigkeiten, von dem dritten Knoten aus erreichbar ist, und wobei die Verkettung zwischen dem ersten Knoten und dem dritten Knoten aus der Anzahl von Abhängigkeiten abgeleitet wird; und
(g) Speichern der Verkettung zwischen dem ersten Knoten und dem dritten Knoten in der Musterdatenbank, wobei durch die Verkettung eine Kante zwischen dem ersten Knoten und dem dritten Knoten gebildet wird.

Damit kann die Informationsdichte des für die Prognose zugrundeliegenden Datenbestandes noch weiter vergrößert werden, was zu einer noch besseren Aussagequalität von Prognosemärkten führt.
Die vorbestimmte Taxonomie kann zumindest eines aus zeitliches Klassifikationsschema, geografisches Klassifikationsschema, und logisches Klassifikationsschema umfassen.
Vorteilhaft ist es, wenn die Abhängigkeiten und/oder die Verkettungen zwischen jeweils zwei Knoten des Netzes (d. h. die Kanten zwischen jeweils zwei Knoten des Netzes) als mathematische und/oder logische Abbildungen definiert werden.
Zumindest zwei Knoten des Netzes können zu einem übergeordneten und/oder untergeordneten und/oder nebengeordneten Knoten des Netzes aggregiert werden.
Das Netz kann ein Netzwerk von Prognosemärkten beschreiben.
Bereitgestellt wird auch ein Computer-implementiertes Verfahren zum Bewerten von Einzelprognosen in einem Prognosemarkt aus einem Netzwerk von Prognosemärkten, welches gemäß dem erfindungsgemäßen Verfahren zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten erzeugt worden ist. Das Verfahren umfasst die Schritte:

(a) Erfassen einer Bewertung einer Einzelprognose, welche einem ersten Knoten des Netzwerkes zugeordnet ist;
(b) Bewerten einer Einzelprognose, welche einem zweiten Knoten des Netzwerkes zugeordnet ist, wobei die Bewertung in Abhängigkeit von der erfassten Bewertung und der Korrelation (Abhängigkeit) zwischen dem ersten Knoten und dem zweiten Knoten erfolgt;
(c) Bilden einer Gesamtbewertung für die dem zweiten Knoten zugeordnete Einzelprognose, wobei in die Gesamtbewertung die Bewertung gemäß Schritt (b) mit einfließt; und
(d) Speichern der Gesamtbewertung in der Musterdatenbank.

Die Bewertung für die dem zweiten Knoten zugeordnete Einzelprognose kann als eine Bewertung für die einem ersten Knoten des Netzwerkes zugeordnete Einzelprognose erfasst werden. Dadurch wird es erstmals möglich Veränderungen an einem Knoten über mehrere Knoten hinweg durchzureichen.
Die im Schritt (b) erzeugte Bewertung einer Einzelprognose, welche einem dritten Knoten zugeordnet ist, kann in Abhängigkeit von der im Schritt (a) erfassten Bewertung und der Verkettung zwischen dem ersten Knoten und dem dritten Knoten erzeugt werden.
Des Weiteren wird ein System zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten bereitgestellt, wobei jedem Knoten Daten aus zumindest einer Datenquelle zugeordnet sind, wobei die Daten einer Datenquelle gemäß einer vorbestimmten Taxonomie strukturiert sind und wobei die Daten einer Datenquelle veränderbar sind. Das System umfasst

– zumindest eine Datenbank zum Speichern der den Knoten zugeordneten Daten, von Abfolgemustern von Änderungen in den Daten, und von Abhängigkeiten zwischen jeweils zwei Knoten;
– erste Verarbeitungsmittel, welche mit der zumindest einen Datenbank gekoppelt sind und welche ausgestaltet sind ein erstes Abfolgemuster von Änderungen in ersten Daten zu ermitteln, zu analysieren und in der zumindest einen Datenbank zu speichern;
– zweite Verarbeitungsmittel, welche mit der zumindest einen Datenbank gekoppelt sind und welche ausgestaltet sind ein zweites Abfolgemuster von Änderungen in zweiten Daten zu ermitteln, zu analysieren und in der zumindest einen Datenbank zu speichern; und
– Vergleichsmittel, welche mit der zumindest einen Datenbank gekoppelt sind und welche ausgestaltet sind das erste Abfolgemuster mit dem zweiten Abfolgemuster zu vergleichen, aus dem Vergleichsergebnis eine Korrelation zwischen dem ersten Abfolgemuster und dem zweiten Abfolgemuster abzuleiten und die Korrelation als Abhängigkeit (Kante) zwischen dem ersten Knoten und dem zweiten Knoten in der zumindest einen Datenbank zu speichern.

Die zumindest eine Datenbank kann weiter ausgestaltet sein zum Speichern von Verkettungen zwischen jeweils zwei Knoten, wobei dritte Verarbeitungsmittel vorgesehen sind eine Verkettung zwischen dem ersten Knoten und einem dritten Knoten zu erzeugen, wobei zwischen dem ersten Knoten und dem dritten Knoten keine Abhängigkeit in der zumindest einen Datenbank gespeichert ist, wobei der erste Knoten in dem Netz über einen Pfad, aufweisend eine Anzahl von Abhängigkeiten, von dem dritten Knoten aus erreichbar ist, und wobei die Verkettung zwischen dem ersten Knoten und dem dritten Knoten aus der Anzahl von Abhängigkeiten ableitbar ist.
Vorzugsweise weist das System Eingabemittel auf zum Entgegennehmen von Änderungen an den ersten Daten, an den zweiten Daten und/oder an den Daten des dritten Knoten, wobei die ersten, zweiten und dritten Daten jeweils Einzelprognosen aus einem Prognosemarkt beschreiben und wobei das Ändern ein Ändern einer Bewertung einer Einzelprognose umfasst.
Die zumindest eine Datenbank oder die Verarbeitungsmittel können ausgestaltet sein aufgrund einer Änderung einer Bewertung einer Einzelprognose eine Änderung von Bewertungen von Einzelprognosen, welche anderen Knoten zugeordnet sind, durchzuführen.
Bereitgestellt wird auch ein System zum Bewerten von Einzelprognosen in einem Prognosemarkt aus einem Netzwerk von Prognosemärkten, welches nach dem erfindungsgemäßen Verfahren erzeugt worden ist. Das System umfasst

– zumindest eine Datenbank, in welcher eine Musterdatenbank gespeichert ist;
– Mittel zum Erfassen einer Bewertung einer Einzelprognose, welche einem ersten Knoten des Netzwerkes zugeordnet ist;
– Mittel zum Bewerten einer Einzelprognose, welche einem zweiten Knoten des Netzwerkes zugeordnet ist, wobei die Bewertung in Abhängigkeit von der erfassten Bewertung und der Korrelation zwischen dem ersten Knoten und dem zweiten Knoten erfolgt;
– Mittel zum Bilden einer Gesamtbewertung für die dem zweiten Knoten zugeordnete Einzelprognose, wobei in die Gesamtbewertung die Bewertung der Einzelprognose mit einfließt; und
– Mittel zum Speichern der Gesamtbewertung in der Musterdatenbank.

Ferner wird durch die Erfindung ein Datenträgerprodukt bereitgestellt, welches Programmcode enthält, welcher so ausgestaltet ist, dass er nach dem Laden in einen Computer die Ausführung des erfindungsgemäßen Verfahrens zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten erlaubt.
Zudem wird durch die Erfindung ein Datenträgerprodukt bereitgestellt, welches Programmcode enthält, welcher so ausgestaltet ist, dass er nach dem Laden in einen Computer die Ausführung des erfindungsgemäßen Verfahrens zum Bewerten von Einzelprognosen in einem Prognosemarkt aus einem Netzwerk von Prognosemärkten erlaubt.
Weitere Vorteile und vorteilhafte Ausgestaltungen der Erfindung sind der Beschreibung, der Zeichnung und den Patentansprüchen entnehmbar.
Kurzbeschreibung der Figuren
In der Zeichnung sind Ausführungsbeispiele der Erfindung schematisch dargestellt und werden in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
1 die Verlinkung zwischen einzelnen Ereignisknoten zur Verdeutlichung der Verbindungen zwischen einzelnen Prognosen sowie die logische Verkettung einer Reihe von Ereignisknoten;
2 eine Verdeutlichung der Erfindung in Analogie zu kommunizierenden Röhren, um darzustellen, wie ein Bezugspunkt zwischen Einzelprognosen hergestellt wird und wie sich die möglichen mathematischen Zusammenhänge darstellen;
3 den Aufbau einer logischen Baumstruktur, welche die logischen Abhängigkeiten zwischen Einzelprognosen und die Vernetzung der Ereignispunkte aufgrund von logischen Zusammenhängen zeigt;
4 ein Ablaufdiagramm für einen Prozessfluss des erfindungsgemäßen Verfahrens;
5 eine Analyse von Zeitabfolgemustern von Vorhersagen
6 übergeordnete Vergleichsstrukturen zur Verdeutlichung verschiedener Aggregationsebenen sowie der Abhängigkeiten von einzelnen Ereignispunkten;
7 einen logischen Strukturaufbau für Risikovorhersagen, welcher zeigt, wie sich Informationen über Aggregationsebenen und einer Formeltaxonomie von einem Ereignispunkt zum nächsten verteilt; und
8 Ein Beispiel für eine Verkettung von unabhängigen Ereignispunkten.
Detaillierte Beschreibung der Erfindung
Nachfolgend wird unter einem Ereignispunkt ein räumlich, zeitlich und logisch klar definiertes Ereignis in der Zukunft verstanden. Eine Einzelprognose wird beschrieben durch Markttransaktionen und gegebenenfalls dazugehöriger Kommentare. Ein Prognosemarkt wird gebildet bzw. beschrieben durch zumindest einen Ereignispunkt, welchem cm Anzahl von Einzelprognosen zugeordnet sind.
Die Erfindung basiert auf den Ereignispunkten, die in Einzelprognosemärkten von Einzelakteuren bewertet werden. Ereignispunkte folgen einem Klassifikationsschema (Taxonomie), welches es ermöglicht die für die Einzelprognosen zusammengetragenen Informationen (z. B. Kommentare) und Bewertungen miteinander vergleichbar zu machen. Die Prognosen der Einzelakteure werden nach Abfolgemustern durchsucht und in einer Musterdatenbank hinterlegt. Dadurch wird die Musterdatenbank kontinuierlich erweitert.
Hergeleitet aus den Musterdaten und definiert durch die logischen Abhängigkeiten, etwa Baumstrukturen zwischen den Ereignispunkten ergeben sich mathematische Beziehungen zwischen unabhängigen Prognosemärkten. Diese Verbindungslogik kann etwa zur Erstellung von Aufforderungsnachrichten (Systemtriggern) in einem Frühwarnsystem sowie für Vergleichsmöglichkeiten zu übergeordneten Ereignispunkten genutzt werden und somit die Akteure zur weiteren Informationsabgabe oder Neubewertung der Ereignispunkte bewegen.
Für Verbindungen, die sich anhand von Erfahrungswerten in den Musterdaten sowie logischen Abhängigkeiten wiederholt haben, wird eine Automatisierung in dem System angelegt, welche die zu erwartenden Transaktionen selbständig vornimmt. Durch diese Knotenpunkte werden logische Unstimmigkeiten, die sich als Konsequenz einer Bewertung eines Ereignispunktes ergeben, in Echtzeit ausgeglichen.
Die Musterdatenbank wird durch Erfahrungswerte ständig erweitert und ersetzt korrelierte Verhaltensweisen zwischen verschiedenen Märkten mit den Aktionen eines automatisierten Akteurs. Hierdurch können mögliche Kettenreaktionen zwischen weit entfernten Systemrisiken durch eine Reihe von Einzelverbindungen als Informationsnetzwerk abgebildet werden. Die Verkettung von einer Reihe Ereignispunkten erlaubt es, dass Informationen und Bewertungen für ein einzelnes Ereignis sich auf das Netzwerk von Ereignisknotenpunkten mit sofortiger Wirkung, vorzugsweise in Echtzeit ausbreitet.
Die automatischen Marktaktivitäten (des automatisierten Akteurs) sowie systemrelevante Vergleichsmöglichkeiten stimulieren die Akteure ihre Einschätzungen zu Ereignispunkten konstant und unter eine Vielzahl von Gesichtspunkten zu betrachten. Eine erhöhte Aktivität in den Märkten und divergierende Perspektiven reichern den Informationsstand für die einzeln agierenden Akteure stetig an. Es benötigt somit weniger Akteure, um die gleiche Vorhersagequalität aus den einzelnen Prognosemärkten zu erreichen und es werden die Zusammenhänge zwischen weit entfernten Ereignispunkten transparent.
Als Konsequenz werden Einzelinformationen mit verbessertem Wirkungsgrad für alle Akteure verwertet und es ergibt sich eine höhere Aussagekraft von Einzelprognosen, weil

– Einflussfaktoren mit hoher Frequenz und/oder Wirkung automatisch in eigene Ereignisprognosen gefasst werden und daher eine differenzierte Betrachtung bzw. Wahrnehmung von weiteren Faktoren erlauben;
– Ereignisprognosen nach gleichem Muster gruppiert werden und daher Funktionsvergleiche von Zukunftswerten/-erwartungen erlauben;
– Frühwarnsysteme eingesetzt werden können, um Veränderungen mit den jeweiligen Vergangenheitsmustern abzugleichen und unerwartete Entwicklungen zu berichten;
– eine konsolidierte Betrachtung von Veränderungen der Prognosen in oder für einen bestimmten Prognosemarkt, einem Bereich oder einer Funktion möglich ist, welche strukturelle Risiken aufdecken kann;
– formalisierte Verbindungen zwischen Einzelprognosen Verkettungen sichtbar machen und Veränderungen früher erkennbar sind; und/oder
– die Wahrnehmung von Veränderungen von Ereignisprognosen und Systemrisiken kann in Echtzeit als komplementär zur klassischen Ursachenanalyse vorgesehen werden.

Um die Informationsdichte für die Einzelmärkte zu erhöhen und eine Ausbreitung von relevanten Informationen zwischen Marktteilnehmern zu beschleunigen, ist ein Informationsaustausch zwischen den Prognosemärkten vorgesehen.
Ein Prognosemarkt kann einen oder mehrere Ereignispunkte haben, die voneinander unabhängig auf die Transaktionen der Akteure reagieren. Die von den Akteuren durchgeführten Einzelprognosen verändern die Wahrscheinlichkeit oder den Zeitpunkt eines Ereignisses. Die Prognosen werden mit einem Einsatz (Punkten, virtuellem oder echtem Geld) untermauert, wobei die Höhe des Einsatzes von Anfang an limitiert ist, der Akteur sich auf bestimmte Ereignispunkte spezialisiert und seinen Einsatz für die jeweilige Prognose eine Gewichtung über die gemachte Aussage ergibt. Nach Höhe und Zeitpunkt der jeweiligen Einsätze wird der Ereignispunkt (Zeitpunkt, Wahrscheinlichkeit etc.) neu berechnet und es ergibt sich ein Konsens der kollektiven Intelligenz aller Akteure. Der Anreiz für die Einzelakteure ist es, mit ihren Einschätzungen des Ereignisses möglichst korrekt zu sein, um ihren Einsatz nicht zu verlieren bzw. ihren Einsatz zu vermehren. Solange der Markt aktiv ist, können die Akteure ihre Einschätzung ändern. Die Akteure können ihre Einschätzung auch bei Veränderungen ihres Informationsstandes ändern, falls dieses Ihren Einsatz sichert bzw. vermehrt. Der Akteur extrahiert aus den neuen Informationen die möglichen Einflussfaktoren, verändert seinen Einsatz gemäß der veränderten Einschätzung und teilt die neu erkannten Einflüsse für diesen Ereignispunkt mit.
Aufbau eines Verbindungsnetzwerkes
1 zeigt die Verlinkung (d. h. Kanten) zwischen einzelnen Ereignisknoten zur Verdeutlichung der Verbindungen zwischen einzelnen Prognosen sowie die logische Verkettung einer Reihe von Ereignisknoten zur Verdeutlichung des Erzeugens eines Netzes aus einer Anzahl von Knoten und Kanten.
Erfindungsgemäß werden die Einzelprognosen 1 der Ereignispunkte verlinkt, d. h. zwischen den Einzelprognosen werden Kanten erzeugt. Die direkte Verbindung 2 enthält eine Korrelationslogik 3, die aus einer logischen oder historischen Gegebenheit hervorgeht. Das bedeutet, dass die direkte Verbindung durch eine Korrelation beschrieben wird.
Beispielhaft für Verbindungen zwischen Einzelprognosen sind:

– hierarchische Abhängigkeit zwischen Ereignispunkten: Eine Einzelprognose über das Erreichen eines Projektteilergebnisses A (z. B. Test von Produkt X) ist auch eine Einzelprognose – gemäß Formel f(1) – über das Erreichen des Projektgesamtergebnisses B (z. B. marktfertiges Produkt X);
– kausale Verbindung zwischen Ereignispunkten: Eine Einzelprognose über die hohe Wahrscheinlichkeit für das Erreichen des Projektgesamtergebnisses B (z. B. marktfertiges Produkt X) erlaubt eine Einzelprognose über den zu erwartenden Umsatz C (z. B. Umsatz von Produkt X), die sich aus den Verbindungsmustern der Einzelprognosen mit der Formel f(2) herleiteten lässt;
– Interdependenz zwischen Ereignispunkten: Eine Prognose über den zu erwartenden Umsatz C (z. B. Umsatz von Produkt X) hat eine indirekte Auswirkung auf D (z. B. Umsatz von Produkt Y) E und (z. B. Marge von Produkt Y), die sich in Formeln wiedergeben lässt.

Eine Prognoseverkettung 4 ermöglicht nun eine Einzelprognose über das Projektteilergebnis A über die geschaffenen Ereignisknoten im richtigen Verhältnis als eigenständige Einzelprognosen der Ereignispunkte B bis hin zu E weiterzuleiten. Die Formel der Verlinkung ergibt sich aus der aggregierten Korrelationslogik 3 der direkten Verbindungen 2.
Rolle der Klassifikation (Taxonomie)
Mit Bezug auf 2 wird die Erfindung in Analogie zu kommunizierenden Röhren verdeutlicht.
Von Bedeutung für die Erfindung ist das Klassifikationsschema (Taxonomie) der definierten Ereignispunkte. Wie in 2 in einer Analogie der kommunizierenden Röhren dargestellt, ist es nur durch ein einheitliches Schema möglich, die Einzelprognosen 1 im richtigen Verhältnis zu einander zu stellen bzw. neue Verbindungen korrekt zu erfassen. Eine Einzelprognose, die z. B. den Ereignispunkt A beeinflusst steht zu einem klar definiertem Verhältnis zum Ereignispunkt B, d. h. eine positive Prognose (Flüssigkeitszugabe) zu A wird sich durch eine direkte Verbindung 2 linear auf der Ereignispunkt B auswirken. Eine lineare Auswirkung ist nur bei gleicher Basis (Flüssigkeitsqualität) anhand einer Taxonomie möglich. Die Korrelationslogik 3 zwischen den Einzelprognosen zu den Ereignispunkten B und C lässt sich durch eine Musteranalyse nur beweisen, wenn die gleiche Basis verwendet wird. Somit lassen sich mehrere Ereignispunkte miteinander verketten 4 und die so entstandenen Verbindungen geben die Impulse der Einzelprognose im richtigen Verhältnis weiter.
Jeder definierte Ereignispunkt folgt einer bestimmten Taxonomie, die es ermöglicht, Verhältnisse zwischen Einzelprognosen erkennbar und nutzbar zu machen. Beispiele für Klassifikationen der Gesamtschemata sind:

– Zeitliches Klassifikationsschema nach Monaten, Quartalen, Kalender- und/oder Geschäftsjahren;
– Geografisches Klassifikationsschema nach Ländern, Regionen, Kontinenten, wirtschaftlichen und politischen Bündnissen;
– Logisches Klassifikationsschema nach Nutzerdaten, organsiatorische Verbindungen, Zielsetzungen, Funktionen, Industrie- und Wirtschaftsformen, etc.

3 zeigt den Aufbau einer logischen Baumstruktur, welche die logischen Abhängigkeiten zwischen Einzelprognosen und die Vernetzung der Ereignispunkte aufgrund von logischen Zusammenhängen zeigt.
Der Aufbau einer logischen Baumstruktur ist in 3 anhand von Garantieleistungen erläutert. Zur Vereinfachung der Darstellung wurden die Fragestellungen, die einen Ereignispunkt repräsentiert, in einfachen Titel dargestellt: ”Garantieleistungen” würde im Prognosemarkt für eine Fragestellung gegenüber dem Unternehmenserfolg, z. B. als ”Welche Garantieleistung gegenüber der Gesamtzahl von Produkten X ist im 1. Quartals aus Europa zu erwarten?” verfasst.
Die Aufbautaxonomie 1 beschreibt die ”Garantieleistung” als Funktion der ”Anzahl der Produkte” und der ”Anzahl der Reklamationseingänge”. Der Ereignispunkt ”Garantieleistungen” ist mit einer logischen Taxonomie als Formel zwischen der ”Anzahl Produkte” und ”Anzahl der Reklamationseingänge” definiert. Das Ergebnis und die Komponenten der Formel stellen gleichermaßen Ereignispunkte dar und werden zeitlich (1. Quartal) und geografisch (Europa) in Relation gehalten. Durch eine Transaktionslogik wird sich eine Einzelprognose über die Anzahl der ”Reklamationseingänge” oder ”Anzahl Produkte” auf den Ereignispunkt der ”Garantieleistungen” linear auswirken. Die Einflussrichtung sowie – größe 2 ergibt sich, von unten nach oben gesehen, aus der Taxonomie und die Auswirkungen von oben nach unten aus den Erfahrungswerten der Mustererkennung. Wenn angenommen wird, dass die ”Anzahl Produkte” aus historischer Analyse keinen wesentlichen Einfluss auf die ”Garantieleistungen” hat, so wird eine Einzelprognose zu den ”Garantieleistungen” sich direkt auf die ”Reklamationseingänge” auswirken.
Eine weitere logische Verbindung ergibt sich aus dem semantischen Kontext 3, die zum Beispiel die Ereignispunkte der ”Produktauslieferung”, z. B. aus Sicht der Produktion mit der des Marketings verbindet. D. h. ein Ereignis über den Startpunkt der Auslieferung ist in zwei unterschiedlichen Funktionen wiedergegeben und steht bis dahin nur im wörtlichen Kontext dicht beieinander. Nur die einheitliche Taxonomie erlaubt die Einzelprognosen miteinander zu vergleichen und durch einen Automatismus zu verbinden.
Teil der erfindungsgemäßen Vorgehensweise ist es die logischen Strukturen im Einklang mit den individuellen Erfahrungswerten der Akteure auszubauen und nach dem Stand des derzeitigen Wissens zu erweitern. Eine Ursachenanalyse 4 der Einzelprognosen für einen Ereignispunkt lässt eine Bestimmung der Einflussfaktoren zu. Die Darstellung beinhaltet eine Auszählung von Textmerkmalen (Tags), die als Nummern- oder Prozentwert zusammengefasst werden. Die kontinuierliche Musteranalyse erfasst die zeitlichen, geographischen und logischen Wiederholungen dieser Faktoren. Ergibt sich eine statistische oder bedarfsorientierte Grundlage werden diese Einflüsse formalisiert 5 zu weiteren Ereignispunkten sowie Teil der logischen Taxonomie.
Musteranalyse und Korrelationsgestaltung
4 zeigt ein Ablaufdiagramm für einen Prozessfluss des erfindungsgemäßen Verfahrens, insbesondere den Ablauf einer erfindungsgemäßen Musteranalyse und Korrelationsgestaltung.
Die Taxonomiedefinition schafft einheitliche Strukturen für Ereignispunkte an denen sich einzelne Prognosen ausrichten. Standardisierte Definitionen von Zeitfenstern (z. B. Tag, Woche, Monat, Quartal, Jahr) ermöglichen unter anderem eine Betrachtung der Zeitablauffolge von Ereignissen. Geographische Definitionen erlauben regionale Betrachtungsmöglichkeiten (z. B. Stadt, Länder, Kontinente) und Sektoren ergeben industrie- und funktionsübergreifende Blickweisen. Alleine durch die Taxonomie wird eine Konzentration der Einzelprognosen erreicht, da redundante Fragestellungen weitestgehend vermieden werden. Der erste logische Analyseansatz stellt sich hier schon aus Vergleichen der Einzelprognosen über eine Zeitabfolge sowie mit konsolidierten regionalen und industriespezifischen Indikatoren. Diese Vergleiche können genutzt werden, um die Aktivitäten der Einzelakteure zu erhöhen.
Die Musteranalyse bzw. Musterkennung erkennt Muster aus den Prognosen, Kommentaren und Informationen der Einzelakteure. Die Analyse erfolgt vorzugsweise automatisch und erreicht für die meisten Anforderungen und die verschiedenen Analyseansätze statistisch wegweisende Verhaltensmuster. Es ergeben sich unter anderem:

– Kongruenzverhalten von mehreren Marktteilnehmern nach zeitlichen, regionalen, etc. Aspekten;
– Dissonanzen d. h. Extremabweichungen oder kollektive Prognoseaktivitäten, die von Ereignissen hervorgerufen werden; und
– Kommentarwiederholungen bei Einzelprognosen, welche anhand eines Index analysiert werden können.

Es können auch Hypothesen zu zukünftigen Vorhersagen in die Musteranalyse aufgenommen werden, um unbewiesenen Kontext zwischen Verhaltensbeziehungen der Einzelprognosen zu erarbeiten. Die Akteure im Markt können Abgrenzungen zu möglichen Extremwerten bzw. Hinweise zu Musterwerten für ihre eigenen Zwecke aufnehmen (vgl. auch 5), die wiederum der Musteranalyse helfen, Zusammenhänge innerhalb von und zwischen Ereignispunkten statistisch transparent machen.
Aus den Musteranalysen werden in Verhaltensprofilen Rückschlüsse zu Ursachen gesucht und in Korrelationsdefinitionen automatisch als Hypothese aufgestellt und durch Muster innerhalb der Einzelprognosen und Ereignispunkten untermauert. Eine mathematische und logische Formel gibt die Beziehung zwischen Ereignispunkten wieder und fungiert als Knoten zwischen Prognoseverkettungen mehrerer Ereignispunkte. Die Korrelationen zwischen Information und Ereignisprognosen können bereits für die Verbesserung Einzelvorhersagen von Akteuren genutzt werden, ohne dass sie als Marktautomatismen formalisiert werden. Hierbei stehen aggregierte Ereignispunkte (wie in 6) zur Verfügung, die als Impuls zur Verbesserung der individuellen Prognose genutzt werden kann.
Die Formalisierung der Verkettungen passiert nur für bewiesene Korrelationen, die ein klares Muster und Nutzen aufweisen, d. h. durch künstliche Intelligenz die Aktionen der Masse schneller und genauer exerzieren kann. Dadurch können Prognosemärkte miteinander transaktionell gekoppelt werden und die Kausalitäten zwischen entfernten Ereignissen transparent gemacht werden.
Analyse von Zeitabfolgemustern in Vorhersagen
5 zeigt eine Funktionsweise der Musteranalyse und die Verwertung der daraus resultierenden Erkenntnisse anhand der Analyse von Zeitabfolgemustern von Vorhersagen. Gezeigt ist die zeitliche Veränderung von Wahrscheinlichkeiten mehrerer zeitlich versetzter Ereignispunkte der gleichen Taxonomie. Für Vergleiche von anderen Klassifikationsgruppen (geografisch, logisch, etc.) muss jeweils eine einheitliche Taxonomie für die korrekte Auswertung des Datenhintergrunds sein. In diesem Beispiel gibt das System die zeitlichen Abläufe (Sequenz und Zeitpunkt) für eine Ursachenanalyse 1 vor. Die gefundenen Verhaltensmuster aus Nutzerdaten, Prognosetransaktionen und Prognosekommentaren ergeben ein statistisch auswertbares Bild über die Einflussfaktoren der zeitlichen Veränderung. Bei ausreichender statistischer Beweislast können Einflussfaktoren auf Basis dieser Daten als eigenständige Ereignispunkte definiert werden.
Die statistische Ausprägung von sich wiederholenden Prognoseentwicklungen ergeben einen statistischen Rahmen 2, der die wahrscheinliche Entwicklung von zukünftigen Prognosen umreißt. Dieser statistische Rahmen kann auch aus den Erwartungshaltungen der Einzelakteure in Nachrichtentriggern zu Ereignispunkten hergeleitet bzw. bestätigt werden. Es kann passieren, dass ein dissonantes Verhalten am Markt Extremwerte erreicht, die auf Grund des statistischen Rahmens einen Systemtrigger auslösen. Der erkannte Extremwert 3 löst eine Reihe von automatischen Aktionen aus, etwa:

– eine zeitnahe Ursachenanalyse 1, die vorangegangene Muster mit historischen Werten vergleicht und neue Einflussfaktoren hervorhebt;
– informieren der Akteure, die eine Prognose zum Ereignispunkt abgegeben haben oder einen statistischen Rahmen 2 gesetzt haben, über die Entwicklung und die möglichen Einflussfaktoren; und
– weitertragen von unerwarteten Entwicklungen inkl. statistischer Relevanz und möglicher Einflussfaktoren an Ereignispunkte und -knoten, die eine logische oder historisch-geprägte Verbindung haben.

Nutzung von übergeordneten Vergleichsstrukturen
Der Aufbau einer logischen Struktur anhand der einheitlichen Taxonomie ergibt verschiedene Ebenen von Ereignispunkten für differenzierte Einzelprognosen. Die Akteure im Markt können sich somit auf einen Ereignispunkt konzentrieren und die abgegebenen Prognosen kommen den Vorhersagen verbundener Ereignispunkte zu Gute.
Die übergeordneten Vergleichsstrukturen in 6 zeigen anhand des in 3 aufgeschlüsselten Strukturbaums die verschiedenen Ebenen, die durch die Vorgehensweise erreicht werden. In diesem Fallbeispiel wird die Klassenqualität anhand der ”Garantieleistungen” einzelner Automobilhersteller berechnet. Durch die einheitliche Formeltaxonomie (z. B. Garantieleistung = Reklamationseingäge/Anzahl Produkte) ist es möglich die Prozentzahl ”Garantieleistungen” für die logische Gruppierung einer Klasse wiederzugeben. Es ist somit auch möglich den Ereignispunkt der Klassenqualität für eine unabhängige Prognoseabgabe aufzustellen und die Einschätzung von weiteren Akteuren einzuholen.
Die Vergleiche auf übergeordneter Ebene erlauben den Akteuren und der automatischen Mustererkennung eine Relationsgrundlage zu einer einzelnen Veränderung zu finden. Als Beispiel, im Zukunftsbenchmark 1 mag die Prozentzahl von 9% im Vergleich nur 2% Prozentpunkte über dem Klassendurchschnitt liegen, jedoch zeigt eine Prognoseveränderung 2 von 8% gegenüber 2% in der Klasse eine gravierende Verschlechterung. Eine Ursachenanalyse 3 erklärt den Ursprung der veränderten Einschätzung.
Problematisch für die Vorhersagequalität bei Prognosemärkten ist die mögliche Freisetzung von negativen Kräften durch das Anreizsystem. Wenn ein zukünftiges Ereignis (z. B. Terroranschlag) von einer Person beeinflusst werden kann, würde eine Risikoanalyse anhand eines Prognosemarktes dieses Ereignis provoziert, d. h. eine selbsterfüllende Prophezeiung zur Folge haben.
Der Strukturaufbau für Risikovorhersagen – wie in 7 am Beispiel der IT-Systemstabilität gezeigt – ist durch den Aufbau einer Baumstruktur und innerhalb einer Taxonomie möglich, da mehrere Einzelprognosen über verschiedene Ebenen aggregiert werden und somit eine große Anzahl von positiven Prognosen gegenüber einer negativen Einzelkraft steht. Eine kurzfristige Vorteilnahme auf ein Globalrisiko ist somit weitestgehend ausgeschlossen, jedoch werden relevante Informationen an korrelierte Einzelmärkte weitergetragen. Die Formeltaxonomie 1 ermöglicht hier dem erfindungsgemäßen System die verschiedenen Aggregationsebenen 2 durch automatisierte Prognosen und Informationsverteilung alle Ereignispunkte zu erreichen. Ergibt sich nun ein Fall, z. B. ein Fehler in einem Standardverfahren, das für das gesamte Ausfallrisiko aller SAP-Systeme relevant ist, so wird dieses als Früherkennung von Risikofaktoren 3 für alle relevanten Ereignisknoten sichtbar.
Echtzeiterkennung und Substanzanalyse von Ereignisverkettungen
Nach derzeitigem Stand der Technik obliegt es den Akteuren aus Ihren Einzelprognosen und den Prognosen anderer für einen Ereignispunkt Ableitungen auf mögliche Konsequenzen und Effekte auf andere Ereignispunkte zu nehmen.
Am Beispiel der Verbindung zwischen Rohöl und Nahrungsmitteln in 8 wird klar, dass für das Erkennen und Vorhersagen von Ereignisverkettungen der Wissenstand und der Fokus von einzelnen Personen nicht ausreichen, um die Ereignisknoten empirisch korrekt und in voller Tiefe zu bewerten. Der stetige Ausbau der Korrelationslogik und Automatisierung im erfindungsgemäßen System bzw. Verfahren erlauben es Brücken bis hin zu einem Netzwerk von mathematischen und logischen Verknüpfungen zu erzeugen. Hierbei dienen die etablierten Muster 1 aus der Musterdatenbank dazu, um die empirische Beweislast für eine Zusammenhangslogik 2 zu erreichen. Die formalisierten Verkettungen 3 durch die im Verfahren besprochene Automatisierung ermöglicht es die Verkettungen in zukünftigen Ereignissen in Echtzeit zu erfassen und frühzeitig Präventivmaßnahmen anstreben zu können.
Die den einzelnen Knoten zugeordneten Daten können jeweils in einer Datenbank gespeichert sein. Möglich ist es auch die Daten jedes Knotens in einer eigenen Datenbank zu speichern, wobei die Datenbanken geographisch verteilt sein können. Eine zentrale Datenbank kann vorgesehen sein, welche die Verbindungen zwischen einzelnen Knoten und die Prognoseverkettungen speichert. Eine Veränderung einer Einzelprognose in einem Knoten kann dann in der zentralen Datenbank einen Trigger auslösen, welcher die Veränderung gemäß der Korrelationslogik an die mit dem jeweiligen Knoten verknüpften weiteren Knoten weiter trägt. Die zentrale Datenbank kann hierbei Änderungen in den Knoten überwachen.

Claims

Computer-implementiertes Verfahren zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten, wobei jedem Knoten Daten aus zumindest einer Datenquelle zugeordnet sind, wobei die Daten einer Datenquelle veränderbar sind und wobei die einem Knoten zugeordneten Daten Einzelprognosen aus einem Prognosemarkt beschreiben, umfassend (a) Strukturieren der Daten gemäß einer vorbestimmten Taxonomie; (b) Durchführen einer Mustererkennung in den einem ersten Knoten zugeordneten ersten Daten, wobei die Mustererkennung zumindest ein erstes Abfolgemuster von Änderungen in den ersten Daten ermittelt und analysiert; (c) Durchführen einer Mustererkennung in den einem zweiten Knoten zugeordneten zweiten Daten, wobei die Mustererkennung zumindest ein zweites Abfolgemuster von Änderungen in den zweiten Daten ermittelt und analysiert; (d) Vergleichen des ersten Abfolgemusters mit dem zweiten Abfolgemuster und Ableiten einer Korrelation zwischen dem ersten Abfolgemuster und dem zweiten Abfolgemuster aus dem Vergleichsergebnis, wobei die Korrelation eine Abhängigkeit zwischen dem ersten Knoten und dem zweiten Knoten definiert; und (e) Speichern der Abfolgemuster und der Abhängigkeit in einer Musterdatenbank, wobei durch die Abhängigkeit eine Kante zwischen dem ersten Knoten und dem zweiten Knoten gebildet wird.
Verfahren nach Anspruch 1, weiter umfassend (f) Erzeugen einer Verkettung zwischen dem ersten Knoten und einem dritten Knoten, wobei zwischen dem ersten Knoten und dem dritten Knoten keine Abhängigkeit gemäß den Schritten (b) bis (e) definiert ist, wobei der erste Knoten in dem Netz über einen Pfad, aufweisend eine Anzahl von Abhängigkeiten, von dem dritten Knoten aus erreichbar ist, und wobei die Verkettung zwischen dem ersten Knoten und dem dritten Knoten aus der Anzahl von Abhängigkeiten abgeleitet wird; und (g) Speichern der Verkettung zwischen dem ersten Knoten und dem dritten Knoten in der Musterdatenbank, wobei durch die Verkettung eine Kante zwischen dem ersten Knoten und dem dritten Knoten gebildet wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die vorbestimmte Taxonomie zumindest eines aus zeitliches Klassifikationsschema, geografisches Klassifikationsschema, und logisches Klassifikationsschema umfasst.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die Abhängigkeiten und/oder die Verkettungen zwischen jeweils zwei Knoten des Netzes als mathematische und/oder logische Abbildungen definiert werden.
Verfahren nach einem der vorhergehenden Ansprüche, wobei zumindest zwei Knoten des Netzes zu einem übergeordneten Knoten und/oder untergeordneten Knoten und/oder nebengeordneten Knoten des Netzes aggregiert werden.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das Netz ein Netzwerk von Prognosemärkten beschreibt.
Computer-implementiertes Verfahren zum Bewerten von Einzelprognosen in einem Prognosemarkt aus einem Netz von Prognosemärkten, welches gemäß einem der vorhergehenden Ansprüche erzeugt worden ist, umfassend (a) Erfassen einer Bewertung einer Einzelprognose, welche einem ersten Knoten des Netzwerkes zugeordnet ist; (b) Bewerten einer Einzelprognose, welche einem zweiten Knoten des Netzwerkes zugeordnet ist, wobei die Bewertung in Abhängigkeit von der erfassten Bewertung und der Korrelation zwischen dem ersten Knoten und dem zweiten Knoten erfolgt; (c) Bilden einer Gesamtbewertung für die dem zweiten Knoten zugeordnete Einzelprognose, wobei in die Gesamtbewertung die Bewertung gemäß Schritt (b) mit einfließt; und (d) Speichern der Gesamtbewertung in der Musterdatenbank.
Verfahren nach Anspruch 7, wobei die Bewertung für die dem zweiten Knoten zugeordnete Einzelprognose als eine Bewertung für die einem ersten Knoten des Netzwerkes zugeordnete Einzelprognose erfasst wird.
Verfahren nach Anspruch 7 oder 8, wobei die im Schritt (b) erzeugte Bewertung einer Einzelprognose, welche einem dritten Knoten zugeordnet ist, in Abhängigkeit von der im Schritt (a) erfassten Bewertung und der Verkettung zwischen dem ersten Knoten und dem dritten Knoten erzeugt wird.
System zum Erzeugen eines Netzes aus einer Anzahl von Knoten und Kanten, wobei jedem Knoten Daten aus zumindest einer Datenquelle zugeordnet sind, wobei die Daten einer Datenquelle gemäß einer vorbestimmten Taxonomie strukturiert sind und wobei die Daten einer Datenquelle veränderbar sind, umfassend – zumindest eine Datenbank zum Speichern der den Knoten zugeordneten Daten, von Abfolgemustern von Änderungen in den Daten, und von Abhängigkeiten zwischen jeweils zwei Knoten; – erste Verarbeitungsmittel, welche mit der zumindest einen Datenbank gekoppelt sind und welche ausgestaltet sind, ein erstes Abfolgemuster von Änderungen in ersten Daten zu ermitteln, zu analysieren und in der zumindest einen Datenbank zu speichern; – zweite Verarbeitungsmittel, welche mit der zumindest einen Datenbank gekoppelt sind und welche ausgestaltet sind, ein zweites Abfolgemuster von Änderungen in zweiten Daten zu ermitteln, zu analysieren und in der zumindest einen Datenbank zu speichern; und – Vergleichsmittel, welche mit der zumindest einen Datenbank gekoppelt sind und welche ausgestaltet sind, das erste Abfolgemuster mit dem zweiten Abfolgemuster zu vergleichen, aus dem Vergleichsergebnis eine Korrelation zwischen dem ersten Abfolgemuster und dem zweiten Abfolgemuster abzuleiten und die Korrelation als Abhängigkeit zwischen dem ersten Knoten und dem zweiten Knoten in der zumindest einen Datenbank zu speichern.
System nach Anspruch 10, wobei die zumindest eine Datenbank weiter ausgestaltet ist zum Speichern von Verkettungen zwischen jeweils zwei Knoten, wobei dritte Verarbeitungsmittel vorgesehen sind zum Erzeugen einer Verkettung zwischen dem ersten Knoten und einem dritten Knoten, wobei zwischen dem ersten Knoten und dem dritten Knoten keine Abhängigkeit in der zumindest einen Datenbank gespeichert ist, wobei der erste Knoten in dem Netz über einen Pfad, aufweisend eine Anzahl von Abhängigkeiten, von dem dritten Knoten aus erreichbar ist, und wobei die Verkettung zwischen dem ersten Knoten und dem dritten Knoten aus der Anzahl von Abhängigkeiten ableitbar ist.
System nach Anspruch 10 oder 11, weiter aufweisend Eingabemittel zum Entgegennehmen von Änderungen an den ersten Daten, an den zweiten Daten und/oder an den Daten des dritten Knoten, wobei die ersten, zweiten und dritten Daten jeweils Einzelprognosen aus einem Prognosemarkt beschreiben und wobei das Ändern ein Ändern einer Bewertung einer Einzelprognose umfasst.
System nach einem der Ansprüche 10 bis 12, wobei die zumindest eine Datenbank oder die Verarbeitungsmittel ausgestaltet sind, aufgrund einer Änderung einer Bewertung einer Einzelprognose eine Änderung von Bewertungen von Einzelprognosen, welche anderen Knoten zugeordnet sind, durchzuführen.