Mit der wachsenden Leistung von Messgeräten und Rechnern wächst die Menge der für eine Datenanalyse zur Verfügung stehende Menge an Rohinformation in einem Maße an, dass ein händisches Durchsuchen und Verarbeiten für eine Analyse unmöglich macht.

Die vorliegende Arbeit setzt auf den Visual Analytics-Ansatz, der die Fähigkeiten des Menschen - vor allem die visuelle Wahrnehmung und Verständnis - mit der Rechenleistung heutiger Computer in einem Prozess vereint. Damit lassen sich auch Fragen beantworten, die nur schwer explizit zu formulieren sind: gibt es ungewöhnliche Verlaufskurven? Wie sieht das Netz normalerweise aus?

In dieser Arbeit werden neue Ansätze und Visualisierungstechniken für die Datenanalyse von Netzwerkdaten vorgestellt. Dabei geht es zunächst um Graphen im allgemeinsten Sinne, später fokussiert sich die Arbeit auf sogenannte Sensor-Netze. Das sind Netze, die an jedem Knotenpunkte eine kontinuierliche Variable über die Zeit hinweg messen. Analyselösungen für solche Daten sind in vielen Anwendungsgebieten von ungeheurer Bedeutung, sei es in der Steuerung von Strom- und Wasser- und anderen Versorgungsnetzen, bei der Überwachung von Funknetzen. Der Beitrag dieser Arbeit zur visuellen und interaktiven Analyse von Graphdaten liegt ganz konkret auf den folgenden Aspekten.

Zunächst wird ein Ansatz für die Exploration von Netzwerken vorgestellt. Dieser bildet die Grundlage für die darauffolgenden Beiträge, da er den Nutzer bei der Orientierung und Navigation in in lokalen Ansichten von Netzwerken (dynamic graph views) im allgemeinsten Sinne unterstützt. Das wird dadurch erreicht, dass nur ein kleiner Teil des Graphs dargestellt wird. Diese Art der Darstellung wird auch als lokale Ansicht bzw. local graph view bezeichnet. Der Benutzer des Systems drückt sein Interesse an einem Bereich des Graphen aus, indem er oder sie eine oder mehrere Fokusknoten auswählt und dadurch sichtbaren Bereich definiert.

Visuelle Hinweise, die die Form von Richtungspfeilen haben, zeigen dem Benutzer Wege zu anderen Teilen, die relevant sein könnten. Aufbauend auf diesem Paradigma zur Exploration von Netzwerken, wird eine Kombination von verschiedenen Techniken vorgestellt, die das Layout solcher lokaler Ansichten stabilisieren. Deren Kernziel dabei ist die wirkenden Kräfte auf ein Minimum zu reduzieren, um die Bewegung der Knoten im Layout zu reduzieren. Das wiederum macht es leichter, den Veränderungen auf dem Bildschirm zu folgen. Bis zu diesem Punkt jedoch leidet das Layout des Netzwerkes unter einem der markantesten Nachteile von Kräfte-basierten (force-directed) Layouts. Selbst kleine Änderungen bei der initialen Platzierung der Knoten, in der Konfiguration der Parameter oder Graph-Topologie haben einen starken Einfluss auf die Zeichnung.

Wenn der Benutzer das Netzwerk erkundet, dann ändert sich die Menge der sichtbaren Knoten ständig. Daher sieht das Layout daher jedes Mal anders aus, wenn ein bestimmter Teilbereich erkundet wird. Das macht es schwierig, topologische Unterschiede zu erkennen oder eine bereits besuchte Region als solche wiederzuerkennen. Um dem zu begegnen, stellen wir einen Ansatz für die deterministische Erzeugung von Layouts vor. Das wird durch Vorberechnen von Layouts basierend auf vielen kleineren Teilen des Graphen ermöglicht. Diese, zur Laufzeit fixen Layouts, werden bei Bedarf entsprechend zusammengefügt, so dass ein kohäsiver Gesamtgraph entsteht. Der Ansatz stellt sicher, dass selbst Kräfte-basierte Layouts deterministisch erzeugt werden können.

Im nächsten Schritt werden diese eher allgemein gehaltenen Konzepte von der Theorie in die Praxis übertragen. Eine der interessantesten Anwendungsgebiete sind Sensor-Netzwerke, ein Typ von Graph, der jedem Knoten eine Zeitserie zuordnet. Beispiele für solche Netzwerke sind Stromnetze und andere Versorgungssysteme. Durch die zunehmende Verkleinerung und Verteilung der Energieerzeugung wird die Analyse des Stromnetzes zunehmend wichtiger. Wir stellen eine Analyseplattform für die professionelle Datenanalyse vor, die verschiedene Ansichten auf die Daten kombiniert. Unterschiedliche Perspektiven ermöglichen das Umschalten zwischen unterschiedlichen Arbeitsabläufen. Verschiedene Datenquellen können am Beispiel der Analyse von Stromnetzen integriert und kombiniert werden.

Dieses System wird dann um eine Komponente erweitert, die automatische Analyse durch ein Expertensystem ermöglicht. Dem Benutzer wird es aber ermöglicht, die automatische Analysepipeline zu überwachen und, wenn nötig, einzugreifen. So kann das Verhalten überprüft, verifiziert und wenn nötig auch eingegriffen werden. Eines der Hauptprobleme von Expertensystemen ist die Abhängigkeit zu den üblicherweise händisch angelegten Regelwerken, die jegliches Verhalten explizit darlegen müssen. Das macht es unmöglich, Terme wie "ungewöhnlich" oder "auffällig" zu verwenden, was aber notwendig wäre, da manche Situationen nicht genauer definiert werden können.

Daher wird das System modifiziert und erweitert, so dass es dem Analysten ermöglicht wird, ähnliche Muster und Verläufe im Raum und über die Zeit(in verschiedenen Granularitäten) zu erkennen. Das System gibt einen informativen Überblick über das Gesamtsystem und erlaubt es, schnell und präzise kritische Stellen und Anomalien zu identifizieren. Dem Attribut Farbe kommt dabei eine Schlüsselrolle zu, da sie Ähnlichkeit in Mustern widerspiegelt. Daher ist es unbedingt notwendig, dass die Kodierung von Ähnlichkeit in zeitlichen Verläufen korrekt in Farbähnlichkeit abgebildet wird. Der Colormap-Explorer, der im Anschluss vorgestellt wird, unterstützt die Analyse und den Vergleich von unterschiedlichen Farbkarten(colormaps), um den geeignetsten Kandidaten zu finden.

Sobald der Domänenexperte Probleme im Netzwerk identifiziert hat, können dann mögliche Gegenmaßnahmen evaluiert werden. Wir stellen einen Ansatz vor, der Simulation in den Prozess integriert, um eine Sensitivitätsanalyse durchführen zu können. Verschiedene Durchläufe der Simulation können damit schnell und effektiv auf Knotenbasis verglichen werden, um die Auswirkung von geplanten Änderungen leichter abschätzen zu können. Das ermöglicht dem Planer genauere Vorhersagen von Folgeeffekten durch Veränderungen im Netz zu machen.

Die vorgestellten Techniken können für eine Vielzahl von Anwendungen und Anwendungsgebieten realisiert werden. Dies führt dazu, dass die Domänenexperten die Möglichkeiten besitzen, schnell und sicher in Netzwerken zu navigieren, Schlüsselstellen zu finden und Anomalien in den Daten frühzeitig zu erkennen.