Deepiction

Die eigenen Daten lesbar machen

Ein digitaler Begleiter durch die unübersichtliche Welt der eigenen Daten: Deepiction übersetzt alles, was über einen Menschen auf sämtlichen Plattformen entsteht, in eine vollständige und klare Übersicht — und gibt die Kontrolle darüber zurück.

Wer seine Daten bei einer Plattform anfordert, kommt erst nach langen Umwegen durch die Privatsphäre-Einstellungen an sie heran und bekommt dann eine Liste ohne Struktur, bei jedem Anbieter in einem anderen Format. Deepiction setzt dort an: Man stellt den eigenen Daten eine Frage, etwa wo man die letzten Tage verbracht hat oder welche Partei man bei der nächsten Bundestagswahl wählen wird, und sieht, was sich daraus über einen ablesen lässt. Entstanden ist das Projekt im sechsten Semester, zu fünft an zwei Hochschulen: drei Gestalterinnen an der HfG und zwei Entwickler an der Hochschule Aalen, die die Suchmaschine als lauffähigen Prototyp gebaut haben.

Rolle

UX Design, UI Design, Motion Design, Konzept, Recherche

Kontext

Hauptprojekt an der Hochschule für Gestaltung Schwäbisch Gmünd, in Kooperation mit der Hochschule Aalen
März – Juli 2021

Betreuung

Prof. Hans Krämer

Alle erzeugen Daten. Fast niemand kann sie lesen.

Problematik

Die DSGVO gibt jedem das Recht, seine Daten bei einer Plattform anzufordern. Zurück kommt ein Rohexport — tausende Zeilen JSON, ohne Struktur und ohne Erklärung. Das Recht existiert; das Verständnis nicht.

  • Kein echtes Sicherheitsgefühl dabei, was mit den eigenen Daten passiert
  • Kaum Aufklärung darüber, wie diese Daten verarbeitet werden
  • Filterblasen nehmen unbemerkt den Überblick und die Wahl
  • Das Auskunftsrecht liefert Dateien, die niemand lesen kann

Research

Wir haben eine eigene Umfrage weit über die Hochschulblase hinaus verteilt und neben drei Expert:innen auch Nutzer:innen interviewt. Mehrere Teilnehmende haben ihre echten Exporte bei den Plattformen angefordert und uns damit arbeiten lassen — so haben wir aus erster Hand gelernt, wie unlesbar diese Dateien sind. Aus den Tests entstanden zwei Personas, ein Hardliner und ein Softliner; für beide zu gestalten hat verhindert, dass aus dem Werkzeug eine Datenschutzvorlesung wurde.

Experteninterviews

  • Andrew HillGründer, Textile Photos — dezentrale Dateninfrastruktur
  • Marcus GelderieProfessor für Internet-Security, Hochschule Aalen
  • Michiel Top & Vivien RoggeroCEO und CTO, Your Digital Self — ein Startup, das fast genau das baute

Konzept

Wir haben sechs Richtungen gebaut und getestet, statt über sie zu diskutieren — eine Timeline, eine Datenvisualisierung, eine Datenverwaltung, ein Browser-Plugin, ein offenes Frage-Feld und einen Avatar. Eine gewichtete Bewertungsmatrix hat entschieden: Der Avatar weckte das größte Interesse, die Datenverwaltung traf den größten Bedarf. Statt einen Sieger zu küren, haben wir aus jeder Idee das Stärkste behalten — und gegen zwei Fragen gebaut.

Zwei Fragen, gegen die wir gebaut haben

Was wurde online über mich gesagt?
Welche Partei würde ich laut meinen Daten bei der nächsten Bundestagswahl wählen?

Die zweite ist die schärfere. Sie braucht einen Satz, um zu zeigen, wie weit sich Alltagsdaten lesen lassen.

Lösungsansatz

Non-Profit, spendenfinanziert — kein Datenverkauf, keine Werbung. Vier Werte stehen auf dem Login-Screen: Autonomie, Transparenz, Verantwortung, Sicherheit. Das Interface ist bewusst ruhig und erklärend statt alarmierend.

Ein Übersetzer, keine weitere Plattform.

Der Login-Screen von Deepiction mit Autonomy, Transparency, Responsibility und Security

Die Registrierung

Registrierung ohne OAuth, mit Absicht. Ein „Mit Facebook anmelden“ hätte genau das Zugriffsmuster reproduziert, gegen das sich das Werkzeug richtet — also werden die Daten hochgeladen, verschlüsselt und dezentral abgelegt.
Ein leeres Suchfeld unter der Zeile „Dive into your data world“

Die Suche

Ein einziges Textfeld. Man stellt eine Frage über sich selbst, die Antwort wird in den eigenen hochgeladenen Daten gesucht.
Eine Ergebnisseite mit drei Parteien, Wahlkreiskarte und gerankter Top 3Passende Interessen, hochgeladene Bilder und ein Streudiagramm der Aktivität über die Zeit

Die Ergebnisseiten

Ergebnisseiten pro Use Case: eine Karte, eine Top 3, passende Interessen, eine Datenvisualisierung und eine Timeline der eigenen Aktionen.
Ein Akkordeon aus Plattformen, Facebook aufgeklappt mit Schritt-für-Schritt-Anleitung

Die Privatsphäre-Einstellungen

Geführte Privatsphäre-Einstellungen pro Plattform, Schritt für Schritt — weil kaum ein Dienst direkt auf die Einstellungen verlinkt, auf die es ankommt.
Ein 3D-Avatar in einer leeren weißen Szene, darunter eine Tag Cloud aus Profilmerkmalen

Der Überblick

Ein Dashboard: das psychologische Profil als Tag Cloud, ein 3D-Avatar, und wie viele Daten jede Plattform hält.

Die Aufklärung

Q&A-Seiten, die das Werkzeug erklären, die Organisation dahinter und die Datenwelt, in der es sich bewegt.

Er lief, und er wurde getestet.

Zwei Teammitglieder an der Hochschule Aalen bauten ein Node.js-Backend mit einer Volltextsuche über einen synthetischen Datensatz aus zehn Quellen, ausgelegt auf genau diese beiden Fragen. Mein Teil war das Interface und die Übersetzung zwischen Design und Umsetzung. Anschließend haben wir eine Usability-Lab-Sitzung vor rund zwanzig Personen durchgeführt; ich habe moderiert.

Was zurückkam

  • Die Registrierung baute zu wenig Vertrauen auf, und ihre Schritte sahen sich zu ähnlich
  • Ein Master-Passwort per Post zuzustellen wirkte altmodisch
  • Die Filter brauchten deutlich mehr visuelles Gewicht, um überhaupt gefunden zu werden

Der Teaser in voller Länge

3:47 min, ohne Ton

Team

  • Hana Amer · HfG Schwäbisch Gmünd
  • Jasmin Klement · HfG Schwäbisch Gmünd
  • Alina Schadt · HfG Schwäbisch Gmünd
  • Anjan Bösinger · Hochschule Aalen
  • Tobias Wörnle · Hochschule Aalen

Credits

Betreut von Prof. Hans Krämer · „User Driven (Product) Design Development“, Sommersemester 2021, in Kooperation mit der Hochschule Aalen.

Ergebnis

Was wir gelernt haben, inklusive des unangenehmen Teils.

Mitten in der Recherche stießen wir auf Your Digital Self — ein Startup, das eine Data Wallet auf fast genau unserer Prämisse baute. Wir haben CEO und CTO interviewt, statt still das Thema zu wechseln; sie boten eine Zusammenarbeit an, die wir für das Semester abgelehnt und für danach offen gelassen haben. Herauszufinden, dass die eigene Idee bereits existiert, und mit den Leuten zu sprechen, die zuerst da waren, hat uns mehr beigebracht als eine weitere Skizzenrunde.