Silicon Jungle

öffnete Stephen die Anhänge in der E-Mail, die Sebastin ihm vor einer Woche geschickt hatte. Er scrollte rasch die Liste mit neunhundertsechzig Titeln durch. Genau wie Sebastin am Telefon gesagt hatte, war kein Muster erkennbar. Die Liste enthielt Kochbücher, Fachbücher, Romane, Sachbücher, Bücher über Landwirtschaft, Geschichte, Literatur, Philosophie, Technik, Religion, Mathematik und mehr.
    Es war schon ein interessantes Rätsel an sich, wie all diese Bücher auf ein und derselben Liste gelandet waren. Wenn er dieses Projekt nicht wegen JENNY bis auf den letzten Drücker aufgeschoben hätte, hätte er das vielleicht schon herausgefunden.
    Also machte er sich an die Arbeit.
    Ähnlich der öffentlich zugänglichen Suchmaschine, die Ubatoo so viel Ruhm beschert hatte, gab es eine ebenso leistungsstarke Version, die nur der Data-Mining-Gruppe zugänglich war und für das Durchsuchen von E -Mails genutzt wurde. Die eigenen E -Mails konnte natürlich jeder Normalsterbliche durchforsten, aber die Data-Mining-Gruppe durchsuchte die E -Mails von allen Ubatoo-Usern. Stephen tippte den ersten Buchtitel ein – Studie über die Rolle von Frauen in der Wirtschaftsentwicklung – und schickte die Suchanfrage ab.
    Sofort erhielt er mehrere hundert Treffer, alles E -Mails, die den vollständigen Wortlaut enthielten. Er sortierte sie nach Absender – nur rund ein Dutzend Leute hatten im vergangenen Jahr E -Mails verfasst, in dem der Titel des Buches vorkam. Stephen klickte auf den Instant-Messaging-Tab, um zu sehen, ob irgendwer beim Chatten den Buchtitel erwähnt hatte. Bloß zwei Leute, aber das galt nur für dieses eine Buch.
     
    Schritt 1: Ein Programm entwickeln, das sämtliche Titel durch die interne E-Mail-Suchmaschine und Instant-Messaging-Suchmachine schickt und die Namen der Leute sammelt, die irgendeinen der Titel in irgendeiner Korrespondenz benutzt hatten, und auch vermerkt, wie häufig die Titel benutzt worden waren.
     
    Nach etwa zwanzig Minuten war das Programm geschrieben – und brauchte anschließend nur ein paar Sekunden, um das endgültige Ergebnis zu liefern. Was ein wenig enttäuschend war. Aber jetzt war jede E -Mail oder Chatnachricht, die einen der neunhundertsechzig Buchtitel enthielt, ermittelt. 73 291 Leute hatten mindestens eines der Bücher mindestens einmal in ihrer Korrespondenz erwähnt.
     
    Schritt 2: Rausfinden, wer die Bücher gekauft hat. Die Verkaufsunterlagen von Geschäften, die Ubatoos Kreditkarten akzeptierten und die Transaktionsverarbeitungssysteme (einige zehntausend Geschäfte) durchforsten.
     
    Und tatsächlich, binnen weniger Minuten durchkämmten mehrere hundert Rechner irgendwo in Ubatoos Computerwolke brav Unterlagen des letzten Jahres auf der Suche nach allen, die in diesem Zeitraum mindestens eines der Bücher gekauft hatten. Es waren 29 084, eine erstaunlich kleine Zahl für so viele Titel. Es waren eindeutig keine Bestseller. Die Analyse war viel zu einfach. »Okay, Sebastin, pass mal auf, was wir jetzt machen«, sagte Stephen laut.
    Das Problem mit einer Zahl wie 73 291 oder auch 29 084 bestand darin, dass sie, so gut es auch sein mochte, sie zu kennen, viel zu groß war, um nützlich zu sein. Die ACCL kam ja hoffentlich nicht auf die Idee, eine E-Mail-Warnung an all diese Leute zu schicken und sie unnötig zu verängstigen.
    Stephen musste die Zahl auf eine praktikablere Größe reduzieren. In rascher Folge probierte er ein paar Möglichkeiten durch. Zunächst einmal konnte man sich einfach die Leute ansehen, die mehr als ein Buch von der Liste gekauft hatten. Wenn sie nur einen einzigen Titel gekauft hatten, konnte das Zufall sein. Nur 2602 Leute hatten zwei oder mehr Bücher gekauft. Die Zahl war schon besser.
    Es hatten also 2602 Leute mindestens zwei verschiedene Bücher von der Liste gekauft. Wie viele von denen hatten die Bücher auch in einer E-Mail oder Chatnachricht erwähnt?
     
    Schritt 3: Die Leute finden, die auf Liste 1 und Liste 2 auftauchen, und die Listen zusammenfügen. Das sind die Leute, die etwas über die Bücher geschrieben UND mindestens zwei verschiedene gekauft haben. Das sind wahrscheinlich auch die Leute, denen die Bücher besonders wichtig sind.
     
    Die Zahl 2602, die er zuvor ermittelt hatte, reduzierte sich nach Schritt 3 lediglich auf 2423. Dennoch, das waren auf jeden Fall die Leute, auf die er sich konzentrieren musste – Käufer, die sich so sehr für den Inhalt interessierten, dass sie sich darüber austauschen wollten.