als sehr wirkungsvoll eingestuft wurde.
Seit sie damals im CorporateGrowthCenter durch das Anlegen der Smileys und Grumpies die beängstigende Vielfalt ihrer Vorstellungen und Emotionen in feste Bahnen gelenkt hatte und sich so darüber klar geworden war, welche Gefühle sie jeweils an den Tag legen sollte, hatten ihr Kategorisierung und Klassifizierung Selbstbewusstsein und Verhaltenssicherheit verliehen. View wusste, dass es ihr auch heute gelingen würde, eine eindeutige Kontur zu gewinnen und der gewählten Kategorie zu entsprechen. Auch ihr Frühstück überließ sie nicht dem Zufall, sondern wählte gemäß den Ergebnissen ihres HealthReports eine bis ins kleinste Detail abgestimmte Mischung aus proteinhaltigen Energizern, Kohlehydraten, Nahrungsergänzungsmitteln und Ballaststoffen.
Einen halben MacroTakt später saß View in einem Cab der AntiGrav und schwebte hoch zum CapitalGround, wo sie ein spezieller Zubringer direkt in den Tower der Agency brachte. Auf dem Gang zu ihrer WorkingCell begegnete ihr Legol3s, ein WorkMate, der ebenfalls vor kurzem Takt hier angefangen hatte. Soweit View wusste, war er kein Scout, sondern Analyst, der die vom Board of PredictiveProfiling über mögliche Zukunftsereignisse bereitgestellten Daten mit den Erkenntnissen der Agency über konkretes Verhalten und Verhaltensdispositionen einzelner Citizens korrelierte. Die Ergebnisse der Arbeit dieser Analysts flossen dann in die Darstellung des digitalen Abbilds der SocialUnits ein, die View betreute. Legol steuerte direkt auf sie zu und starrte sie mit einem Gesichtsausdruck an, den View nicht zu deuten wusste.
„Na, alles im Mittel?“, fragte View.
Doch Legol würdigte sie keiner Antwort, strich wortlos dicht an ihr vorbei und ging den Gang hinunter. Äußerst irritierend. Aber nichts, das sich nicht in einer MatchingSession würde regeln lassen. In dem Bewusstsein, dass die über ihren Köpfen schwebenden MatchingEyes entsprechende Daten aufgezeichnet und ausgetauscht hatten, war sich View völlig sicher, diesen Vorfall in einer Session bereinigen zu können. Möglichst heute Abend noch.
In ihrer WorkingCell angekommen, startete sie ihr ManagingDesk. Auf der weiten Fläche des Screens begannen die Icons der 32 SocialUnits zu leuchten und sich zu drehen, die sie, den CapitalGround ausgenommen, auf jeweils einem Ground der Urb beobachtete, Die meisten der in einem Kreis mit unregelmäßigen Rändern angeordneten Icons waren in einem unscheinbaren Grau gehalten und rotierten nur träge um die eigene Achse. Zur Peripherie hin wurden die Drehungen schneller und die Farben tendierten zu einem sehr blassen Graurot. Sollte einmal ein Icon sehr schnell und in einem Signalrot rotieren, wäre das ein Zeichen dafür, dass die Kohärenzkräfte der betreffenden SocialUnit überfordert waren und ihre Mitglieder Gefahr liefen, aus dem Mittel geschleudert zu werden. Das aber war gemäß den aktuellen Prognosen nur sehr wenig wahrscheinlich und Bewegung und Farbgebung der Icons repräsentierten lediglich die üblichen Schwankungen um einen robusten Mittelwert herum.
Noch immer war View von dem Sozioversum fasziniert, das sich da auf ihrem Screen ausbreitete. Rechnete sie jede SocialUnit mit 32 Mitgliedern, repräsentierten die 32 Icons 1.024 Citizens, für deren Mittelung sie verantwortlich war. Doch waren 32 Member natürlich nur eine mehr oder weniger statistische Größe und es konnten je nach Dichte und Intensität der Binnen- und Außenbeziehungen einer Unit entsprechend mehr oder weniger sein. Während der übliche Citizen neben den unmittelbaren Interaktionen in seiner SocialUnit noch etwa 70 bis 90 mittelbare Interaktionen in deren näheren und weiterem Umfeld unterhielt, konnte sie, wenn sie nur wollte, Verhalten und soziale Verflechtungen von rund 1.000 Citzens bis in die feinsten Verästelungen nachvollziehen. Sicher war das nicht realistisch, doch erfüllte sie allein die bloße Möglichkeit, jederzeit bis ins letzte Detail in das Leben so vieler Citizens eintauchen zu können, mit einem Gefühl der Allmacht.
Was sie sich aber zum Auftakt eines jeden Arbeitstages gönnte, war der Sprung in eine beliebige ihrer 32 Units, in deren SocialRelations sie sich dann im OverviewModus eine Weile vertiefte. Die Agency schränkte ihre spontane Neugier in keiner Weise ein und so hatte View nach einiger Zeit eine Vielzahl unterschiedlicher Einkaufs- und Beziehungsgeschichten auf sämtlichen Grounds der Urb nachvollzogen, die sie im begrenzten Zirkel ihrer eigenen Unit niemals erlebt hätte. Gerne hätte sie sich in manchen Geschichten festgesaugt, doch mahnte sie sich, den Überblick zu wahren und sprang immer wieder in andere und neue Units. Der Altersdurchschnitt der Member dieser Units entsprach ihrem eigenen Alter von 19 MajorTakten. Die Agency setzte ihre Scouts bevorzugt innerhalb der eigenen Alterskohorte ein, da sie davon ausging, dass die Scouts ihre gleichaltrigen Peers am besten verstanden. So entwickelte View bald ein relativ verlässliches Gespür für die vielfältigen Eindrücke, Hoffnungen, Wünsche und auch Abneigungen, die die Citizens ihres Alters auf sämtlichen Grounds der Urb bewegten.
Ein nicht unerheblicher Teil ihrer Arbeit bestand darin, Hypothesen darüber zu bilden, wie sich das Verhalten ihrer Peers kategorisieren lassen könnte:
„Citizens, deren Unit sie zu einem MatchingLoop eingeladen hat, scheinen langfristig dauerhafter gemittelt zu sein als solche, die niemals einem Loop unterzogen wurden.“
„Citizens, die mit den Peers ihrer Unit ein starkes Binnengefüge erleben, scheinen weniger nach außen orientiert als solche, die in ihrer Unit nur lockere Beziehungen pflegen. Es scheint aber auch Fälle zu geben, in denen Citizens die Bindung an ihre Unit als beengend erleben und sich verstärkt nach außen orientieren.“
„Das Einkaufsverhalten von Citizens, die im LoveGym viele wechselnde Partner haben, scheint breiter gestreut als das derjenigen, die nur wenige Partner haben.“
„Citizens, deren Einkaufsbiografie keine Brüche aufweist, scheinen sich allgemein wohler zu fühlen als solche, deren Psychogramm nicht mit ihrer Einkaufsbiografie übereinstimmt.“
„SocialRelations, die sich über den Kauf oder die Verwendung eines bestimmten Produktes oder die Nutzung eines bestimmten Services entwickelt haben, scheinen kurzzeitig intensiver zu verlaufen als solche, die auf dem Austausch von Meinungen, Kategorisierungen und Rankings beruhen. Diese scheinen dafür länger anzuhalten.“
Natürlich war die Aussagekraft solcher auf willkürlichen Stichproben beruhender Hypothesen begrenzt, zudem waren sie wenig valide; immerhin boten sie Anhaltspunkte für weitere Korrelationen. Aber der Agency war auch gar nicht daran gelegen, von ihren Scouts belastbare Hypothesen zu bekommen, als vielmehr daran, das zu schärfen, was sie den „HumanFactor“ nannte. Denn die Ergebnisse sämtlicher Analysen, die View als angehende Scout vornahm, konnte natürlich auch das System auswerfen, und das tat es, angesichts der Überfülle der zu verarbeitenden Daten auch mit einer Stringenz und Effizienz, die die Administratoren immer wieder in Staunen versetzte. Trotzdem war es ab und an zu Zwischenfällen gekommen, die die Maschinenintelligenz des Systems nicht zu prognostizieren in der Lage war. Solange die gesamte Citizenship der Urb noch nicht völlig gemittelt war, fand ein nicht unbeträchtlicher Teil des Verhaltens der einzelnen Citizens nach wie vor in einer Art BlackBox statt. Ein Umstand, dem die Agency dadurch Rechnung zu tragen suchte, dass sie den HumanFactor ihrer Scouts ausbildete und schärfte.
So hatte sich View in ihren ersten Takten in der Agency im Großen und Ganzen auf die Auswertungen des Systems verlassen und ihre Aufmerksamkeit auf die SocialUnits am Rande ihres ManagingDesks fokussiert, deren Farbcodierung tendenziell vom Grau der Mitte abwich. Aktuell konnten, wenn auch nur mit einer sehr geringen Wahrscheinlichkeit von 0,47 Prozent, im Verhaltensumfeld von etwa 3 Prozent der 1.024 Citizens ihres Sozioversums mögliche Abweichungen um sich greifen und sie musste die 5 Units, über die diese Gefährder sich verteilten, einer eingehenderen Beobachtung unterziehen.
Nachdem sie, um ihren allgemeinen Horizont zu erweitern, zunächst die Interaktionen einer beliebigen SocailUnit gescreent hatte, widmete sich View auch heute dem, was sie am liebsten tat: Sie lernte ihr Terrain kennen und zog dazu ihre DigiTwins.
Alle Bewegungen der Citizens an sämtlichen RaumZeitPunkten der Urb wurden von den mobilen und stationären Einheiten des Systems unablässig aufgezeichnet. Fest installierte Kameras, Sensoren und Aktoren nahmen noch den geringsten Wimpernschlag wahr und die Dritten Augen der MatchingEyes folgten den Citizens auf Schritt und Tritt. Nanobots und Naniten, die bis in ihre Körper vordrangen, lieferten unaufhörlich Daten. Die breite Datenspur, die jeder Citizen im OmniNet hinter sich herzog, wurde kontinuierlich gespeichert und ausgewertet. So wurde für jeden Citizen