Big Data und Gesellschaft

Die Beiträge fokussieren drei prominente Anwendungsgebiete von Big Data: Wissenschaft, Gesundheitswesen und Finanzmärkte. Dabei ist der Zweck nicht derjenige, Lösungen für ethische Probleme vorzulegen, sondern zuallererst diejenigen Aspekte der Anwendung von Big-Data-Technologien zu identifizieren, durch die ethische Fragen aufgeworfen werden, und den Rahmen abzustecken für ethische und wissenschaftstheoretische Reflexion und Beurteilung.

Hinsichtlich des Anwendungsfeldes Wissenschaft ist dabei vorrangig von Interesse, ob Big Data – wie des Öfteren propagiert wird – einen Paradigmenwechsel auslösen könnte, und welche Erklärungskraft und praktische Verlässlichkeit Ergebnissen zugesprochen werden können, die durch Verfahren wie Data Mining, maschinelles Lernen usw. zustande kommen.

Big-Data-Technologien in Gesundheitswesen und medizinischer Praxis verstärken den Widerstreit zwischen Entlastung und Entmündigung. Die Gestaltung der Mensch-Maschine-Interaktion wird zu einer Kernaufgabe. Rückt der Werkzeugcharakter der Technologien aus dem Blick, geraten wir in die Zwänge einer Macht, die den Patienten entindividualisiert und menschliche Interaktionsformen in der medizinischen Praxis infrage stellt.

In diesem Beitrag stellen wir ein Big-Data-Prozessmodell vor, welches Big Data aus einer dezidiert soziologischen Perspektive in den Blick nimmt. Die wesentlichen Elemente des Modells orientieren sich an dem traditionellen Datenverarbeitungsprozess, beginnend bei der Datengenerierung über die Datenauswertung bis hin zur Steuerung komplexer Systeme. Es werden verschiedene Datenquellen und -typen diskutiert. Deren Besonderheiten werden anhand des Fallbeispiels der Selbstvermessung exemplifiziert. Im Rahmen der Datenverarbeitung stellen sich Fragen der Datenqualität und -reliabilität sowie geeigneter Strategien und Verfahren. Ferner erörtern wir den möglichen Einsatz dieser Verfahren innerhalb der soziologischen Forschung. Schließlich legen wir die Möglichkeiten der Steuerung komplexer Systeme mittels Big-Data-Verfahren anhand der Fallbeispiele Verkehrsteuerung, Smart Grid, Smart Governance und Predictive Policing dar. Abschließend diskutieren wir, inwiefern Vertrauen Grundlage für den Einsatz der beschriebenen Big-Data-Verfahren ist.

Aus Big Data, der massenhaften Sammlung und Auswertung der vielfältigen Daten, die durch die Digitalisierung aller Lebensbereiche entstehen, erwachsen neue Phänomene, die zentrale politikwissenschaftliche Erkenntnisse und Konzepte infrage stellen und die durch moderne Gesellschaften bewertet und reguliert werden müssen. Ziel dieses Beitrags ist es, Big Data in seinen vielfältigen Bedeutungen für die politikwissenschaftliche Forschung zu erschließen und eine Systematik für künftige Forschung zu entwickeln. Fluchtpunkt ist dabei die These, dass sich durch Big Data die Bedingungen kollektiv bindenden Entscheidens verändern, indem soziale Wissensbestände, Normen und Regulierung einer radikalen Mikrofokussierung unterworfen werden. Seine Wirkung entfaltet Big Data, so die Annahme, indem es kollektiv geteilte Erwartungen weckt oder begrenzt – in kulturell-kognitiver, normativer und regulativer Hinsicht. Zugleich wird Big Data wiederum selbst durch kollektive Erwartungen geprägt. Die Tiefe und Reichweite der durch Big Data verursachten Änderungen ist allerdings je nach Dimension und Bereich ganz unterschiedlich.

Big-Data-Technologien und -Prozesse versprechen große Potenziale für die gesellschaftliche Entwicklung, bergen jedoch auch Risiken, was einen verantwortungsvollen Umgang mit den Möglichkeiten, die Big Data eröffnet, erforderlich macht. Big Data wirft diverse Rechtsfragen auf, die in diesem Gutachten dargestellt und diskutiert werden. Einen Schwerpunkt bildet die rechtliche Zuordnung von Daten, welche als „Rohstoff des 21. Jahrhunderts“ gehandelt werden. Des Weiteren wird aufgezeigt, welche Herausforderungen das deutsche bzw. europäische Datenschutzrecht für Big-Data-Verfahren mit sich bringt, wobei auch Neuerungen durch die Datenschutzgrundverordnung Berücksichtigung finden. U. a. wird erörtert, wie durch die Big-Data-Entwicklung eine Anonymisierung personenbezogener Daten erschwert wird und wie datenschutzrechtliche Prinzipien, z. B. das Zweckbindungsprinzip, die Verwendung von Big-Data-Applikationen verkomplizieren. Weiterer Untersuchungsschwerpunkt ist das Vertrags- und Haftungsrecht und wie es den Umgang mit Daten im privatrechtlichen Rahmen bestimmt. Fragen der allgemeinen Rechtsgeschäftslehre werden im Rahmen der M2M-Kommunikation durch Big Data wieder aktuell und unter neuen Gesichtspunkten diskutiert. Zuletzt erfolgt ein Überblick über die Regulierung digitaler Plattformen und zu kartell- und wettbewerbsrechtlichen Aspekten von Big Data.

Digitalisierung und Vernetzung von Menschen, Maschinen und Endgeräten ermöglichen im Verbund mit fortschrittlicher Software und Rechenleistung die Integration, Analyse und Verarbeitung einer Fülle von Daten aus diversen, heterogenen Quellen. Big Data beeinflusst Wirtschaft und Gesellschaft in tiefgreifender, noch weitgehend unergründeter Weise. Die Auseinandersetzung mit den wirtschaftlichen Implikationen von Big Data ist essenziell. Diese Studie befasst sich aus ökonomischer Sicht mit dem Einfluss von Big Data insbesondere auf Wertschöpfung, Geschäftsmodelle und Marktstrukturen und identifiziert offene, klärungsbedürftige Fragen. Im Einzelnen werden folgende sieben Schwerpunktthemen betrachtet: Big Data – Begriffsabgrenzung, Big-Data-Wertschöpfung, Big-Data-as-a-Business, Das Unternehmen im Zeitalter von Data Analytics, Wettbewerb und Regulierung, Big Data und die Gesellschaft, Übergreifende Betrachtungen – Dateneigentum und Wert von Daten. Deren Diskussionen führen zu folgenden Ergebnissen:

Neben den bekannten Charakteristika von Big Data (4 V‘s) erscheint aus ökonomischer Sicht vor allem der „Value“ entscheidend – d. h. der zusätzliche Wert, der durch den Einsatz von Big Data generiert werden kann. Daran anknüpfend stellt sich die Frage, wie Wertschöpfung mit Hilfe von Big Data entstehen kann und welche Ansätze für neue Geschäftsmodelle erkennbar sind. Je mehr datenbasierte Geschäftsmodelle existieren, desto wichtiger wird die Frage, wie sich diese in ausgewählten Branchen auswirken und welche Implikationen für den Mittelstand sowie Plattformen und Datenmärkte zu erwarten sind. Vor dem Hintergrund hier zu erkennender, unzweifelhafter Produktivitätseffekte von Big Data stellen sich durch all diese Entwicklungen ganz neue Herausforderungen an Strategie, Führung, Personal und Organisationskultur sowie die Relevanz von Kooperationen. Aus einem wettbewerbsökonomischen Blickwinkel sind Daten als mögliche Markteintrittsbarriere sowie damit zusammenhängende neue Möglichkeiten der Entstehung von Marktmacht näher zu diskutieren. Über all diese Entwicklungen hinaus kann Big Data zweifelsohne einen erheblichen gesellschaftlichen Nutzen stiften; gleichzeitig entstehen aber auch neue Risiken wie z. B. Diskriminierung oder Manipulation. Diese stellen in gesellschaftlicher und gerade auch ökonomischer Perspektive erhebliche Herausforderungen dar. Bislang weitestgehend ungeklärt ist in diesem Zusammenhang beispielsweise auch, wer unter welchen Voraussetzungen eigentlich „Eigentümer“ von Daten ist und ob bzw. welche eigentumsähnlichen Ansprüche begründet werden können. Auch die Wertbestimmung von Daten als essenzieller Vermögensgegenstand von Unternehmen und Personen ist in mancherlei Hinsicht ungeklärt.

Insgesamt ist unter ökonomischem Blickwinkel bereits eine beachtliche Vielfalt an wissenschaftlichen Auseinandersetzungen mit Big Data festzustellen. Diese schärfen das Bewusstsein für die ökonomische Bedeutung einer zunehmend datengetriebenen Wirtschaft, weisen auf wichtige Veränderungsfelder hin und verdeutlichen zugleich eine Reihe offener, klärungsbedürftiger Fragen, die durch Big Data im ökonomischen Kontext aufgeworfen werden.