Daten – Interessen – Ontologien – oder wie Geschäftsmodelle die Wissenschaft verbiegen

Die neuen technischen Möglichkeiten der Big-Data-Methodik erlauben es, unerwartete Strukturen und Beziehungen in Datensätzen zu finden, die aus unterschiedlichsten Zusammenhängen und Bereichen stammen können. Dies wird nicht nur aus forschungstaktischen Gründen getan, sondern um gegebenenfalls monetarisierbare Zusammenhänge zu finden, um neue Geschäftsmodelle finden zu können. Das Ergebnis einer Daten-Analyse durch die Methoden der Big-Data-Technologien kann nicht angemessen interpretiert werden, wenn die Forschungsfrage, d. h. die Frage, wonach man eigentlich sucht, nicht vorher gestellt worden ist. Deshalb braucht man ein Modell, das den untersuchten Prozess oder Gegenstandsbereich vorläufig hypothetisch erklärt, d. h. eine Kausal-Vermutung. Ein Modell, das kausale Erklärungen erlaubt, ist allemal besser als ein Modell, das nur Extrapolationen liefert. Es besteht die Tendenz, die wissenschaftliche Methodik durch bloße numerische Prozeduren zu ersetzen. Treiber dieser Entwicklung sind Geschäftsmodelle, die darauf abzielen, eine multifunktionale Verwendung von einmal erhobenen Daten in unterschiedlichsten Kontexten, sprich Ontologien, vermarkten zu können.