Arbeitskreis Digitale Gesellschaft

SPD Schleswig-Holstein

10. Oktober 2014

Big Data
Nummerokratie II — Das konsumistische Manifest

Eine große Zahl: 2
Eine große Zahl: 2 | Foto: Jon Mitchell - CC BY 2.0

Gute Infor­ma­tio­nen sind schwer zu bekom­men. Noch schwe­rer ist es, mit ihnen etwas anzu­fan­gen.“ Sher­lock Hol­mes

Von der „Ver­drän­gung des Theo­re­ti­schen durch das Fak­ti­sche“ spricht Rober­to Sima­now­ski in Data Love. Und meint damit Big Data Mining, wie neu­er­dings „die com­pu­ter­ge­steu­er­te Ana­ly­se gro­ßer Daten­samm­lun­gen auf bestimm­te Gesetz­mä­ßig­kei­ten und unbe­kann­te Zusam­men­hän­ge hin„1 genannt wird.

Inter­net­kon­zer­ne wie Goog­le und Face­book ste­hen für die Vor­tei­le, die „eine reso­lu­te und effek­ti­ve Daten­ak­ku­mu­la­ti­on und -ana­ly­se dem Kun­den ver­spre­chen2″. Jared Cohen und Eric Schmidt reden des­we­gen in dem Buch Die Ver­net­zung der Welt vom Daten­strom als Geschenk für Behör­den und Unter­neh­men, „mit dem sie auf die Bedürf­nis­se ihrer Bür­ger und Kun­den ein­ge­hen, spe­zi­fi­sche demo­gra­phi­sche Grup­pen errei­chen und mit­hil­fe neu­er Metho­den künf­ti­ge Ent­wick­lun­gen pro­gnos­ti­zie­ren kön­nen3″. Die Nut­zer geben mehr Daten von sich preis als sie ahnen – und die Preis­ga­be erfolgt nicht immer frei­wil­lig. Ob als der berühm­te Flu‐​Index von Goog­le oder als Kun­den­für­sor­ge: Ziel der Daten­samm­lung und -ana­ly­se sei immer der Mensch. Und zwar: „die Ver­bes­se­rung sei­ner wirt­schaft­li­chen, sozia­len, gesund­heit­li­chen Situa­ti­on4″. Das beto­nen Inter­net­kon­zer­ne und Behör­den glei­cher­ma­ßen.

We are living in a box, ehhh … bubble.

Erst­ma­lig erfolgt die Daten­ver­ar­bei­tung jedoch ohne Theo­rie­bil­dung. Daten­strö­me wer­den auf Kor­re­la­tio­nen aus­ge­wer­tet, ohne dabei die Kor­re­la­ti­on mit dem Zufall zu berück­sich­ti­gen oder etwa zwi­schen star­ken und schwa­chen Kor­re­la­tio­nen zu unter­schei­den. Genau­er genom­men, ohne dar­auf zu ach­ten, dass ein ursäch­li­cher Zusam­men­hang besteht, sobald zwei Tat­sa­chen zuein­an­der in Bezie­hung gestellt wer­den. Sima­now­ski spricht in die­sem Zusam­men­hang von „post‐​theoretical age“ und von gewis­ser Theo­rie­mü­dig­keit. Die neue Qua­li­tät wird durch mehr Quan­ti­tät erreicht. Daten­ver­ar­bei­tung ohne Theo­rie­bil­dung ent­fernt sich damit davon, was Wis­sen­schaft bedeu­tet. Big Data Mining führt nicht unbe­dingt zu mehr Wis­sen.

Was damit gemeint ist, zeigt das Storch‐​und‐​Baby‐​Beispiel. Rudolf Flesch zitiert in sei­nem Buch Bes­ser schrei­ben, spre­chen, den­ken einen Sta­tis­ti­ker, der ent­deck­te, dass es eine Kor­re­la­ti­on von 0.9 zwi­schen der Anzahl von Stor­chen­nes­tern und den Gebur­ten in Stock­holm wäh­rend einer bestimm­ten Anzahl von Jah­ren gab.5 Der stren­gen Wenn‐​dann‐​Logik des Big Data Mining fol­gend müss­te dar­aus zwangs­läu­fig eine Vor­aus­sa­ge resul­tie­ren, dass Kin­der von Stör­chen gebracht wer­den. Die Big‐​Data‐​Logik ist die Logik eines Drei­jäh­ri­gen.

Das Eli‐​Pariser‐​Syndrom

Sta­tis­tik sei der Anwalt der Stra­ße, schreibt Sima­now­ski, doch das ist nicht das Haupt­pro­blem. Jeden­falls nicht für eine Genera­ti­on, für die das Buch Lügen mit Zah­len zum Best­sel­ler wur­de. Die „Angst­wor­te der Zukunft“ hei­ßen tat­säch­lich pre­dic­tive ana­ly­tics und algo­rith­mic regu­la­ti­on, also weni­ger Aus­wer­tung der Daten­strö­me zur Bestä­ti­gung bestimm­te Hypo­the­sen oder Ver­mu­tun­gen, son­dern ihre Ver­wen­dung als Pro­gno­se­instru­ment in einer Art Minority‐​Report‐​Art. Eine Mus­ter­su­che kann zur Iden­ti­fi­zie­rung von poten­zi­el­len Tätern füh­ren – oder eben nur zur Erken­nung von Abweich­lern vom Durch­schnitts­wert.

Auf die­sem Wege kann „das Gesell­schaft­li­che auf Mathe­ma­tik redu­ziert„6 und kön­nen alter­na­ti­ve Posi­tio­nen blo­ckiert wer­den. Eli Pari­ser7 klag­te bei­spiels­wei­se, dass ihm von Face­book nicht die Updates sei­ner kon­ser­va­ti­ven Freun­de ange­zeigt wer­den, da der Facebook‐​Algorithmus erkennt, dass er sich stär­ker für die Updates sei­ner links­ori­en­tier­ten Freun­de inter­es­siert. Die Per­so­na­li­sie­rung des Infor­ma­ti­ons­an­ge­bots mag im Hin­blick auf Wer­bung, Ein­käu­fe oder Such­ergeb­nis­se effi­zi­ent und dem Inter­net­nut­zer will­kom­men sein, jedoch im Poli­ti­schen, wo die Kon­fron­ta­ti­on ver­schie­de­ner Stand­punk­te „das Lebens­eli­xir der Demo­kra­tie“ dar­stellt, mutiert das Inter­net even­tu­ell zum „gemüt­li­chen Heim der Auto­pro­pa­gan­da, die das Sub­jekt per­ma­nent bestä­tigt und das, was es (noch) nicht ist, unab­läs­sig aus­blen­det„8. Die Logik des Algo­rith­mus domi­niert die Logik des Sub­jekts, gele­gent­lich auch die Mei­nung der Gegen­sei­te zur Kennt­nis neh­men zu wol­len.

In der Zeit vor Big Data waren sich Wis­sen­schaft­ler einig dar­über, dass es bei wis­sen­schaft­li­cher Erfor­schung eines Pro­blems zwei Grup­pen gibt: Leu­te, die Daten sam­meln, und sol­che, die Annah­men erstel­len. Und man war sich einig, dass die, die Annah­men erstel­len, wich­ti­ger sind. „Vor­neh­mer aus­ge­drückt“, schrieb Flesch, „bedeu­tet das, dass die Beto­nung mehr auf Deduk­ti­on als auf Induk­ti­on liegt und dass die aris­to­te­li­sche Metho­de … höher ein­ge­schätzt wird als die von Bacon.„9 Genau die Theo­rie­bil­dung fehlt aber bei Big Data Mining. Das Das (etwas ist so) mache das War­um (des­halb ist es so) über­flüs­sig. Auf die­se Wei­se ver­än­dert Big Data Mining unser Ver­hält­nis zur Welt und zum Wis­sen, behaup­tet Sima­now­ski.

Der Blick auf die Gesell­schaft durch die „sta­tis­ti­sche“ Bril­le ermög­licht erst­mals die Eta­blie­rung des Modells der Num­me­ro­kra­tie10. Wird das Inter­net durch das Big Data Mining viel­leicht doch nicht das gelob­te Land der demo­kra­ti­schen Kom­mu­ni­ka­ti­on wer­den, das als Main­stream iden­ti­fi­zier­te Mei­nun­gen for­ciert und die Abwei­chun­gen davon unter­drückt? Schon heu­te wür­den die poli­ti­schen Blogs zu 90 Pro­zent auf „ähn­lich den­ken­de“ Web­sites ver­lin­ken, stellt Sima­now­ski fest.

Doppelte Demokratisierung

Um den Vor­wurf der „Feu­da­li­sie­rung“ der Erkennt­nis­se aus dem Big Data Mining zu rela­ti­vie­ren, ant­wor­tet die Wis­sen­schaft mit einer „dop­pel­ten Demo­kra­ti­sie­rung“ der Erkennt­nis. Einer­seits wird der Zahl eine Objek­ti­vi­tät, ja Unbe­ein­fluss­bar­keit und Unab­hän­gig­keit, unter­stellt. Ande­rer­seits wer­den die Zah­len im Rah­men einer Self‐​Tracking‐​Bewegung von den Nut­zern (und Unter­su­chungs­sub­jek­ten zugleich) erzeugt – „als empi­ri­sche Sozio­lo­gie von unten„11. Bis­her sei die Daten­frei­ga­be vor­ran­gig frei­wil­li­ger Natur, beto­nen Cohen und Schmidt. Die Nut­zer ver­öf­fent­li­chen bestimm­te Inhal­te, wie Vor­lie­ben, Ent­schei­dun­gen, Absich­ten oder Ange­wohn­hei­ten aus ihren indi­vi­du­el­len sozia­len oder wirt­schaft­li­chen Moti­ven12. Das ist jedoch nicht unbe­dingt die Regel.

„Wenn neben der libe­ra­len Markt­wirt­schaft kein ande­res Gesell­schafts­mo­dell mehr als Alter­na­ti­ve zur Ver­fü­gung steht, über­zeugt der Befund vom fal­schen Leben kaum mehr – oder eben nur in dem Sin­ne, wie Win­ston Chur­chill von der Demo­kra­tie sprach: als schlech­tes­te aller Staats­for­men, aus­ge­nom­men alle ande­ren“, schreibt Sima­now­ski13. Auch für die Demo­kra­tie kann es dann dank Big Data bald so weit sein, dass die neue Qua­li­tät durch mehr Quan­ti­tät erreicht wird.

Fußnoten

1 Sima­now­ski, Rober­to. 2014. Data Love. Ber­lin: Mat­thes & Seitz Ver­lag, S. 9.

2 Eben­da, S. 159.

3 Schmidt, Eric und Cohen, Jared. 2013. Die Ver­net­zung der Welt. Ham­burg: Rowohlt. S. 88.

4 Sima­now­ski, S. 137.

5 Flesch, Rudolf. 1973. Bes­ser schrei­ben, spre­chen, den­ken. Anre­gun­gen, Übun­gen, Tests. Düs­sel­dorf, Wien: Econ Ver­lag, S. 251.

6 Sima­now­ski, S. 85.

7 Eli Pari­ser ist US‐​amerikanischer Jurist und Akti­vist. Vgl.: Tho­mas Thiel: Eli Pari­ser: „Fil­ter Bub­ble“ Im Netz war­tet schon der über­mäch­ti­ge Dop­pel­gän­ger. In: FAZ (7.3.2012).

8 Eben­da, S. 79.

9 Flesch, S. 240.

10 Sima­now­ski, S. 101.

11 Eben­da, S. 115–116.

12 Cohen und Schmidt, S. 88.

13 Sima­now­ski, Rober­to. 2014. Data Love. Ber­lin: Mat­thes & Seitz Ver­lag, S. 157.

Aleksandra Sowa

Lei­te­te zusam­men mit dem deut­schen Kryp­to­lo­gen Hans Dob­ber­tin das Horst Görtz Insti­tut für Sicher­heit in der Infor­ma­ti­ons­tech­nik. Dozen­tin, Fach­buch­au­torin (u.a. „Manage­ment der Infor­ma­ti­ons­si­cher­heit“, „IT‐​Revision, IT‐​Audit und IT‐​Compliance“), kürz­lich erschien im Dietz‐​Verlag „Digi­tal Poli­tics — so ver­än­dert das Netz die Poli­tik“. Hier äußert sie ihre pri­va­te Mei­nung.#Foto by Mark Boll­horst (mark-bollhorst.de)

More Posts

Fol­low Me:
TwitterLinkedInGoogle Plus

Schlagwörter: , , , , , , , ,

Ein Kommentar

  1. […] Zwei­tens ist da noch die Metho­dik. Pfui, die Wis­sen­schaft, sagen an die­ser Stel­le vie­le. Doch bei Mas­sen­da­ten­aus­wer­tun­gen ist es genau die Wis­sen­schaft, die Ana­ly­se, das Auf­stel­len von Ver­mu­tun­gen, Hypo­the­sen, Annah­men etc. – all das, was ein reprä­sen­ta­ti­ves Ergeb­nis von einem Hau­fen nutz­lo­ser Zah­len unter­schei­det. Damit befas­se ich mich in „Num­me­ro­kra­tie II“. […]

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.