Studie: Was sich aus unseren Einkäufen, Telefonaten und Facebook-Likes berechnen lässt. Wie tausende Unternehmen heimlich unser Alltagsverhalten überwachen, uns penibel einordnen und bewerten – und unsere intimsten Details an Handel, Versicherungen, Finanz- und Personalwirtschaft verkaufen. Und: Was passieren muss.
Wolfie Christl, Cracked Labs, November 2014
Mehrere Jahre Forschungsarbeit
Im Jahr 2014 läuft das digitale Geschäft mit unseren persönlichen Daten auf Hochtouren. Eine Studie des Wiener Forschungsinstituts Cracked Labs hat sich im Auftrag der österreichischen Arbeiterkammer umfassend mit internationalen Trends in den Bereichen Online Tracking, Big Data und kommerzieller digitaler Überwachung beschäftigt. Die Studie basiert auf mehreren Jahren Forschungsarbeit, Autor Wolfie Christl hat eine Vielzahl von datenhungrigen Geräten und Plattformen untersucht.
Big Data und Internet der Dinge
Es sind bei weitem nicht nur Google und Facebook, die uns ausspionieren. In welcher Form werden unsere Daten heute durch Unternehmen digital erfasst und verwertet? Welche Schlüsse lassen sich aus der Auswertung unseres Online-Verhaltens ziehen? Wie könnte kommerzielle digitale Überwachung zukünftig unseren Alltag prägen? Und: Was tun?
Eine Online-Kurzfassung der Studie in sechs Akten.
Unsere Vorlieben und Abneigungen werden heute in einem Ausmaß digital gespeichert, verarbeitet und verwertet, das bis vor wenigen Jahren undenkbar war. Wir werden über Geräte und Plattformen hinweg wiedererkannt, unsere Verhaltensweisen und unsere Bewegungen werden detailliert ausgewertet, unsere Persönlichkeit und unsere Interessen akribisch analysiert. Immer mehr Geräte sind heute mit Sensoren ausgestattet, mit dem Internet verbunden und ermöglichen so umfassende Einblicke in unser Leben. Gleichzeitig lassen sich im Zeitalter von Big Data mit automatisierten Methoden schon aus rudimentären Metadaten über Kommunikations- und Online-Verhalten umfangreiche Persönlichkeitsprofile erstellen.
Intransparente Unternehmen
Unzählige Unternehmen aus allen Wirtschaftssektoren arbeiten mit Hochdruck an Geschäftsmodellen, die auf der kommerziellen Verwertung der gesammelten Profile beruhen. In vielen Bereichen von Marketing, Handel, Versicherungs-, Finanz- und Personalwirtschaft herrscht Goldgräberstimmung – und gleichzeitig die Angst, den Anschluss zu verlieren. Internationale Unternehmen agieren dabei teils unter Missachtung regionaler Datenschutzgesetze, oft gilt die Devise: Gemacht wird, was technisch möglich ist. Während die Einzelnen immer transparenter werden, agieren viele Unternehmen hochgradig intransparent – wie die Services, Apps, Plattformen und Algorithmen genau funktionieren, ist meist kaum durchschaubar.
„Ihr müsst für eure Privatsphäre kämpfen, oder ihr werdet sie verlieren“
I. Verhaltensprognosen, Analyse und Verknüpfung persönlicher Daten
Minority Report?
Im Zeitalter von Big Data werden immer häufiger statistische Methoden und andere Technologien des Data Mining eingesetzt, um große Mengen persönlicher Daten zu analysieren und darin Muster und Zusammenhänge zu finden. Damit lassen sich Erkenntnisse über Einzelne gewinnen, die weit über die in den gesammelten Rohdaten enthaltenen Informationen hinausgehen - oder sogar Prognosen über zukünftiges Verhalten treffen.
Geburtstermin vorhersagen
Die US-Supermarktkette Target konnte etwa aus einer Analyse des Einkaufsverhaltens schwangere Frauen und sogar deren Geburtstermine identifizieren - und zwar ohne auf offensichtliche Käufe wie Babykleidung oder Kinderwägen angewiesen zu sein.
Wissenschaftliche Studien zum Thema
Mehrere Studien haben belegt, dass sich aus rudimentären Metadaten über Online-Verhalten oder Smartphone-Kommunikation weitreichende Einschätzungen treffen lassen.
Was Likes aussagen
Allein aus Facebook-Likes kann etwa mit hoher Zuverlässigkeit auf persönliche Eigenschaften wie Geschlecht, Alter, sexuelle Orientierung, ethnische Zugehörigkeit, politische Einstellung, Religion, Beziehungsstatus oder Nikotin-, Alkohol- oder Drogenkonsum geschlossen werden.
Was allein auf Basis von Facebook-Likes berechnet werden kann
Erfolgsraten bei der Prognose von Persönlichkeitseigenschaften aus Facebook-Likes. Quelle: Kosinski et al, 2013
Ähnliche Arten von Daten
Aus einer Analyse anonymer Website-BesucherInnen lassen sich deren Geschlecht, Alter, Beruf und Ausbildung abschätzen. Strukturell ähnliche Daten über Internet-Suchanfragen, gekaufte Produkte oder musikalische Vorlieben bieten einen ähnlichen Informationsgehalt.
Schwieriger Charakter?
Aus Telefonie-Verhalten wie etwa der Häufigkeit von Anrufen lassen sich mit einer bestimmten Wahrscheinlichkeit individuelle Charaktereigenschaften wie emotionale Stabilität, Extraversion, Offenheit für Neues, soziale Verträglichkeit oder Gewissenhaftigkeit berechnen - ohne auf die Kommunikationsinhalte selbst zuzugreifen:
Charaktereigenschaften aus Anruf-Metadaten abschätzen
Erfolgsrate bei der Prognose von Charaktereigenschaften aus Mobiltelefon-Metadaten. Fragestellung: Ist die Eigenschaft a) höher oder b) niedriger ausgeprägt? Durch reines Raten würde sich eine Erfolgsrate von 50% ergeben. Quelle: Chittaranjan et al, 2011
Zukünftiges Verhalten?
Aus der Kenntnis vergangener GPS-Standorte lassen sich zukünftige Aufenthaltsorteprognostizieren. Wenn die Bewegungsprofile von Bekannten einbezogen werden, sind diese Vorhersagen besonders zuverlässig. Aus einer Analyse der Verbindungen auf sozialen Netzwerken lässt sich nicht nur abschätzen, wer davon in einer romantischen Beziehung ist. Es lässt sich sogar die Wahrscheinlichkeit einer Trennung innerhalb der nächsten zwei Monate vorhersagen.
Nervös tippen
Emotionen wie Zuversicht, Unschlüssigkeit, Nervosität, Entspannung, Trauer oder Müdigkeit lassen sich relativ zuverlässig aus der Analyse von Rhythmus und Dynamik des Tippens erkennen:
Emotionen aus der Tastenanschlags-Dynamik beim Tippen erkennen
Erfolgsrate bei der automatisierten Erkennung von Emotionen aus der Tastenanschlags-Dynamik. Quelle: Epp et al, 2011
II. Praktischer Einsatz von Big Data in Marketing, Handel, Versicherungs-, Finanz- und Personalwirtschaft
Mit der Prognose von persönlichen Eigenschaften oder zukünftigem Verhalten aus unseren digitalen Spuren befassen sich heute nicht nur die Wissenschaft, sondern auch Geheimdienste und Unternehmen. Nicht nur Werbetreibende vermessen, segmentieren und klassifizieren ihr Publikum und steigern damit Konversionsraten und Verkäufe.
Business Intelligence
Persönliche Daten werden inzwischen in fast allen Wirtschaftsbereichen zur kundenspezifischen Vorhersage von Risiken, Ertragschancen oder Loyalität eingesetzt – in Folge werden daraus Entscheidungen über einzelne Personen abgeleitet.
„Alle Daten sind Kreditdaten, wir wissen nur noch nicht, wie wir sie einsetzen werden“
Douglas Merrill, Gründer von zest finance und ehem. Chief Information Officer bei Google, 2012
Bonitätsbewertung mit Online-Daten
Viele Tippfehler – kein Kredit?
Das von einem ehemaligen Google-Mitarbeiter gegründete US-Startup zest finance kombiniert 70.000 Merkmale aus unterschiedlichsten Quellen, um daraus die Kreditwürdigkeit von Einzelpersonen einzuschätzen. Das Hamburger Unternehmen Kreditech greift dafür unter anderem auf Standort-Informationen und Daten aus sozialen Netzwerken zurück. Sogar das Surfverhalten auf der Website oder die Art, wie der Online-Kreditantrag ausgefüllt wird, fließen ein – und die Häufigkeit der Nutzung der Löschtaste.
Personalentscheidungen mit Big Data
Falscher Browser – kein Job?
Die Firma Evolv bezeichnet sich als „leader in big data workforce optimization“ und hilft Personalabteilungen bei der Bewertung von BewerberInnen und Angestellten. Dabei fließen die Daten von inzwischen drei Millionen Personen ein – von Beschäftigungshistorie und Arbeitsleistung bis zur Anzahl der „Social Media“-Accounts oder dem benutzten Browser bei der Online-Bewerbung. Das Startup ConnectedCube befasst sich mit der Vorhersage der zukünftigen Leistung von Angestellten.
Preisdiskriminierung
Apple-NutzerInnen bezahlen mehr
Große internationale Online-Shops zeigen KonsumentInnen auf Basis von deren Online-Verhalten, Standort-Informationen, der benutzten Geräte oder Browser unterschiedliche teure Produkte an – oder gar die gleichen Produkte zu verschiedenen Preisen – mit Preisunterschieden von bis zu 166%. Beim US-Bürobedarfshändler Staples wurde eine durchschnittliche Preisdifferenz von 8% festgestellt. Beim Online-Reisebuchungsportal Orbitz wurde bei Nutzung eines Mac-Computers eine Auswahl von um bis zu 13% teurerer Hotels angeboten als mit einem PC. KonsumentInnen haben bei derartigen Praktiken keine Chance mehr, zu verstehen, wie ihr individueller Preis oder die Auswahl der ihnen angebotenen Produkte zustande kommen.
Krankheitsprognose aus Konsumverhalten
Die große US-Versicherung Aviva beschäftigt sich mit der Prognose von Risiken für Krankheiten wie Diabetes, hohem Blutdruck oder Depression allein aus Daten über Konsumverhalten, Lebensstil oder Einkommen.
Emotionale Manipulation?
Emotional Targeting
Am weitesten fortgeschritten sind derartige Analyse-Technologien aber im reinen Online-Bereich. Das Werbeunternehmen MediaBrixanalysiert die Emotionen von Online-SpielerInnen, spricht diese gezielt und individuell in ganz bestimmten Momenten zwischen Begeisterung und Frustration an und konnte damit die Effektivität der Werbung im Web um 15% und bei mobilen Apps sogar um 30% steigern.
III. Datenhungrige Geräte und Plattformen: Smartphones, Wearables und das Internet der Dinge
...nicht nur Facebook und Google
Facebook hatte im Juni 2014 global 829 Millionen - zumindest einmal täglich aktive - NutzerInnen und wertet in jeder Sekunde Millionen von Einzelinformationen über deren Kontakte, Interessen und Verhalten aus. Google gibt wenige Zahlen über registrierte NutzerInnen heraus, dürfte aber allein infolge der globalen Dominanz auf dem Suchmaschinen-Markt und einem Android-Marktanteil von fast 80% bei einer Milliarde verkaufter Smartphones 2013 Zugriff auf ähnliche Mengen täglicher Nutzungsinteraktionen kommen. Es sind aber bei weitem nicht nur Google und Facebook, die tagtäglich unser Verhalten, unsere Bewegungen und unsere Interessen analysieren.
Smartphones ermöglichen mit ihren unzähligen Sensoren und den darauf gespeicherten Daten sehr weitgehende Einblicke in Persönlichkeit und Alltag ihrer BesitzerInnen. 71% der kostenlosen Android-Apps und 32% der kostenlosen iOS-Apps übertragen persönliche Daten an Werbenetzwerke, mehr als die Hälfte greifen auf sensible Informationen wie Standort-Daten zu (Siehe Appthority 2014). Nach einer Untersuchung von 26 Datenschutzbehörden aus 19 Ländern vom September 2014 greifen 31% von 1200 populären Apps auf Daten dazu, ohne dass dies für die eigentliche Funktion der App notwendig wäre. 59% der Apps werden als bedenklich eingestuft, da sie die NutzerInnen nicht ausreichend darüber informieren, welche Daten genutzt und weitergegeben werden.
Günstigere Versicherung mit Überwachungs-Box im Auto
Bewertung des Fahrverhaltens
Unter Schlagwörtern wie „vernetztes Auto" oder "Fahrzeug-Telematik" wird seit Jahren eine Entwicklung vorangetrieben, die mit einer Rundum-Überwachung des Fahrverhaltens verbunden ist. Dabei werden Geräte ins Auto eingebaut, die beinahe in Echtzeit Position, Geschwindigkeit und Beschleunigungswerte an Versicherungen übertragen. Diese wiederrum machen die Höhe der Prämienzahlung von den gemessenen Daten abhängig. In Italien, Frankreich, Spanien, Großbritannien und den USA ist dieses Prinzip schon etabliert, für 2020 werden global 100 Millionen derartige Polizzen erwartet. Auto-Versicherungstarife auf Basis von Rundum-Überwachung könnten zum Vorbild für andere Lebensbereiche werden.
In der Studie ausführlich untersucht
In Deutschland existiert ein erstes Angebot der Sparkassen-DirektVersicherung. Bei Wahl dieses Tarifs muss eine "Mess-und Telematik-Box" ins Fahrzeug eingebaut werden, die mit GPS- und Beschleunigungssensor ausgestattet ist und alle 20 Sekunden Rohdaten zu Position, Uhrzeit, Geschwindigkeit sowie zu Brems- und Beschleunigungsverhalten an die Zentrale sendet. Wer „risikoarm“ fährt, bekommt im folgenden Jahr einen Abschlag von 5% auf die Versicherungsprämie. Wer jedoch einige Male die erlaubte Geschwindigkeit überschreitet, zu oft abrupt beschleunigt und bremst - oder zu viel in der Nacht oder im städtischen Bereich fährt, verliert diesen Rabatt. Die möglichen Punkteabzüge aufgrund falschen Fahrverhaltens werden wie in der untenstehenden Tabelle angeführt erklärt.
Punkteabzüge bei riskantem Fahrverhalten
Ausschnitt Grafik zu Fahrverhalten und Score-Werten. Quelle und (c) Sparkassen DirektVersicherung (Stand 08.08.2014)
Problematische Anreize?
Die Kriterien für die Punkteabzüge erscheinen willkürlich, schon wenige Abweichungen beim Fahrverhalten können den Rabatt zu Nichte machen. Außerdem werden problematische Anreize gegeben: Das System kann etwa keinesfalls zwischen aus Sicherheitsgründen notwendigen und selbstgewählten starken Bremsvorgängen unterscheiden. Der beschriebene Tarif wurde laut Eigenangabe bisher an nur 1.000 Personen verkauft und ist aktuell vergriffen, InteressentInnen können sich aber laut Website in eine Warteliste eintragen lassen.
In Österreich bietet die Uniqua-Versicherung das Produkt SafeLine an, das die Höhe der Prämie von der gemessenen Kilometerleistung abhängig macht.
Die Optimierung des Selbst: Fitness-Tracker und Wearables
Gesundheitsdaten
Tragbare Geräte und Apps zur Auswertung von Schritten, Puls, Schlaf und vielen anderen Körperfunktionen sind inzwischen ein Milliarden-Geschäft, für 2018 werden 80 Millionen ausgelieferte Geräte prognistiziert. Die von Fitness-Trackern, Smartwatches und Apps gemessenen Daten über Körper und Gesundheit haben großes kommerzielles Potenzial. Während die NutzerInnen mit Spielmechaniken, Anreizen und Belohnungen dazu motiviert werden, diese Wearables möglichst oft zu nutzen, arbeiten die Unternehmen an Geschäftsmodellen zur kommerziellen Verwertung der erfassten Daten.
Versicherungen greifen zu
Der MarktführerFitbit wirbt öffentlich mit Angeboten für Versicherungen und arbeitet international bereits mit vielen großen Unternehmen im Rahmen betrieblicher Gesundheitsprogramme zusammen. Bei der US-Firma Appirio stellen etwa 1.000 Angestellte freiwillig ihre mit Fitbit gemessenen Gesundheitsdaten zur Verfügung, die Firma konnte dadurch eine jährliche Ermäßigung von 300.000 Dollar mit der betrieblichen Krankenversicherung ausverhandeln. Angestellte des Ölkonzerns BP werden dazu angehalten, mit Fitbiteine Million Schritte pro Jahr zu erreichen – ein Mitarbeiter ersparte sich dadurch 1.200 Dollar bei der jährlichen Krankenversicherungsprämie. Dies ist ein durchaus starker Anreiz und bedeutet umgekehrt: Wer nicht teilgenommen oder das „spielerische“ Ziel nicht erreicht hat, wird bestraft und bezahlt spürbar mehr.
Angebote für Unternehmen und Versicherungen auf der Website von Fitbit
"Versicherungsunternehmen und Gesundheitsbranche [...] Erzielte Fortschritte im Laufe der Zeit anhand zuverlässiger Daten messen". Screenshot von der Website von Fitbit vom 05.11.2014, (c) Fitbit
Überwachen und strafen
Große US-Versicherer haben bereits Programme gestartet, die Wearables integrieren und bei denen KonsumentInnen bei Erreichen bestimmter Fitness-Ziele kleine Belohnungen wie Einkaufsgutscheine oder Kinotickets erhalten können. Es ist wahrscheinlich nur mehr eine Frage der Zeit, bis auch KonsumentInnen in den USA direkte Rabatte auf Versicherungsprämien erhalten – oder gar Strafen bei Nicht-Erreichen der Fitness-Ziele.
Allgegenwärtige Überwachung im Internet der Dinge
Vernetzte Sensoren
Immer mehr Alltagsgegenstände sind mit kleinen vernetzten Computern und Sensoren ausgerüstet. Neben den in Smartphones schon üblichen Sensoren vermessen Wearables nicht mehr nur Schritte, Puls oder Schlaf, sondern auch Atmung, Hautwiderstand, Blutdruck oder Blutzucker - und verfügen über Barometer, Temperatur- oder Luftfeuchtigkeitssensoren. E-Book-Reader zeichnen detaillierte Informationen zum Leseverhalten auf, vernetzte TV-Geräte versenden Daten über das Fernsehverhalten. Vernetzte Autos, Stromzähler, Thermostaten und Brandmelder oder Kühlschränke liefern bald an vielen Stellen umfangreiche Daten über unser Alltagsverhalten.
Überwachung wird normal
Dabei überwachen die NutzerInnen nicht nur sich selbst, sondern auch andere - etwa ihre Kinder oder ihre Angestellten, die entweder Geräte mit Sensoren mit sich tragen oder sich an Orten bewegen, die mit Sensoren ausgestattet sind. Der Hersteller Owlet Baby Care bietet eine Art von elektronischer Fussfessel für Babys an, der Baby Monitor der Firma Mimo ist im Strampelanzug eingebaut. Das System von Theatro ermöglicht hingegen die Ortung von Handelsangestellten und bietet Auswertungsmöglichkeiten über deren Verhalten, Produktivität, Bewegungsmuster und über die Dynamiken im Team.
„Er hatte den Sieg über sich selbst errungen. Er liebte den großen Bruder“
Viele ExpertInnen erwarten, dass Anreize zur Verhaltensänderung zum zentralen Treiber für das Internet der Dinge werden - beispielsweise Anreize zum Kauf eines Produkts, zur Anregung von gesünderen oder sichereren Lebensweisen oder von bestimmten Arbeitsweisen. Dies könnte laut ExpertInnen zu massiven Auswirkungen auf die Möglichkeit führen, das eigene Leben zu kontrollieren
IV. Das Geschäft mit unseren persönlichen Daten: Von Adresshandel und Scoring bis Acxiom und Flurry
Sowohl im deutschen Sprachraum als auch international existiert eine Vielzahl von Unternehmen, die sich in der einen oder anderen Weise dem Handel mit persönlichen Daten verschrieben haben:
Daten- und Adresshandel im deutschen Sprachraum
Von kirchlichen Verlagen bis zum Erotikversand
Unternehmen im deutschen Sprachraum handeln mit Adressen und Persönlichkeitsprofilen über viele Millionen Menschen. Die Marktführer sind Bertelsmann, Otto und die deutsche Post. Die Bertelsmann-Tochterfirma AZ Direkt verkauft laut Katalog Daten über ältere oder verschuldete Menschen, Spendenwillige oder „risikobereite Individualisten“ - sowie Adressen aus so unterschiedlichen Quellen wie der Erotik-Versandhandelsmarke Beate Uhse, kirchlichen Verlagen oder der Wochenzeitung Die Zeit. Die Auswahl der gekauften Daten kann fein abgestimmt werden - geworben wird mit „mehr als 600 adressqualifizierende Profilinformationen zum Beispiel zu Soziodemografie, Psychografie, Konsumeigenschaften, Lebensphasen“
Beispiele für von AZ Direkt angebotene Listen und Preise pro Tausend Adressen
Beispiele für von AZ Direkt/Bertelsmann im Online-Katalog angebotene Adresslisten (11/2014)
Bonitätsbewertung und Scoring im deutschen Sprachraum
Negativlisten und Scoring
Sogenannte Wirtschaftsauskunfteien bieten Bonitätsbewertung von Privatpersonen und andere Dienstleistungen an. Einfache Negativlisten wurden inzwischen von komplexen Scoring-Modellen abgelöst, die viele Lebensumstände in die Berechnung der Kreditwürdigkeit einbeziehen. Die Berechnungsmethoden sind oft fehleranfällig und intransparent, die VerbraucherInnen schlecht informiert. Die dominanten Unternehmen und deren Tochterfirmen sind oft gleichzeitig in den Bereichen Direktmarketing, Daten- und Adresshandel aktiv.
Mit dem System infoRate+ kann laut Eigenangabe zur „Bewertung eines Konsumenten auf vielfältigste Datenquellen zugegriffen“ werden - Unternehmen könnten damit „sämtliche vorhandenen internen und externen Daten verdichten und integrieren“. Ein weiteres Scoring-Produkt wird mit folgendem Satz beworben: „Kunden mit hohem Ertragspotenzial sollen gewonnen, Kunden mit hohem Risiko von Anfang an gemieden werden“.
Marktüberblick Datenhandel in Deutschland
Datenhandel-Prisma Deutschland (ohne digital), Stand 09/2013. Quelle: safe-address.de (Creative Commons BY-SA)
Internationale Player im Geschäft mit den persönlichen Daten
Ohne Wissen der KonsumentInnen
Data Broker in den USA verfügen über umfangreiche Daten über die gesamte Bevölkerung und erwerben laut der US-amerikanischen Federal Trade Commission (FTC) Daten über KonsumentInnen aus umfassenden Online- und Offline-Quellen. Sie sammeln die Daten "größtenteils ohne das Wissen der Konsumenten" und speichern sie teils unbefristet. Diese Firmen haben Zugriff auf enorme Mengen von Daten – von Zahlungsverhalten und Zeitschriften-Abos über Aktivitäten in sozialen Medien bis zu religiösen und politischen Zugehörigkeiten. Sie machen Schlussfolgerungen über ethnische Zugehörigkeit, Einkommen oder Gesundheit und verkaufen Informationen an Handel, Politik, Versicherungen oder Personalabteilungen.
700 Millionen Menschen
Die US-Firma Acxiom verfügt etwa über umfangreiche Dossiers mit bis zu 3.000 einzelnen Eigenschaften von etwa 700 Millionen Menschen – von Ausbildung, Wohnen, Beschäftigung, Finanzen, Eigentum und Wahlverhalten bis zu „Bedürfnissen“ und „Interessen“ im Bereich Gesundheit oder etwa der „Neigung zum Glücksspiel“. Das Unternehmen betreibt 15.000 Kundendatenbanken von globalen Top-Unternehmen, kooperiert mit Google, Facebook und Twitter und hat seit dem Kauf des Online-Spezialisten Liveramp laut Eigenangabe drei Milliarden Kundendatensätze „ins Web gebracht“. Acxiom ist auch in Deutschland tätig und besitzt laut der Wochenzeitung Die Zeit Daten über 44 Millionen Deutsche.
Bis zu 3.000 einzelne Eigenschaften von etwa 700 Millionen Menschen
Beispiele aus dem Consumer Data Products Catalog von Acxiom, der hunderte der Eigenschaften auflistet, die das US-Unternehmen anbietet
Weitere Beispiele für internationale Data Broker
Datalogix
Das Unternehmen Datalogix verfügt nach Eigenangabe über Transaktionsdaten von KonsumentInnen über ein Einkaufsvolumen von mehr als zwei Billionen Dollar und vergleicht im Rahmen einer Partnerschaft mit Facebook, wie oft NutzerInnen online Werbung für bestimmte Produkte sehen - und die entsprechenden Käufe dann in einem Geschäft durchführen.
Das Unternehmen Recorded Future erfasst Daten über Personen von fast 600.000 Websites in sieben Sprachen, nutzt diese Informationen, um deren zukünftiges Verhalten vorherzusagen und arbeitet sowohl für Unternehmen als auch für Militär und Geheimdienste. Seit 2009 sind unter anderem Google und In-Q-Tel - und damit indirekt der US-Geheimdienst CIA - an Recorded Futurebeteiligt.
Online Tracking und Werbenetzwerke: Die unbekannte Macht
Jeder Klick wird überwacht
Tausende Firmen in den Bereichen Online-Tracking, Analyse und Werbung identifizieren NutzerInnen über Websites, Apps und Geräte hinweg und sammeln gewaltige Mengen an persönlichen Informationen. Beim Aufruf beinahe aller populären Websites wird jeder einzelne Klick an mehrere Dritt-Unternehmen übertragen, ebenso bei vielen Smartphone-Apps.
Werbenetzwerke
Das Wall Street Journal hat bei einer aufwändigen Untersuchung der 50 populärsten Websites 2010 festgestellt, dass bis auf Wikipedia alle auf derartige Weise die Daten ihrer NutzerInnen an Dritte übertragen. 37 der 50 populärsten Websites übertrugen bei jedem Klick Informationen an über 30 Drittparteien, 22 davon sogar an über 60 Drittparteien. Populäre deutsche Nachrichten-Websites übertragen 2014 bei jedem Seiten-Aufruf Nutzungsdaten an bis zu 59 externe Services. Mit dem Angebot segment.io können BetreiberInnen von Websites ein Service in deren Seiten einbauen, das die Daten der NutzerInnen unkompliziert und automatisiert gleich an über 100 weitere Dritt-Unternehmen weiterleitet – ohne dass dies für NutzerInnen in irgendeiner Weise erkennbar oder nachvollziehbar ist.
1,4 Milliarden Geräte
Die Analyse- und Werbeplattform Flurry ist global auf 1,4 Milliarden Smartphones und Tablets installiert und zeichnet die Nutzungsaktivitäten in 540.000 unterschiedlichen Apps auf. Das Unternehmen wirbt damit, ein Drittel aller globalen App-Aktivität zu vermessen und Zugriff auf durchschnittlich 7 Apps auf über 90% aller Endgeräte weltweit zu besitzen. Flurry ermöglicht Werbetreibenden eine gezielte Ansprache nach Geschlecht, Alter und Interessen - und sortiert NutzerInnen in Kategorien wie Hardcore-SpielerInnen, frischgebackene Mütter oder nach ihrer sexuellen Orientierung. Durch eine Kooperation mit der Marktforschungsfirma Research Now stehen seit kurzem weitere 350 „Profil-Attribute“ über Demographie, Interessen und Lifestyle der NutzerInnen zur Verfügung.
V. Gesellschaftliche Folgen von kommerzieller digitaler Überwachung
Bewerten und sortieren
Durch die beschriebenen Entwicklungen und Praktiken wird klar, dass eine Art von Überwachungsgesellschaft Realität geworden ist, in der die Bevölkerung ständig auf Basis persönlicher Daten bewertet, klassifiziert und sortiert wird. KonsumentInnen können oft nicht mehr nachvollziehen, welche Daten über sie und ihr Verhalten von Unternehmen digital erfasst und gespeichert werden, wie diese Daten verarbeitet werden, an wen sie weitergegeben oder verkauft werden, welche Schlüsse daraus gezogen werden und welche Entscheidungen auf Basis dieser Schlüsse über sie gefällt werden. Viele Unternehmen ermöglichen den NutzerInnen nicht einmal den Zugriff auf ihre eigenen Daten und betrachten ihre Algorithmen als Betriebs- und Geschäftsgeheimnisse.
Dekontextualisierung und Datenverlust
Persönliche Daten werden zunehmend in völlig anderen Bereichen eingesetzt als zum ursprünglichen Verwendungszweck bei deren Erfassung. Außerdem besteht überall, wo große Datenmengen gespeichert werden, das Risiko von Datenmissbrauch und -verlust. Beinahe tägliche Medienberichterstattung über Sicherheitslücken und den Verlust von Millionen von Datensätzen ist inzwischen Normalität - sogar die größten Unternehmen sind betroffen. Dadurch entstehen große Risiken für Einzelne – von Belästigung und Stalking bis Identitätsdiebstahl und Cyber-Kriminalität.
Lebensentscheidende Fragen
Wenn Unternehmen Kriterien wie Geschlecht, Alter, ethnische oder religiöse Zugehörigkeit, Armut oder den Gesundheitszustand in ihre Entscheidungen mit einbeziehen, besteht die Gefahr von Diskriminierung oder Ausschluss ganzer Bevölkerungsgruppen. Die Chancen und Wahlmöglichkeiten von Einzelnen können dadurch eingeschränkt werden – von Preisdiskriminierung und der Frage, welche Angebote jemand bekommt bis zu lebensentscheidenden Fragen in den Bereichen Finanzen, Gesundheit, Versicherung oder Arbeit. Sogar die Federal Trade Commissionbefürchtet, dass für KonsumentInnen mit „riskanteren“ Verhaltensweisen in Zukunft höhere Versicherungsprämien anfallen könnten.
Mangelnde Nachvollziehbarkeit
Darüber hinaus könnten „mögliche Diskriminierungseffekte“ nicht einmal mehr nachzuvollziehen sein, wenn wir „keine Entscheidungsmacht“ mehr über die „Wege unserer eigenen Daten“ haben - wie das der EU-Parlamentarier Jan Phillip-Albrecht formuliert. Michael Fertik diagnostiziert gar, dass durch individuelle Preise und personalisierte Angebote schon jetzt die Reichen "ein anderes Internet sehen" würden als die Armen.
„Die Reichen sehen ein anderes Internet als die Armen“
Michael Fertik, Privacy-Experte und Gründer von reputation.com im Scientific American
Wer sich falsch verhält...
Abgesehen von Fehlern bei der Erfassung der gesammelten Daten können Fehler in den Prognosemodellen und damit falsche Schlussfolgerungen massive negative Auswirkungen auf Einzelne haben. Big Data ist weit von wirklicher Objektivität oder Zuverlässigkeit entfernt. Die Prognosen sind prinzipiell unscharf, da sie auf Korrelationen und Wahrscheinlichkeiten beruhen. Wer beispielsweise die falschen Personen kennt, im falschen Bezirk wohnt oder sich in der Smartphone-App „falsch“ verhält, wird in einer bestimmten Art und Weise klassifiziert und muss die Konsequenzen tragen, ohne Einfluss darauf zu haben.
Verweigerung? Zu riskant.
Wenn Versicherungsunternehmen die Risikoabschätzung von Lebensgewohnheiten und Verhaltensweisen abhängig machen, wird außerdem Risiko individualisiert. Auch eine Verweigerung der Teilnahme kann Konsequenzen haben: Wenn keine oder zu wenige Daten über eine Person vorhanden sind, schätzt ein Unternehmen das Risiko für eine Kundenbeziehung unter Umständen prinzipiell als zu hoch ein.
VI. Was tun? Handlungsempfehlungen für Politik und Öffentlichkeit
Ohnmacht und Ratlosigkeit?
Der digitale Wandel schreitet auf allen gesellschaftlichen Ebenen mit einer Geschwindigkeit voran, der viele EntscheidungsträgerInnen mit einer gewissen Ohnmacht und Ratlosigkeit gegenüberstehen. Allgegenwärtige digitale Überwachung könnte künftig drastische Auswirkungen auf Gesellschaft, Demokratie und die Autonomie des Einzelnen haben. Gleichzeitig bieten digitale Kommunikationstechnologien großartige Chancen und Möglichkeiten in vielen gesellschaftlichen Bereichen.
„99% von uns leben auf der falschen Seite des einseitig verspiegelten Glases“
Um die möglichen negativen Auswirkungen zu minimieren, wird unter anderem folgendes empfohlen:
Schaffung von Transparenz über die Praktiken von Unternehmen – durch Forschung, Öffentlichkeit und Regulierung.
Unterstützung von dezentralen Technologien, die mehr Kontrolle über persönliche Daten einräumen – auf allen Ebenen der Forschungs-, Förderungs- und Vergabepraxis.
Stärkung von digitaler Zivilgesellschaft und kritischem Diskurs über Chancen, Risiken, Machtungleichgewichte und Lösungsmöglichkeiten.
Stärkung von digitaler Kompetenz und von Wissen über den Umgang mit den eigenen persönlichen Daten.
Europäische Datenschutzverordnung: Maximale Aufmerksamkeit auf eine gute und trotzdem zügige Ausgestaltung der europäischen Datenschutzverordnung.
Transparenz der Algorithmen: Darüber hinaus ist darüber nachzudenken, Transparenz rechtlich nicht nur in Bezug auf die gesammelten Daten einfordern, sondern auch bezüglich der eingesetzten statistischen Verarbeitungsalgorithmen.
Hinweis
Eine ausführliche Darstellung aller in dieser Zusammenfassung erwähnten Themen, weitere Handlungsempfehlungen für Politik, Öffentlichkeit, Unternehmen und NutzerInnen sowie alle Belege, Quellen und eine umfangreiche Literaturliste finden sich in der vollständigen Version der Studie.
Partner und Unterstützung für die Web-Aufbereitung:
