DIVSI wurde am 31.12.2018 aufgelöst. Diese Website dient ausschließlich als Archiv und wird nicht mehr aktualisiert.
DIVSI wurde am 31.12.2018 aufgelöst
und wird nicht mehr aktualisiert.

zurück zur Übersicht

Brauchen wir für Big Data neue Regeln?

17. Mai 2016

Brauchen wir für Big Data neue Regeln?

Bild: solarseven – Shutterstock

Untersuchung zu Smart Mobility und Smart Health zeigt: Es existieren eine Reihe von Konfliktfeldern, die eine gesellschaftliche Debatte erforderlich machen.

Von Philipp Otto

Wie groß sind Chancen und Risiken beim Einsatz von Big Data auf den Gebieten Smart Mobility und Smart Health? Welche Konfliktlinien resultieren daraus, und wo liegen die besonderen gesellschaftlichen Herausforderungen? Um diese Problematik ging es bei der jetzt vorgestellten Untersuchung „Big Data“, die iRightsLab gemeinsam mit DIVSI erstellt hat.

Die gewonnenen Erkenntnisse haben bisher gezeigt, dass in Bezug auf Tracking und Big Data eine Reihe von Konfliktlinien existieren, die den Bedarf nach einer gesellschaftlichen Debatte aufwerfen. Eine solche könnte ergeben, dass für Big Data neue oder angepasste Regeln benötigt werden, für die sich alternative Regulierungsansätze wie ein „Digitaler Kodex“ eignen könnten. Das dem Bericht zugrunde liegende Projekt ist Teil des Gesamtvorhabens „Braucht Deutschland einen Digitalen Kodex?“, das 2013 ins Leben gerufen wurde.

Ziel der im Herbst 2014 gestarteten zweiten Projektphase ist es, zu untersuchen, ob das Modell eines „Digitalen Kodex“ auch in der konkreten Anwendung trägt und sich realisieren lässt. Der Projektteil „Big Data“ ist dabei noch nicht abgeschlossen. In einem ersten Schritt wurden jetzt zunächst konkrete Konfliktfelder beschrieben, die durch Big Data entstehen. Da das Phänomen äußerst facettenreich ist, wurde die Thematik auf zwei Anwendungsgebiete eingegrenzt: Smart Mobility und Smart Health. An ihnen wurden exemplarisch die Chancen und Herausforderungen von Big Data herausgearbeitet, um Regelungsbedürfnisse zu identifizieren, denen dann mit einem zu schaffenden „Digitalen Kodex“ begegnet werden könnte.

Alleswisser am Handgelenk

Alleswisser: Am Handgelenk können alle Daten empfangen und beobachtet werden. (Bild: Alexey Boldin – Shutterstock)

Ein Projektschwerpunkt war Tracking als eine der Methoden, bei der die in Big-Data-Anwendungen eingesetzten großen Datenmengen anfallen. Bei solchen Anwendungen werden computergestützt die Daten analysiert und weiterverwendet. Diese sind insbesondere durch die immer weiter zunehmende Digitalisierung vieler Lebensbereiche entstanden, wobei Tracking-Technologien eine der Hauptquellen für die Erzeugung dieser Daten sind.

Tracking kommt in immer mehr Anwendungen zum Einsatz, so zum Beispiel in Smartphones, Fitnessarmbändern oder in Blackboxes, die in Autos eingebaut werden. Die Geräte zeichnen fortlaufend bestimmte Werte auf und übermitteln die so gewonnenen Daten an Server der Anbieter, wo sie gespeichert werden und für Big-Data-Auswertungen zur Verfügung stehen.

Prämienanpassung

Im Bereich Smart Mobility sind telematikbasierte KFZ-Versicherungen ein aktuelles Anwendungsfeld. Tarife werden dabei unter anderem auf Basis des tatsächlichen Fahrverhaltens des Versicherungsnehmers angepasst. Zu diesem Zweck wird zumeist eine Blackbox in das Auto des Kunden eingebaut, die das Fahrverhalten verfolgt und aufzeichnet. Auf Basis einer Datenanalyse werden schließlich die Prämien errechnet und entsprechend angepasst.

Diese Art von Versicherungsmodell verspricht eine Reihe von Chancen. So werden die Autoversicherer in die Lage versetzt, profitablere Versicherungsmodelle anbieten zu können. Zugleich können die Autofahrer profitieren, insbesondere jene, die bislang aufgrund ihrer Zuordnung zu einer bestimmten Gruppe – wie beispielsweise Fahranfänger – ungeachtet ihres individuellen Fahrstils hohe Prämien zahlen mussten. Darüber hinaus könnte sich die Sicherheit auf den Straßen erhöhen und die Umweltbelastung sinken, worin ein gesamtgesellschaftlicher Nutzen zu sehen wäre.

Versicherung

Telematikbasierte Autoversicherung: Eine Blackbox im Auto erfasst Daten zum Fahrverhalten und übermittelt sie an die Versicherung. Die Auswertung dieser Daten bildet die Grundlage für die Höhe der Versicherungsprämie. Getrackt werden unter anderem starkes Bremsen oder Beschleunigen, Tageszeiten der Fahrten und zurückgelegte Entfernung. (Bild: Dieter Duneka)

Zugleich birgt ein solches Modell Risiken. So ermöglicht das Tracking, umfassende Bewegungsprofile von Autofahrern zu erstellen. Darüber hinaus ist an Personengruppen zu denken, die beispielsweise im Schichtdienst arbeiten und deshalb ihr Fahrzeug zu Zeiten nutzen müssen, die als risikobehaftet identifiziert werden, und deshalb höhere Tarife zahlen müssen. Ein weiteres Beispiel für eine Anwendung im Bereich Smart Mobility ist die datengetriebene Verkehrslenkung in Ballungsräumen, die auf Grundlage von Bewegungs- und Geolokationsdaten die Verkehrsströme zu optimieren versucht. Dies kann den Verkehrsteilnehmern helfen, Zeit einzusparen. Durch die daraus folgende Ressourcenoptimierung werden zudem weniger Emissionen freigesetzt.

Verkehr

Intelligente Verkehrslenkung: Sensoren und Tracker sammeln große Datenmengen – zu Verkehrsbewegungen, Unfällen oder dem Wetter – und übermitteln sie an Server, wo sie in Echtzeit ausgewertet werden. Aufgrund der Analyseergebnisse greifen Steuerungsmechanismen regulierend in den Verkehr ein und können Staus verhindern. (Bild: Dieter Duneka)

Planungschance

Den kommunalen Planungsbehörden bieten sich darüber hinaus Möglichkeiten, Infrastrukturprojekte gezielter durchzuführen, während die Verkehrsbetriebe die ihnen zur Verfügung stehenden Mittel präziser einsetzen können. Demgegenüber kann das Tracking der Bewegungen der Bürger im städtischen Raum trotz anonymisierter Daten zum Gefühl beitragen, unter Überwachung zu stehen, was sich verhaltensändernd auswirken kann.

Auch im Gesundheitssektor wird im Bereich Smart Health immer mehr auf Big-Data-Anwendungen zurückgegriffen. Die dafür notwendigen Datenmengen werden unter anderem durch Wearables erzeugt, also beispielsweise durch Fitness-Armbänder oder Smart Watches, die Vitalwerte ihres Trägers aufzeichnen. Gerade im Gesundheitssektor sind mit Big Data große Hoffnungen verbunden, die Prävention, Diagnose und Therapie von Krankheiten zu verbessern. So können Ärzte den Gesundheitszustand ihrer Patienten präziser überwachen; Krankenhäuser können aus großen Datensätzen von Patienten Erkenntnisse gewinnen, anhand derer sie die verfügbaren Ressourcen besser verteilen können; auch zur Vorhersage von Epidemien kann Big Data nützlich sein.

In besonderem Maße verspricht sich die medizinische Forschung Chancen durch Big Data, da es mittels Wearables künftig leichter sein dürfte, Probanden für Studien zu gewinnen. Dadurch entsteht leichter eine ausreichend große Datenbasis für medizinische Erkenntnisse. Auch das Krankenversicherungssystem kann durch die Informationen, die durch Wearables gewonnen werden, neue Tarifmodelle schaffen, die Kosten einsparen helfen und Ressourcen besser nutzbar machen. Nicht zuletzt profitieren die Nutzer solcher Geräte selbst von den genannten Möglichkeiten.

Wearables

Wearables protokollieren Gesundheits- und Aktivitätsdaten des Trägers, wie z.B. Anzahl der Schritte, Schlafdauer und Herzfrequenz.Die Daten kann der Anwender einerseits selbst nutzen. Andererseits können sie auch für den behandelnden Arzt, die Versicherung oder für die Forschung freigegeben werden. (Bild: Dieter Duneka)

Anpassungsdruck

Auch der Einsatz von Big Data im Gesundheitsbereich birgt Risiken. So vergrößert sich für den Nutzer die Gefahr der Fremdbestimmtheit, wenn durch die konstante Überprüfbarkeit und Vergleichbarkeit von Gesundheitsdaten gesellschaftlich neu definiert wird, welche körperlichen Zustände als gesund, also „richtig“, und welche als krank, also „falsch“, gelten. Diese Neudefinition kann zu einem erhöhten Anpassungsdruck führen.

Eine Gefahr besteht zudem darin, dass die Möglichkeit, sich gegen die Nutzung von Wearables zu entscheiden, an gesellschaftlicher Akzeptanz verliert. Da es sich bei Gesundheitsdaten um besonders persönliche und sensible Daten handelt, stellt sich außerdem die Frage, wie Datenschutz und Datensicherheit gewährleistet werden können, um Missbrauch im Umgang mit den Daten zu verhindern. Für die medizinische Forschung schließlich besteht zumindest potenziell das Problem, dass medizinische Studien, die mittels Wearables durchgeführt werden, für das Phänomen der Stichprobenverzerrung besonders anfällig sein könnten, wenn sich zum Beispiel die Studienteilnehmer ausschließlich aus solchen Bevölkerungsteilen rekrutieren, die sich ein solches Gerät leisten können.

Die Untersuchung hat auch gezeigt, dass zahlreiche Themen in diesem Zusammenhang noch vertieft werden müssen. Insbesondere gilt hier:

  • Big Data stellt Grundprinzipien des Datenschutzrechts wie Datensparsamkeit und Zweckbindung infrage. Es muss daher geklärt werden, inwieweit ein „Digitaler Kodex“ einen Beitrag dazu leisten kann, auf Big Data abgestimmte Lösungen für die dadurch entstehende Problematik zu finden.
  • Wie ist zu gewährleisten, dass die Nutzung von Tracking-Geräten freiwillig bleibt und eine Nichtteilnahme nicht mit Nachteilen verbunden ist, wenn Tracking-Technologien und darauf basierende Big-Data-Anwendungen immer weitere Verbreitung finden? Hat dieses Prinzip der Freiwilligkeit überhaupt weiterhin Bestand?
  • Wie kann Neutralität und Transparenz jener Algorithmen gewährleistet werden, die Big-Data-Anwendungen zugrunde liegen? Diese Aspekte lassen sich unter dem Begriff der Algorithmenethik zusammenfassen. Wie und von wem können Algorithmen daraufhin überprüft werden, ob sie beispielsweise bestimmte Bevölkerungsgruppen unangemessen benachteiligen? Welche Mechanismen müssten geschaffen werden, um die Verwendung solch diskriminierender Algorithmen zu unterbinden?
vorheriger Beitrag nächster Beitrag

Der Autor

Philipp Otto

Philipp Otto

Foto: Andi Weiland

Gründer des Think Tanks iRights.Lab. Er entwickelt Strategien und Konzepte zur Bewältigung der Digitalisierung in Deutschland, Europa und Asien.

nach Oben