Auswertungsverfahren werden immer differenzierter: Verschiedene Datenquellen werden „quer“ zueinander
in Beziehung gesetzt. Lernende Algorithmen beziehen systematisch diejenigen Faktoren ein, die die
besten Korrelationen für das gewünschte Ziel erzeugen.
Sie finden so auch statistische Hinweise auf Zusammenhänge, die Menschen durch Beobachtung nicht gefunden
hätten, z.B. Indikatoren für eine Grippeepidemie.
„Der Begriff umschreibt eine Folge
von Anweisungen, mit denen ein
bestimmtes Problem gelöst werden
kann. Die Folge von Anweisungen
findet sich häufig in Software
wieder und liegt im Quellcode vor.“
https://praxistipps.chip.de/was-ist-ein-algorithmuseinfach-erklaert_41355
„Algorithmen sind im Grunde Kochrezepte, die dem Computer sagen,
was für Operationen er durchführen
soll, um auf eine Eingabe
die richtige Antwort zu geben. “
https://www.algo.informatik.tu-darmstadt.de/algorithmik/was-ist-algorithmik/
Korrelationen sind statistische Werte, die
miteinander in Beziehung stehen. So kann z.B.
das Suchverhalten einer Person auf Google mit
bestimmten Käufen auf Amazon korrelieren,
auch Bilddateien können nach Korrelationen
untersucht werden. Was statistisch erhärtet
ist, erscheint uns als objektive Wahrheit.
Korrelationen weisen zwar auf mögliche
Zusammenhänge hin, können diese aber nicht
im Mindesten erklären.
Ursachen werden nicht erkannt.
Menschen werden aufgrund ihrer statistisch
wahrscheinlichen Neigungen einsortiert
und beurteilt – und nicht aufgrund ihrer
tatsächlichen Motive und Einstellungen.
Da die Vorhersage auf unseren vergangenen Handlungen beruht, ist es für die Datensammler wichtig, sie nicht zu vergessen: „Wir können unserer eigenen Vergangenheit immer weniger entkommen. Die Verhaltensvorhersagen durch Big Data beeinflussen z.B. die Auswahl der Informationen und Produkte, die uns angeboten werden, die Jobs, die wir bekommen können, die Partnerwahl, wenn wir Datingportale zu Hilfe nehmen. Sie gefährden also insbesondere unsere Handlungs- und Entscheidungsfreiheit als eigenständige Subjekte.“
www.klicksafe.de/themen/medienethik/privatsphaere-und-big-data/kontrolle-ueber-die-eigene-identitaet
Algorithmen können auch deshalb erfolgreich
erscheinen, weil sie eine Self-fulfilling Prophecy
in Gang setzen. Wenn z.B. Richter
Straftäter zu Gefängnis verurteilen, weil eine
Datenanalyse sie für rückfallgefährdet hält –
und Verurteilte rückfällig werden, weil sie inhaftiert
werden...
Statistische Wahrscheinlichkeit
ersetzt so das Verstehen und
Gestalten einer offenen Realität. Die Chance,
sich anders zu verhalten als vorhergesagt,
verringert sich.
Statistik-Lehrbücher sind voll mit Beispielen von Fehlschlüssen auf der Basis von Korrelationen. Im Big-Data-Zeitalter scheint Korrelation aber immer häufiger „gut genug“: Wenn man nicht mehr mit Stichproben arbeiten muss, sondern SEHR viele Daten hat, („n=all“ ) dann wird Ungenauigkeit von Einzeldaten unproblematischer.
Aussagen nur über Korrelationen reichen dann häufiger aus, um statistisch gegründete Entscheidungen zu treffen, auch wenn die tatsächlichen Zusammenhänge nicht nachvollzogen werden.
(Vgl. Mayer-Schönberger/Cukier, S. 19-72)
Die geschützten personenbezogenen Daten (Name, Adresse, Geburtsdatum) werden seltener gebraucht, um genaue Profile zu erstellen. Metadaten, z.B. Verbindungsdaten, Freundesnetze, Likes, GPS Daten, Browserverläufe, Kaufdaten etc. reichen völlig aus. Allein auf Basis von „anonymen“ Daten werden wir in Profile und Prognosen einbezogen und sind mit deren Anwendungen konfrontiert: z.B. politische Beeinflussung oder Predictive Policing.
Im großen Stil werden Daten von Kindern und Jugendlichen gesammelt, z.B. über ihr Lern,- Sozial-, und Spielverhalten, ihre Interessen und Probleme. Eltern „tracken“ ihre Kinder mit der elektronischen Nanny und der Anbieter trackt mit.
Das digitale Kinderzimmer, der „Schutzranzen“ und „Learning Analytics“ (Messung von Lernverhalten) nimmt zu. Unsere Freiheit als Subjekt wird eingeschränkt. Soll eine Rechenschwäche im 2. Schuljahr, Übergewicht mit Zwölf, intensives Gamen mit dreizehn Jahren darüber entscheiden, ob jemand später einen Job bekommt?
Eine Studie, im Magazin Nature veröffentlicht (2013) zeigt, dass vier aus Aufenthaltsort
und Zeitpunkt bestehende Datenpunkte genügen, um 95% der NutzerInnen eindeutig zu identifizieren.
In einem Forschungsprojekt der US-Bürgerrechtsorganisation Electronic Frontier Foundation (EFF)
konnten 99,1% der untersuchten Browser-NutzerInnen auf Basis ihres Browser Fingerprints korrekt wiedererkannt
werden.
„Unter Begriffen wie „Browser Fingerprint“ oder Device Fingerprint wird seit einigen Jahren die eindeutige
Wiedererkennung von NutzerInnen anhand der Eigenschaften des benutzten Web-Browsers und Gerätes diskutiert
– ohne dass dabei Cookies auf den Rechnern der NutzerInnen gespeichert werden müssen.“
(Vgl. Wolfie Christl: Kommerzielle digitale Überwachung im Alltag, Studie im Auftrag der Bundesarbeitskammer Wien, November 2014)
Themenpaket "Was sind Algorithmen?"
Anleitung, Info- und Factsheets mit den Spielen Roboter-Parcours und Bubblesort.
Für 10-30 Personen, ab 12 Jahre.
Meine Filterblase
Anhand von Luftballons wird das Phänomen "Filterblase" sowohl digital als auch analog erklärt und erfahrbar gemacht.
Roboter-Parcours, 03:50 Min.
Die "BIG DATA Zentrale" organisiert Dir Dein Leben und weiß alles...
Produktion jfc Medienzentrum.
Hansaring 84-86
50670 Köln
0221 130 5615-0
www.jfc.info
Sie haben Ideen für einen Workshop oder Fragen rund um BIG DATA? Gerne helfen wir Ihnen weiter...
Kontakt: Gerda Sieben und Esther Lordieck
esther.lordieck@jfc.info
0221 1305615-26
