Die Putzfrau eines Elektronikmarktes in Würzburg entstaubt am 14.3.2003 den Bildschirm eines Fernsehgerätes in einer TV-Wand

28.9.2018 | Von:
Wolfgang Hagen

Facebook & Google entflechten? Warum digitale Medien-Monopole eine Gefahr für Demokratien sind - Essay

Konnektivität und Asymmetrie
Auf diese Weise verändert sich das "Verhältnis von Oberfläche und Tiefe", das der Soziologe Niklas Luhmann zum fundamentalen Strukturschema von Werbung erklärte, grundlegend. "Wie einst die Divinationstechniken der Weisheit", so Luhmann, verwende Werbung "Lineaturen der Oberfläche, um Tiefe erraten zu lassen. (…) Aber Tiefe, das ist jetzt nicht das Schicksal, sondern die Unverbindlichkeit der Werbung. Die Werbung kann nicht bestimmen, was ihre Adressaten denken, fühlen, begehren."[5] Das galt und gilt immer noch für Werbung in den klassischen Massenmedien: Am Ende ist nur über demoskopische Methoden ermittelbar, wer zuschaut oder zuhört.

Seit den frühen 2000er Jahren jedoch leben wir in einer massiven medialen Transformationsperiode, in Deutschland und weltweit. Denn in "Konnektivitätsmedien"[6] wie Google oder Facebook existiert zu jedem Zeitpunkt eine Eins-zu-Eins-Beziehung der Nutzung. Die ARD weiß nicht, wer "Tatort" schaut, Facebook aber sehr wohl, wer wann wo und wie online ist. Werbung in Konnektivitätsmedien hat nichts mehr mit "Divination", mit Wahrsagekunst, zu tun, sondern basiert auf konkreten Daten der Beworbenen. Daran ändert, was Facebook betrifft, auch die neue Datenschutz-Grundverordnung der EU nichts. Nach wie vor muss die NutzerIn für sich per Opt-Out, also per gezielter Abwahl, profil-"gerechte" Werbung verhindern.

Hier mag man erkennen, was Merkel für das "zentrale Gerechtigkeitsproblem der Zukunft" hält. Ungerecht erscheint in der Tat die Asymmetrie der Daten in Konnektivitätsmedien wie Facebook oder Instagram. Sie liegt in der Diskrepanz zwischen dem Wissen der Werbenden und dem Wissen der Beworbenen begründet – auch wenn alles, was die Werbung weiß, aus den Verhaltensweisen der Beworbenen folgt. Doch die Beworbenen klicken, liken oder sharen ohne Wissen, welche relationalen Profile sich daraus algorithmisch ergeben können. Die Algorithmen sind Geschäftsgeheimnis, die rekombinierten Daten gehören allein dem Plattformbetreiber. Für Facebook gilt insofern, was einer Expertise der Justizminister der Bundesländer zufolge auch für meine Autowerkstatt gilt, die die Motordaten meines Fahrzeugs ausliest: "Automatisch generierte Daten werden nach geltendem Recht (…) demjenigen zugeordnet, der faktisch auf sie zugreifen kann, der sie also z.B. speichern, verarbeiten, verkaufen oder löschen kann."[7]

Tatsächlich? Im Bundesverkehrsministerium (BMVI) ist man sich nicht so sicher. Denn der Europäische Gerichtshof hat 2016 beispielsweise dynamische, also nur zeitweise vergebene IP-Adressen für personenbezogene Daten erklärt. Jede NutzerIn hat eine solche, wenn sie im Internet unterwegs ist. Personenbezogen ist diese Adresse, weil es möglich ist, "die betreffende Person anhand der Zusatzinformationen, über die der Internetzugangsanbieter dieser Person verfügt, bestimmen zu lassen."[8] Also folgert das BMVI, "dass auch Daten, die prima facie ‚lediglich‘ technischer Natur sind, personenbezogen sind". Die technische Entwicklung im Bereich der Datenauswertung des Fahr- und Lenkverhaltens ist derweil soweit fortgeschritten, dass die Standortbestimmung ohne klassische Standortdaten (etwa GPS oder Mobilfunk) möglich ist und damit Bewegungsprofile erstellt werden können.[9] Die wären dann personenbezogen, also sind es "meine" Daten, wenn es mein Auto ist.

Micro-Targeting
Facebook schert das alles nicht. Die Firma sichert sich in ihren Nutzungsbedingungen – neben den Rechten an hochgeladenen Fotos und Beiträgen – vor allem alle Rechte zu, die sich als Daten aus der dynamischen Nutzung des eigenen Dienstes ergeben: "Wir erfassen Informationen darüber, wie du unsere Produkte nutzt, (…) über die von dir genutzten Funktionen, über die von dir durchgeführten Handlungen, über die Personen oder Konten, mit denen du interagierst, und über die Zeit, Häufigkeit und Dauer deiner Aktivitäten. Zum Beispiel protokollieren wir, wenn du unsere Produkte gerade nutzt bzw. wann du diese zuletzt genutzt hast, und welche Beiträge, Videos und sonstigen Inhalte du dir in unseren Produkten ansiehst. Wir erfassen auch Informationen darüber, wie du Funktionen wie unsere Kamera nutzt."[10] Das ist Klartext. Auf Basis firmeneigener Algorithmen entsteht so das "Micro-Targeting", das heißt der genaue Zuschnitt von bezahlten Botschaften für den einzelnen User. Der NutzerIn bietet Facebook zwar ein sogenanntes Activity Log, das ihre Likes, Kommentare, Shares etc. chronologisch auflistet; aber das Persönlichkeitsprofil, das Facebook daraus erstellt, bleibt verborgen.

ForscherInnen wie Michal Kosinski, Samuel Gosling, Sandra Matz und andere haben in den vergangenen Jahren herausgefunden, aus wie wenigen Likes ein Algorithmus beispielsweise ein dichtes, individuelles Profil innerhalb des "Big Five"-Modells erstellen kann. Mithilfe dieses Modells lässt sich ein Charakter über die jeweilige Ausprägung von fünf unabhängigen Merkmalsfeldern ausdrücken. Diese umfassen "Offenheit für Erfahrung, Gewissenhaftigkeit, Extrovertiertheit, Freundlichkeit und Neurotizismus".[11] Die Wissenschaftler weisen nach, dass nicht nur Likes und Bilder, sondern auch Geschriebenes in solche Profilbildungen eingehen kann.[12] Den NutzerInnen zeigt Facebook nur, was sie ohnehin schon wissen. Welches Profil, welche Persönlichkeitsmodelle, welche Merkmale, welches psychometrische Design sich daraus ergibt, erfahren sie nicht; das bleibt das Geschäftsgeheimnis von Facebook. Wir wissen nicht einmal, nach welchem der in der Marketingforschung so zahllos existierenden Persönlichkeitsmodellen die Firma tatsächlich vorgeht.[13]

Das Entscheidende daran ist nicht so sehr, dass eine lebendige Person, die NutzerIn, auf ein Persönlichkeitsmodell reduziert wird. Entscheidend sind die Datenmassen, mit denen das Modell ausgestattet ist: Sie ermöglichen Aussagen mit statistisch hoher Wahrscheinlichkeit darüber, was die NutzerIn in der Zukunft tun wird – zum Beispiel, wenn sie mit politischen Botschaften konfrontiert wird, die sie bislang noch nie gesehen hat.[14] Das ist in der Tat eine völlig neue, aber sehr reale Art der Ungerechtigkeit. Der Skandal um die von Facebook illegal an Cambridge Analytica verkauften Daten für das Micro-Targeting von Trump-Wählern – ein "Fehler", für den sich der Vorstandsvorsitzende Mark Zuckerberg vor dem US-Senat "entschuldigte" – macht vergessen, dass es dieses illegalen Geschäfts nicht bedurft hätte: Die eigenen Modelle reichen aus, um bessere Prognosen für das zukünftige Verhalten von Personen zu geben, als es selbst engste Angehörige oder Ehepartner könnten.[15]

Fußnoten

5.
Niklas Luhmann, Die Realität der Massenmedien, Opladen19962, S. 64.
6.
Ich verwende diesen Begriff in Anschluss an Eugene Thacker, Netzwerke – Schwärme – Multitudes, in: Eva Horn (Hrsg.), Schwärme – Kollektive ohne Zentrum. Eine Wissensgeschichte zwischen Leben und Information, Bielefeld 2007, S. 27–68.
7.
Arbeitsgruppe "Digitaler Neustart" der Konferenz der Justizministerinnen und Justizminister der Länder, Bericht vom 15.5.2017, S. 76.
8.
Europäischer Gerichtshof, C-582/14 (Breyer/Deutschland), 19.10.2016.
9.
BMVI, "Eigentumsordnung" für Mobilitätsdaten? Eine Studie aus technischer, ökonomischer und rechtlicher Perspektive, Berlin 2017, S. 48.
10.
Siehe http://www.facebook.com/about/privacy/update«.
11.
Sandra Matz/Yin Wah Fiona Chan/Michal Kosinski, Models of Personality, in: Marko Tkalčič et al. (Hrsg.), Emotions and Personality in Personalized Services. Models, Evaluation and Applications, Cham 2016, S. 35–54, hier S. 42.
12.
Vgl. Michal Kosinski et al., Mining Big Data to Extract Patterns and Predict Real-Life Outcomes, in: Psychological Methods 4/2016, S. 493–506.
13.
Vgl. Cristina Segalin et al., What Your Facebook Profile Picture Reveals about Your Personality, in: Computer Science, 13.8.2017, arxiv.org/abs/1708.01292.
14.
Vgl. Kosinski (Anm. 12).
15.
Vgl. Niels Buus Lassen/Lisbeth la Cour/Ravi Vatrapu, Predictive Analytics with Social Media Data, in: Luke Sloan/Anabel Quan-Haase, The Sage Handbook of Social Media Research Methods, London 2017, S. 328–341.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz veröffentlicht. by-nc-nd/3.0/ Der Name des Autors/Rechteinhabers soll wie folgt genannt werden: by-nc-nd/3.0/
Autor: Wolfgang Hagen für Aus Politik und Zeitgeschichte/bpb.de
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.