Diesen Blogbeitrag möchte ich dem Thema „Transparenz von Online-Diensten in Bezug auf die technische Datenverarbeitung“ widmen, wobei ich auf den Artikel von Clemens Wass und Thomas Kurz „Digitale Hilfsmittel für mehr Transparenz bei der Verarbeitung personenbezogener Daten“ gestoßen bin. Die beiden Autoren beschäftigen sich darin mit dem EU-Forschungsprojekt „ENDORSE“. Dieses bietet laut Wass und Thomas „konkrete Lösungsansätze, Benutzern von Online-Diensten mehr Transparenz und Selbstbestimmung über ihre Daten zu verschaffen und Unternehmen zu helfen, ihre Datenschutzbestimmungen gesetzeskonform in ihre IT-Systeme zu integrieren“.
Die Themen Transparenz und Vertrauen werden aufgrund zunehmender Datenverarbeitung im Internet immer wichtiger. Laut den beiden Autoren ist dieses Thema allerdings nicht nur für die betroffenen User bedeutungsvoll, auch für die datenverarbeitenden Unternehmen stellt das Gewinnen des Vertrauens von Usern im Internet ein wesentliches Problem dar:
„Ein fairer Umgang mit der Privatsphäre der Betroffenen gewinnt nicht nur aus rechtlichen Gründen immer mehr an Bedeutung, sondern auch aus einer Vertrauensfrage heraus, was sich letztendlich auch im wirtschaftlichen Erfolg von Unternehmen zeigt.“
Die beiden Autoren beschreiben die rechtliche Situation in Bezug auf Datenverarbeitung in der EU wie folgt:
„Jede Person hat einen Anspruch darauf zu erfahren, welche ihrer personenbezogenen Daten durch ein Unternehmen verarbeitet werden.“
Dabei sollte laut nationalem Gesetz (D und Ö) ein einfaches „Verlangen“ nach Auskunft, sowohl in schriftlicher als auch mündlicher Form (in Ö nur mit Zustimmung des Unternehmens), reichen um zu erfahren, was ein Unternehmen über eine Person gespeichert hat. In der Praxis ist dies jedoch laut den Autoren deutlich komplizierter (Verlangen nach eingeschriebenen Brief, Beilage einer Ausweise-Kopie, etc.) und möglicherweise werden durch das Verfahren noch mehr Daten über die betroffene Person preisgegeben als das verarbeitende Unternehmen zuvor hatte.
Bei ENDORSE handelt es sich wie bereits genannt um ein EU-Forschungsprojekt, welches unter der Leitung des irischen Waterfood Institute of Technologies und in Zusammenarbeit mit Universitäten aus Spanien, Großbritannien, Italien, den Niederlanden und Österreich, durchgeführt wird. Das Ziel des Projektes ist es, digitale Werkzeuge zu entwickeln, welche zu mehr Transparenz in Bezug auf elektronische Datenverarbeitung führen.
Anwendungsbeispiel - User
Sam besucht die Webseite eines österreichischen Online-Shops und will dort ein T-Shirt kaufen. Er hat sich zuvor bereits auf der ENDORSE-Webseite das Plug-In „End-User Verification Tool“ für seinen Browser heruntergeladen. Als er nun auf die Webseite des Online-Shops kommt, sieht er, dass die Seite ebenfalls das ENDORSE Framework intergriert hat, nachdem im rechten, unteren Bereich ein kleines Fenster aufleuchtet (Abbildung 1). Befindet sich zusätzlich ein silbernes Sigel auf der Webseite, weiß Sam, dass die Seite von einem externen Auditor auf mögliche versteckte „Hintertürchen“ geprüft wurde.
In das kleine aufgeklappte Fenster kann Sam nun je nach Interesse auslesen, wie und wozu seine Daten verarbeitet werden. Unter „Clear Purposes“ erfährt er beispielswiese zu welchem Zwecke das Unternehmen Daten sammelt. Dabei kontrolliert das System alle Datenzugriffsregeln, welche der Datenschutzbeauftragte zuvor in das System eingegeben hat.
Abbildung 1 - Fair Information Principle[1]
Aus Sicht des Unternehmens
Nebenbei ergibt sich auch ein Vorteil für das Unternehmen, welches bisher die Datenschutzrichtlinien in natürlicher Sprache verfasst hat. Mithilfe des ENDORSE-Systems können die Datenschutzbestimmungen mithilfe der „Privacy Rule Definition Language“, kurz PRDL, ganz einfach als Regeln formuliert werden. Die Regeln, welche der User mithilfe des ENDORSE-Plug-Ins lesen kann (Beispiel: „COMPANY XY MAY process Name, Surname, Address, Postal Code, City, Phone No. FOR direct marketing BASED ON explicit consent.“) stimmen dabei exakt mit den Zugriffsregeln auf die persönlichen Daten im System überein.
Meiner Meinung nach würde ENDORSE sehr gut für die Transparenz von Online-Diensten (inkl. herkömmlicher Webseiten) beitragen. Beim Besuch einer Webseite könnte der User sehr genau erfahren, was im Hintergrund mit seinen Daten passiert bzw. warum der Betreiber der Webseite überhaupt Daten sammelt. Aufgrund dieser Aspekte, finde ich, dass dieser Artikel sehr passend für die Thematik „Transparenz der Internet-Technik“ ist. User könnten die Absichten der Webseiten-Betreiber besser durchschauen und, darauf aufbauend, mithilfe der neu erlangten Informationen, bessere (oder andere) Entscheidungen bei der Nutzung dieser Dienste treffen.
Auf der anderen Seite stellt sich jedoch die Frage, ob Unternehmen diese Möglichkeit tatsächlich annehmen würden. Das Argument in Bezug auf die Schaffung von Vertrauen und dadurch einen möglichen Wettbewerbsvorteil klingt zwar aus Sicht des Users einleuchtend, allerdings ist ungewiss, wie Unternehmen diesen Vorteil mit den Herausforderungen, die damit verbunden wären, abwägen. Denn vermutlich gibt es auch Online-Dienste, bei denen die Offenlegung der Datenverarbeitungsmechanismen statt Vertrauen eher zusätzliches Misstrauen hervorruft.
Quelle: Wass Clemens, Kurz Thomas (2012): Digitale Hilfsmittel für mehr Transparenz bei der Verarbeitung personenbezogener Daten, Datenschutz und Datensicherheit-DuD, 2012, 36. Jg., Nr. 10, S. 748-752.
[Abbildung 1] Ebenda, S. 751.
Ich werde den folgenden Blogbeitrag dem Artikel „Social Network Sites a Source of Customer Behaviors“ von Surma, Motiwalla, Roszkiewicz und Wojcik widmen. Dieser wurde am 15. August 2013 auf „The Twelfth Workshop on E-Business (WEB 2013)“ in Chicago, Illinois, veröffentlicht und beschäftigt sich mit dem Zusammenhang zwischen Facebook-Aktivitäten von Usern und deren Persönlichkeitseigenschaften.
Im Gegensatz zu Web-Tracking (Verhalten von Usern auf Webseiten,…) bieten Soziale Netzwerke reichhaltige Informationen über soziale Beziehungen, was neue Möglichkeiten für Werbetreibenden eröffnet hat. Hinzu kommt, dass herkömmliche Marketingaktivitäten von Unternehmen zunehmend das Vertrauen von Internetnutzern verlieren. Weitreichendes, vereinheitlichtes Massenmarketing (Bannerserien, etc.) wird von Usern also nicht mehr gerne gesehen. Der Weg muss demnach weg vom „Marketing-for-everyone“ gehen.
Außerdem haben Forscher herausgefunden, dass Nutzer andere Teilnehmer gerne als Informationsquelle heranziehen und sich häufig von dem Verhalten oder der Meinungen anderer beeinflussen lassen. Empfehlungen von Freunden nehmen demnach einen immer höheren Stellenwert im Kaufentscheidungsprozess an.
Marketer müssen also versuchen, neue Wege zu finden, um die Konsumenten im Internet zu erreichen und zu beeinflussen. Die Studie von Surma et al hat versucht genau hier anzusetzen mit dem Ziel Zusammenhänge zu finden, welche zum besseren Verständnis von Nutzern (durch Werbetreibende) beiträgt.
Surma et al haben versucht in ihrer Studie herauszufinden, wie die Aktivität eines Users in Sozialen Netzwerken mit dessen Anfälligkeit für externe Beeinflussung (Konformität) zusammenhängt. Hierfür haben die Autoren durch die Facebook Graph API von insgesamt 175 Studenten die Aktivität auf Facebook über einen längeren Zeitraum (etwa ½ Jahr) erhoben. Anschließend haben sie sechs Variablen zusammengestellt, welche Informationen zu der Anzahl an veröffentlichten Beiträgen (Statusmeldungen, Fotos,…), Anzahl der erhaltenen Likes und Kommentare, etc. beinhalten (Tabelle 1).
Tabelle 1
Zudem haben sie den Studenten einen Fragebogen vorgelegt, welcher die Anfälligkeit der Studenten für externe Beeinflussungen erheben soll. Der Fragebogen enthielt insgesamt 5 Fragen (Tabelle 2).
Tabelle 2
Die Ergebnisse der Studie deuten darauf hin, dass tatsächlich ein Zusammenhang zwischen der Aktivität eines Users in Sozialen Netzwerken und dessen Anfälligkeit für externe Beeinflussung besteht. Es wurde eine relative hohe und signifikante Korrelation zwischen der „schreibenden“ Aktivität (Veröffentlichen von Beiträgen) der User mit deren Anfälligkeit, sein Verhalten an externe Einflüsse anzupassen, erhoben. Zudem bestand auch eine sehr hohe Korrelation zwischen der Anzahl an erhaltenen Likes/Kommentaren und der Konformität des Users.
Es könnte demnach sein, dass Personen, welche anfällig für externe Beeinflussung sind, dazu neigen, aktiver auf Sozialen Netzwerken zu agieren, um dadurch (indirekt) Reaktionen/Feedback durch andere User auszulösen. Ob es den Nutzern ihr Verhalten bewusst ist oder nicht, war nicht Teil dieser Studie. Die Autoren formulieren die Ergebnisse zusammenfassend wie folgt: „people less susceptible to external influence display lower activity on the site than the people declaring higher susceptibility to external influence.“[1]
Die Ergebnisse der analysierten Studien könnten von Werbetreibenden für die Konzeption zukünftiger Marketingaktivitäten genutzt werden. Sie zeigen einen noch tieferen Einblick in das Verhalten von Usern/Konsumenten als es Facebook-Userdaten ohnehin bereits machen (z.B. durch die Targeting-Möglichkeiten). Das Wissen darüber, ob die Fans der eigenen Facebook-Seite eher anfällig (häufiges Posten,...) für externe Beeinflussung sind, könnte von Werbetreibenden als Basis für personalisierte Marketing-Botschaften genutzt werden. Eine andere Option wäre es, beispielsweise positive Beiträge von Usern zu liken, wodurch der User in seiner Meinung gestärkt wird.
Werbetreibende könnten mit diesen Informationen sogar noch weiter gehen und damit direkt versuchen die „Führer“ einer Gruppe dahingehend zu beeinflussen, ihre Seite oder ihr Produkt zu „liken“ und dadurch die gesamte Gruppe für sich zu gewinnen.
Die Studie von Surma et al lässt bereits sehr tiefe Einblicke in die Persönlichkeit von Konsumenten. Sie zeigt, dass durch soziale Netzwerke nicht nur demografische Daten, Interessen, Beziehungen, etc. der User analysiert werden können, sondern daraus auch Zusammenhänge gezogen werden können. Es ist möglich, Korrelationen in Bezug auf die eigene Persönlichkeit auszuforschen. Die Theorie des „gläsernen Konsumenten“ geht hier also noch eine Stufe tiefer und beschäftigt sich mit dem tatsächlichen Verhalten von Nutzern abseits der Daten, die vom User selbst angegeben werden.
Leider wurde in der Studie "nur" die Korrelation zwischen den Variablen aufgedeckt, nicht aber eine Kausalität. Man weiß demnach nicht, ob Menschen mit leichter Beeinflussbarkeit von externen Einflüssen eher aktiver sind, oder ob die Aktivität in Sozialen Netzwerken zu einer leichteren Beeinflussung führt. Obwohl es in der Studie so formuliert wurde, als bestände eine dennoch eine Kausalität (Persönlichkeitsmerkmal (leichte Beeinflussbarkeit) führt zu höherer Aktivität).
Quelle:
Jerzy Surma, Luvai Motiwalla, Malgorzata Roszkiewicz, and Jacek Wojcik: Social Network Sites a Source of Customer Behaviors, 2013. Available at: http://works.bepress.com/jerzy_surma/7
[1] Jerzy Surma, Luvai Motiwalla, Malgorzata Roszkiewicz, and Jacek Wojcik: Social Network Sites a Source of Customer Behaviors, 2013, S. 6.
Für den folgenden Beitrag zum Thema Transparenz habe ich mich mit dem Artikel „Big Data, Big Opportunities“ von Stefan Wrobel, Hans Voss, Joachim Köhler, Uwe Beyer und Sören Auer auseinandergesetzt. Der Artikel wurde am 24. Juni diesen Jahres im Magazin „Informatik-Spektrum“ veröffentlicht und beschreibt die aktuelle Situation in deutschen Unternehmen in Bezug auf die Thematik „Big Data“. Hierfür wurde eigens eine Befragung von Entscheidern deutscher Unternehmen durchgeführt (Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS [1]), auf welche ich ebenso Bezug nehmen möchte.
Meiner Meinung nach ist die Aktualität dieses Artikels bzw. dieser Studie wesentlich, weil sich Resultate zu derart präsenten Themen sehr rasch ändern. Zudem habe ich diesen Artikel gewählt, weil er aufzeigt, ob und wozu deutsche Unternehmen Unmengen an Daten (ob von Kunden oder von Produktionsmaschinen) sammeln und wie die zukünftige Entwicklung aussieht.
Im letzten Jahr wurden weltweit erstmals 1,8 Zettabyte an Daten produziert. Diese Anzahl soll sich laut Prognosen alle 2 Jahre verdoppeln, was auf das enorme Wachstum hinweist. Dieser Wachstum sowie die Analyse und Auswertung dieser Daten haben den Begriff „Big Data“ geprägt.[1] Was versteht man allerdings darunter? Wrobel et al. haben für ihren Artikel eine Arbeitsdefinition von „Big Data“ festgelegt, da bislang keine ausreichende wissenschaftliche Definition des Begriffs vorliegt:
„Big Data bezeichnet allgemein den Trend zur Verfügbarkeit immer detaillierterer, komplexerer und zeitnäherer Daten, den Wechsel von einer modellgetriebenen zu einer daten- und modellgetriebenen Herangehensweise und die wirtschaftlichen, gesellschaftlichen und persönlichen Potenziale, die sich aus der Nutzung großer Datenbestände ergeben.“ [2]
Demnach soll aus der Unmenge an erhobenen Daten sowie deren Analyse und Auswertung ein Mehrwert geschaffen werden, welcher dabei hilft zukünftige oder bereits bestehende Fragestellungen und Probleme zu lösen. Inwiefern dies bereits in deutschen Unternehmen eingesetzt wird, haben Wrobel et al. untersucht.
Laut dem Artikel von Wrobel et al. werden in deutschen Unternehmen bereits sehr vielfältig Big-Data-Anwendungen (Anwendungen zur Erhebung und Auswertung von Big Data) eingesetzt. Welche Bereiche des Unternehmens hauptsächlich davon betroffen sind, zeigt folgende Grafik:
Abbildung 1 – Unternehmensbereiche [1]
Wie vermutlich erwartet, werden hauptsächlich im Bereich Marketing & Vertrieb (Kundendaten,…) aber auch in der Produktion (Produktionsdaten, Maschinendaten, Laufzeiten,…) sowie im Management Big-Data-Anwendungen herangezogen.
Die Ziele, welche die Unternehmen mit der Erhebung dieser Datenunmengen erreichen wollen sind zwar branchenabhängig beziehen sich allerdings hauptsächlich auf den Aufbau strategischer Wettbewerbsvorteile. Jedoch spielen auch finanzielle Aspekte (Einsparung von Kosten, Steigerung von Umsätzen – siehe Abbildung) eine wichtige Rolle bei der Motivation zum Einsatz von Big-Data-Anwendungen.
Abbildung 2 - Ziele von Big-Data-Anwendungen und Branchen [1]
Wrobel et. al weisen in ihrem Artikel jedoch auch auf einige Herausforderungen hin. Beispielsweise funktioniert die erfolgreiche Nutzung von Big-Data-Anwendungen „nur in Kombination mit einer entsprechenden grundlegenden Transformation des Unternehmens“. Weiters sehen sich Unternehmen mit der Verknüpfung bzw. Analyse der Daten herausgefordert, da die Daten meist unstrukturiert und äußerst heterogen sind. Die größte Barriere beim Einsatz von Big-Data-Anwendungen sehen die Unternehmen allerdings in Bezug auf Datenschutz und Datensicherheit, da viele Konsumenten Hemmungen davor haben, ihre Daten an Unternehmen weiterzugeben. [2]
Bei der Frage, wie sich das Budget für Big-Data-Anwendungen in den kommenden Jahren in den jeweiligen Unternehmen entwickeln wird, antwortete die absolute Mehrheit damit, das Budget zu steigern.
Abbildung 3 - Budgetentwicklung [1]
Man kann demnach gespannt sein, was sich in Bezug auf Big-Data(-Anwendungen) in den kommenden Jahren entwickeln wird und vor allem, welche neuen Technologien und Systeme den Markt und die Unternehmen erobern werden um das Thema „Big Data“ weiter wachsen zu lassen.
Quelle [1]: FFraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS (2012): Big Data - Vorsprung durch Wissen: Innovationspotenzialanalyse. Online verfügbar unter: http://www.iais.fraunhofer.de/fileadmin/user_upload/Abteilungen/KD/uploads_BDA/Innovationspotenzialanalyse_Big-Data_FraunhoferIAIS_2012.pdf [22.10.2014]
Quelle [2]: Wrobel, Stefan u.a. (2014): Big Data, Big Opportunities, In: Informatik-Spektrum, 2014. Online verfügbar unter: http://download.springer.com.springerlinkdb.han.ubl.jku.at/static/pdf/64/art%253A10.1007%252Fs00287-014-0806-4.pdf?auth66=1413904306_ac38c425432a6371ba2ee9fa7b6f24da&ext=.pdf [22.10.2014] (Link über HAN-login, kostenloser Zugang für Angehörige der JKU)