Seite - 110 - in Digitale Souveränität - Bürger | Unternehmen | Staat

110 3 Staat Machbarkeit beim Handling immer schneller wachsender Datenmassen neue Her- ausforderungen bei der Auswertung unserer immer komplexer werdenden Welt. Das Problem des statistischen Inferenzschlusses wird für sie spätestens dann buchstäblich in der Datenflut untergehen, wenn die Vernetzung vollendet ist. Big Data und ihre Möglichkeiten Die empirische Forschung, die im öffentlichen Raum stattfindet und gesellschaftliche Entwicklungen fehlerhaft abbildet, leidet also an einer heilbaren Krankheit – an Datenmangel. Dass die Auswirkungen unvollständiger Daten auch im öffentlichen Raum abgemildert werden können, zeigt sich bereits an einigen wichtigen Beispie- len; in den Gesundheitswissenschaften wird beziehungsweise wurde Big-Data-Nut- zung bereits erfolgreich zur Vorhersage von Infektionen Neugeborener (vgl. McGre- gor 2013), bei der Prognose des Verlaufs von Grippewellen oder etwa der Ausbrei- tung von Malaria angewendet (vgl. Wesolowski et al. 2012). Daten sind häufig prinzipiell verfügbar und erlauben die Kombination mehrerer Datensätze und die Integration sehr vieler verschiedener Merkmale. Wenn dabei die Analyseverfahren dieser komplexen Datenstruktur angemessen sind, ist ein Erkennt- nisgewinn gegenüber klassischen Methoden der Datenerhebung und -auswertung absehbar. Das grundlegende Problem ist demnach keine Krise der Statistik im Allge- meinen, sondern ein Passungsproblem wissenschaftlicher Forschung: Denjenigen, die immer umfassenderes Datenwissen besitzen, lässt sich rein systemtheoretisch unterstellen, dass sie es nicht zum Wohle der Allgemeinheit nutzen, wenn dieses nicht zufällig ihrem Eigeninteresse entspricht. Diejenigen, die – zumindest in der The- orie – vor allem dem Wohle der Öffentlichkeit verpflichtet sind, besitzen häufig nicht genug Daten, um zuverlässig damit zu arbeiten. Hinzu kommt eine allgemeine Skepsis gegenüber Big Data. Insbesondere Sozialwissen- schaftler werden in ihrer Ausbildung stets darauf geschult, Korrelationen nicht mit kausalen Zusammenhängen gleichzusetzen. Eine in erster Linie mit Korrelationsanaly- sen, Trend- und Mustererkennungen konnotierte Form der Datenerfassung und -nut- zung muss ihnen fast zwangsläufig zunächst einmal einen enormen Schrecken einja- gen. Und tatsächlich wächst die Gefahr, auf Scheinkorrelationen hereinzufallen, mit steigendem Datenvolumen und steigender Variablenanzahl – schließlich steht alles irgendwie mit irgendetwas anderem in irgendeinem Zusammenhang. Das ist aber kein Grund, Big Data von vornherein zu verteufeln. Denn die Vorteile liegen auf der Hand: • Big Data kann Verhalten direkt messen und nicht nur über zuvor zu operationali- sierende Items Einstellungen abfragen. • Big Data verzeiht Messfehler aufgrund der Kombination unterschiedlicher Daten- quellen (vgl. Mayer-Schönberger 2015).