Page - 37 - in Die Big-Data-Debatte - Chancen und Risiken der digital vernetzten Gesellschaft

37 Viele Nutzer haben zudem inzwischen den Überblick verloren, welche persön- lichen Daten sie wem preisgegeben haben, oder sie nehmen die vorgefundene Datenpraxis hin. In einer Umfrage von PwC nach dem Cambridge-Analyti- ca-Skandal äußerten 43 %, sie hätten daraufhin nichts in Bezug auf Datenschutz unternommen, 13 % hatten den Skandal sogar überhaupt nicht mitbekommen (PwC 2017). Viele Nutzer gehen sorglos mit den eigenen Daten und persön- lichen Informationen um und verraten freiwillig Vorlieben und Gewohnheiten, wenn ihnen kleine Vorteile, wie die Teilnahme an Gewinnspielen oder Rabatte, versprochen werden. Sogar Apps mit Persönlichkeitstests werden massenhaft ausgefüllt (Farnadi et al. S. 3). Auch wenn die Akzeptanz von Super-Scores nach chinesischem Muster in Deutschland insgesamt nur gering ist, so findet die Idee bei immerhin fast jedem Zehnten der Befragten Zustimmung (Sachverständigen- rat für Verbraucherfragen 2018, S. 102). Alle Furchtappelle, die von den dys- topischen Narrativen ausgehen, haben nicht dazu geführt, dass sich mehrheitlich ein vorsichtiger Umgang mit Spuren bzw. Daten im Netz durchgesetzt hätte. Die Vorstellung darüber, wie aus einzelnen Informationsschnipseln Persönlich- keitseigenschaften erschlossen werden können, fällt schwer. So haben Wissen- schaftler der Universität Cambridge und von Microsoft anhand der Daten von 58.000 freiwilligen US-Amerikanern gezeigt, dass sich aus den Facebook-Li- kes mit einer Wahrscheinlichkeit von 88 % ableiten lässt, ob jemand homo- oder heterosexuell ist (Kosinski et al. 2013). Anhand von standardisierten Modellen wie dem „Big Five Personality Model“ (Youyou et al. 2015, S. 2; Farnadi et al. 2014, S. 2 ff.) werden ebenfalls aus Facebook-Likes spezifische Persönlichkeitsprofile von Nutzern ermittelt. Diese Ergebnisse sind sogar besser als die im Umfeld der Personen direkt per Fragebogen ermittelten Einschätzungen (Youyou et al. 2015). Viele Nutzer glauben fälschlicherweise auch, dass Online-Daten keine Rück- schlüsse auf die Identität zulassen. Was nicht stimmt: So konnten drei Wissen- schaftler aus London mithilfe von Systemen maschinellen Lernens anhand der Metadaten bei 10.000 Twitter-Nutzern jeden mit einer Wahrscheinlichkeit von 96,7 % identifizieren – ein Ergebnis, das nach Angaben der Wissenschaftler auch bei ähnlichen Plattformen wie Facebook erreicht worden wäre (Borgböhmer 2018). Informationelle Selbstbestimmung setzt jedoch voraus, dass die Menschen bewusst, rational und selbstständig entscheiden, welche persönlichen Informa- tionen sie offenbaren und wie mit ihren Daten verfahren wird. Das wird unter den Bedingungen von Big Data immer schwieriger, wenn nicht unmöglich. Viele geben ihr Einverständnis zur Verarbeitung persönlicher Daten, ohne viel nachzu- denken, ohne die Einverständniserklärung ganz oder auch nur in Teilen gelesen zu haben. Der Anspruch informationeller Selbstbestimmung im Sinne einer 1.4 Vom Heldenbild des rationalen, souveränen Nutzers …