Page - 113 - in Digitale Souveränität - Bürger | Unternehmen | Staat

iit-Themenband – Digitale Souveränität 113 Dass Wähler allerdings selbst beurteilen könnten, welche der ihnen präsentierten Daten valide sind und welche Zahlen in welchem Maße reale Verhältnisse widerspiegeln, ist in funktional differenzierten Wissensgesellschaften nicht vorstellbar. Zu komplex sind die sozialen Zusammenhänge, die erfasst und ausgewertet werden, zu kompliziert die Erhebungs- und Auswertungsmethoden aussagekräftiger empirischer Studien. Es ist aber auch nicht notwendig, denn schließlich sind Wissenschaftler für diese Arbeit zuständig, auf die die übrigen Bürger ihre Datenkompetenzen im übertragenen Sinne auslagern können. Dafür ist jedoch Vertrauen nötig. Vertrauen in wissenschaftlich generierte Analyseergebnisse und Vertrauen, das momentan nicht vorhanden scheint. Dieses Vertrauen wiederherzustellen ist außerordentlich wichtig, um den bereits ent- standenen Schaden am politischen Legitimationsprozess zu reparieren und künftigen Schaden einzudämmen. Dazu muss aber offen gesagt werden, dass statistische Methoden bei bestimmten Fragestellungen an ihre Grenzen gelangt sind. Insbeson- dere Wissenschaftler, Meinungsforscher und Analysten sind hier in der Pflicht, zum einen die Ergebnisse von klassisch generierten Wahlprognosen als das darzustellen, was sie sind: Auf bestimmten Annahmen beruhende Verallgemeinerungen, die nur dann zutreffen, wenn diese Annahmen sich als korrekt erweisen. Diese Annahmen zusammen mit den Prognoseergebnissen transparent zu kommunizieren, wäre darü- ber hinaus hilfreich. Zum anderen müssen Wissenschaftler, Meinungsforscher und Analysten ihre Datenkompetenzen auch weiterentwickeln. Statistische Methoden müssen der Komplexität der Welt wieder gerecht werden und dabei gezielt die breite Streuung von Lebensverhältnissen und -stilen stärker in den Fokus nehmen, um eine zunehmende Abweichung von durchschnittlichen, leicht zu kategorisierenden Stan- dards erfassen zu können. Die zunehmende Verknüpfung immer mehr personenbezogener Daten lässt sich nicht aufhalten. Für welche Zwecke und auf welche Weise solche Daten unter privat- wirtschaftlicher Kontrolle verwendet werden, wird sich alleine aufgrund ihrer schie- ren Masse künftig kaum noch wirksam kontrollieren und deshalb auch nicht sinnvoll reglementieren lassen. Statt aber einem intransparenten, häufig theorielosen Umgang mit solchen Daten das Feld zu überlassen und Big Data grundsätzlich abzu- lehnen, sollten insbesondere Wissenschaftler die Chance wahrnehmen, selbst Erkenntnisse aus Big Data zu gewinnen.5 5 Intuitiv mag sich an dieser Stelle die Problematik des Datenschutzes als potenzieller Hinde- rungsgrund aufdrängen. Es sollte jedoch bedacht werden, dass die Wissenschaft sowohl eher in der Lage sein wird, einen datenschutzwürdigen Umgang mit Big Data zu entwickeln (ggf. unter Weiterentwicklung der bisherigen Vorstellungen von Datenschutz, die einer digitalisier- ten Welt unter Umständen nicht mehr gerecht werden), als auch einen solchen Umgang gewissenhafter zu praktizieren als dies im privatwirtschaftlichen Rahmen zu erwarten ist.