Mikrotargeting in der Politik – Wie mit Hilfe von personenbezogenen Daten auch in Deutschland Wahlkampf gemacht wird

Karl Rove, der Architekt der Wahlsiege von George W. Bush als Gouverneur von Texas in den Jahren 1994 und 1998, sowie – deutlich bekannter – der Wahlen zum US-Präsidenten 2000 und 2004, gilt als Innovator des datengetriebenen Wahlkampfs. In Vorbereitung auf die 2004 Kampagne kamen er und sein Team zu dem Schluss, dass Bush 3 Millionen mehr Wähler benötigte, als noch im Jahr 2000. Durch die landesweite Ansprache konservativer Priester, jeweils 10-20 Kirchenbesucher zur Wahl George W. Bushs zu überzeugen, gelang die Wiederholung des Wahlsiegs von 2000 im Jahr 2004 mit ziemlich genau 3 Millionen Stimmen Unterschied.

Karl Rove arbeitete hauptsächlich mit Direktmarketing-Methoden, sein Unternehmen hatte zum damaligen Zeitpunkt die größte entsprechende Datenbank mit demographischen Informationen über nordamerikanische Wähler aufgebaut. Wenngleich im Unterschied zu breit gestreuten Marketingmassnahmen im Direkt-Mailing einzelne Personen angesprochen werden, erhalten alle Personen immer noch dieselbe Kommunikationsbotschafft – unabhängig von ihren individuellen Präferenzen.

Was ist Mikrotargeting?

Hierin besteht der Unterschied zum Mikrotargeting, mit dem sich eine politische Partei zwar ebenfalls an Individuen richtet, ihre Botschaft jedoch an den spezifischen Rahmenbedingungen und Präferenzen des Empfängers ausrichtet. Möglich wird Mikrotargeting durch den Zugriff auf erheblich mehr Daten über jeden eizelnen Wähler, als dies noch zu Karl Roves Zeiten der Fall war. In seinen Wahlkämpfen 2008 und 2012 wurde Barack Obama vom Washingtoner Beratungsunternehmen Strategic Telemetry unterstützt. Hillary Clinton setzte 2016 auf die Dienste von Penn, Schoen, Berland (PSB), die neben Büros an Ost- und Westküste der USA auch an drei Europäischen Standorten sowie in Dubai Dependancen unterhalten. Letztgenannte PBS sind allerdings durch den Wahlsieg Donald Trumps medial ins Hintertreffen geraten: die Lorbeeren für die datengetriebenen Wahlkampfstrategie fuhr das bis dato unbekannte Unternehmen Cambridge Analytica ein, das erst im Sommer vom Wahkampfteam Trump beauftragt worden war, nachdem der erste bekannte Kunde, Ted Cruz, das Rennen um den republikanischen Kandidaten verloren hatte.

Die gemischten Resultate der drei genannten Unternehmen lassen bereits erkennen, dass – ganz ohne weitere Sachkenntnis – Mikrotargeting definitiv einen Anteil am Erfolg eines um Wählerstimmen kämpfenden Kandidaten haben kann. Offensichtlich jedoch ist es kein Selbstläufer, sonst hätte sich eine etablierte Firma wie PSB nicht von einem Newcomer wie Cambridge Analytica die Butter vom Brot nehmen lassen. Die Frage lautet also: Welchen Anteil hat Mikrotargeting am Erfolg eines Kandidaten?

Wie funktioniert Mikrotargeting?

(Daten-)Technische Grundlage des Mikrotargeting ist die Vorhersageanalyse aka Predictive Analytics. Die im Vergleich mit Deutschland signifikant andersartigen Datenschutzregeln und das Wahlverfahren erlauben es den Parteien in den USA, Informationen über Einkommen, Konsumgewohnheiten, etc. der Wähler im Wahlkampf zu nutzen. Der republikanische Anwärter auf die Präsidentschaftskandidatur, Ted Cruz, sorgte selbst in dieser aus deutscher Sicht eher freizügigen Umgebung für negative Schlagzeilen, als in seinem Auftrag die oben genannte Cambridge Analytica mit Hilfe spezifischer Persönlichkeitsfragebögen, für deren Ausfüllen auf Facebook jeder Nutzer 1 US-Dollar bekam, detaillierte Persönlichkeitsprofile erstellte. Da dies den Facebook Nutzungsbedingungen zuwider lief, wurde das Verfahren eingestellt. Die erhobenen Daten liegen Cambridge Analytica jedoch weiter vor und wurden im Anschluss im Wahlkamof für Donld Trump eingesetzt. In Deutschland ist es dagegen nicht zulässig, Daten dieser Art zu erheben und im Wahlkampf zu verwenden.

Dies erschwert die Arbeit des Datenanalysten, macht sie jedoch mitnichten unmöglich. Wenn keine entsprechenden Informationen über demographische Daten, Verhalten und Gewohnheiten der Wähler vorliegen, werden entsprechende Annahmen getroffen und mit politischen Empfänglichkeiten korreliert. Für eine erste grobe Einstufung reichen Postleitzahlen – genauere Angaben ergeben sich dann durch zugekaufte Daten, die beispielsweise Verträge, Rabattkarten oder online gestellte Informationen wie oben genannte Quizzes. Da viele Social Media Nutzer regelmässig an derlei Quizzes und Umfragen teilnehmen, reichen diese Angaben aus, um Aussagen über wahrscheinliche Präferenzen von Menschen treffen zu können.

Dazu zählen insbesondere Antworten auf die folgenden Fragen:
– Wie wahrscheinlich ist es, dass ein Mensch Wechselwähler bzw. noch unentschieden hinsichtlich seiner Stimmabgabe ist?
– Für welche Themen interessiert sich die Wählerin besonders stark?
– Wie wahrscheinlich ist es, dass eine Wählerin für den eigenen Kandidaten stimmt?

Auf den über die Wähler bekannten Informationen werden nun statistische Modelle gebaut, die entsprechende Antworten auf die o.g. Fragen vorhersagen – das sogenannte Predictive Modeling. Ausgestattet mit diesen Antworten werden wählerspezifische Wahlbotschaften in Text und Bild entwickelt und den Wählern entsprechend ihrer jeweiligen Präferenzen zugeschickt – per Direktmarketing oder über Social Media Kanäle – in Deutschland hauptsächlich auf Facebook. Auf diese Weise bekommt eine nicht entschlossene 34-jährige Russlanddeutsche Wählerin mit Wohnsitz Berlin-Kreuzberg eine politische Facebook-Anzeige in ihren Stream eingespielt, die ihren Grundbedürfnissen entspricht und für sie die gesuchte Entscheidungshilfe für ihre Stimmabgabe in der Bundestagswahl 2017 ist.
Grundlage für diese letzte entscheidende Kommunikationsbotschaft ist die Fähigkeit, ein Persönlichkeitsprofil des einzelnen Menschen auf Basis der von ihm selbst hinterlassenen Daten zu erstellen, dies mit entsprechender passender Kommunikation zu verknüpfen und ihm die Botschaft in demjenigen Kanal auszuspielen, dem er vertraut und aus dem er News und Infos bezieht – kurz: Mikrotargeting.

Datenschutz und Fake News

Was für viele Menschen insbesondere vor dem Hintergrund der Wahl Donald Trumps und der eher nebulösen Berichterstattung über das Thema in etablierten Medien wie eine bedrohliche Kulisse wirkt, vor der zukünftig politische Akteure handeln, ist Tagesgeschäft von auf Datenanalyse fokussierter Unternehmen. Solange sich die Akteure innerhalb der rechtlichen Rahmenbedingungen aufhalten, ist zumindest juristisch nichts gegen dieses Vorgehen einzuwenden. Wie oben schon angedeutet, ist der aus deutscher Sicht eher laxe Umgang mit Datenschutz in den USA die Basis für einen auch am Rande der Legalität datengetriebenen Wahlkampf.

Aber nicht nur der Datenschutz spielt eine Hauptrolle: auch diejenigen Mittelsmänner in einem Wahlkampf, die zwischen Parteien und Wähler stehen: klassische Medien sowie zahllose Akteure, die via Facebook auf ihre Art Wahlkampf betreiben, indem sie neben faktischen Informationen auch Falschinformationen – Fake News – publizieren und verbreiten. Für den Social Media Nutzer wird es zunehmend schwerer, richtige von falschen bzw. gefälschten Nachrichten zu unterscheiden. Und die immanente Eigenschaft Sozialer Medien, durch stetes millionenfaches Teilen alle möglichen Inhalte in kürzester Zeit unabhängig vom Wahrheitsgehalt zu einer faktischen News zu machen, verstärkt dieses Problem.

Wahlgewinner setzen Mikrotargeting ein

Alle demokratischen politischen Parteien müssen daher einen Weg finden, durch das Dickicht der Mittelsmänner und Falschmelder einen direkten, unmittelbaren Weg zu ihren (potenziellen) Wählern zu finden, um ihre Wahlbotschaft unverfälscht an die Frau zu bringen. Insofern stellt Mikrotargeting keine Bedrohung, sondern letztlich ein unverzichtbares strategisches Instrument für politische Parteien dar. Wer zukünftig Mikrotargeting nicht nutzt, wird zum Kreise der Wahlverlierer gehören.

Meredith L. Patterson und Flight Delay Dapp Live Demo auf dem Ethereum Munich Meetup, 20.9.16

Meredith L. Patterson ist jedem in der Security- und Crypto-Szene ein Begriff. Neben ihrer Arbeit im Bereich der Computational Linguistic und Data Maning ist Meredith Autorin und Bloggerin. Ihre Themen sind Copyright Reform, Biohacking, Bürgerrechte und Programmiersprachen.

Auf dem Ethereum Munich Meetup wird Meredith ihre Perspektive auf die Sicherheit der Blockchain und entsprechender Anwendungen darstellen. Über die Erkenntnis hinaus, dass die Blockchain lediglich für spezifische Teile eines gesamten Datenprozesses absolut Sicherheit garantieren kann – zumindest solange nicht jedermann über seinen eigenen Quantencomputer verfügt, haben die Teilnehmer Gelegenheit die Grenzen des Blockchain-Einsatzes auszuloten.

Der Abend beginnt mit leichterer, aber ebenso spannender Kost: als Weltpremiere präsentiert live aus Shanghai Christoph Mussenbrock die auf Ethereum Smart Contracts basierende Dapp Flight Delay. Sollte die Great Fire Wall die Live Demo verhindern, wird sein Partner Tobias Pfab die Präsentation vor Ort durchführen.

Für spannende Inhalte und rege Diskussion ist also gesorgt, am Dienstag, den 20.September im Saal 1008 des Bayerischen Staatsministeriums für Wirtschaft und Medien, Energie und Technologie, Prinzregentenstrasse 28.

Anmeldung und Details zum Ethereum Munich Meetup

Chance und Herausforderung zugleich: Das IoT verbindet Hersteller und Markenartikler direkt mit ihren Kunden

Ausgestattet mit Sensoren und Mikrochips kommunizieren immer mehr Objekte selbständig miteinander und mit Menschen – das Internet of Things IoT ist da. Banale Alltagsgegenstände wie Waschpulver werden durch auf der Verpackung angebrachte Sensoren zu smarten Objekten, die ihre eigene Verwendung registrieren und mit Lesegeräten wie Smartphones kommunizieren, wenn sie eingescannt werden. Aus 5 Milliarden schnurlos miteinander verbundenen Objekten im Jahr 2015 sollen 21 Milliarden innerhalb der kommenden 5 Jahre werden.

Wer profitiert vom Internet of Things?
Werfen wir zunächst einen Blick auf die naheliegenden Anwendungsfälle: in den Bereichen Lagerhaltung und Supply Chain Management werden Technologien implementiert, die Objekte miteinander kommunizieren lassen. Das ermöglicht es nicht nur Herstellern und Distributeuren, den Weg der Produkte vom Werk in den Laden bis hin zum Endkunden zu verfolgen. Espressobohnen werden ihren Baristas selbständig über die optimale Lagertemperatur in Kenntnis setzen und Batterien ihre Nutzer rechtzeitig vor Ablauf ihrer Leistungsfähigkeit warnen.
Unserer Ansicht nach liegen jenseits der eher technischen Supply Chain Betrachtungen die grössten Wertschöpfungspotenziale im Customer Relationship Management. Markenhersteller realisieren, dass der beste Weg ihre Produkte zu verkaufen weniger in groß angelegten Werbekampagnen zu suchen ist, sondern darin besteht, persönliche 1:1-Beziehungen zu ihren Kunden aufzubauen. Momentan ist dies vor allem eine Stärke des Einzelhandels, der die Vorlieben seiner Kunden kennt und sie über Kundenbindungsprogramme bei Laune hält. Fragen Sie sich selbst: bei wem kaufen Sie ein? Bei der Marke oder im Laden? Gerade Händler mit überzeugendem Online-Auftritt sind prädestiniert, ihre Kunden am besten zu verstehen – oft kennen sie die gesamte Customer Journey und können entsprechend gut passende Angebote unterbreiten.

Sprechen Sie doch direkt mit Ihrem Kunden!
Da Sensoren und Mikrochips immer weniger kosten, wird es zunehmend sinnvoller, Produkte damit auszustatten und sie miteinander kommunizieren zu lassen. Das unmittelbare Ergebnis von immer mehr Daten sammelnden und übertragenden Objekten im Internet of Things ist ein gewaltiger Datenstrom von Endkunden-Daten, der bei Herstellern mündet. Während in einem herstellenden Unternehmen oder einem typischen Markenartiker bisher wenige Endkundendaten gesammelt und sich niemand für den direkten Kontakt mit Endnutzern zuständig fühlte, sind die Daten auf einmal da und bieten die einmalige Gelegenheit,  zum ersten Mal in der Geschichte des Unternehmens den Kunden wirklich kennenzulernen – und sogar mit ihm zu kommunizieren.

Vordergründig handelt es sich also um eine riesige Chance, bei genauer Betrachtung zeigen sich jedoch mindestens ebenso grosse  Herausforderungen – das Unternehmen steht auf einmal vor grundlegenden Fragen und strukturellen Änderungen: Ist die IT Infrastruktur des Unternehmens für das Management von Big Data ausgelegt? Sind im IT Bereich genügend Mitarbeiter mit ausreichenden Kenntnissen und Erfahrung in der Abwicklung von Big Data Projekten – Data Sampling, Data Munging, Data Analytics, Data Visualization verfügbar? Gibt es im Produktmanagement Kapazitäten und Expertise für entsprechende Use Cases, die die mit dem Internet of Things möglich gewordenen Kontextszenarien berücksichtigen? Sicherlich gibt es für die einzelnen Prozess-Stufen eines typischen Big Data Projekts bereits Instrumente am Markt, die als Software-as-a-Service eingesetzt werden können. Nur – welche sind die richtigen, und wie werden sie in einen Gesamtprozess integriert, an dessen Ende sinnvolle entscheidungsrelevante Ergebnisse für das Management und operativ verwendbare Instrumente sowie Inhalte für die Kommunikation mit dem Kunden stehen sollen?

Eine neue Wettbewerbs-Ära bricht an
Wenn man im eigenen Unternehmen die angesprochenen Big Data Prozesse beherrscht und das Internet of Things sinnvoll zum Aufbau von Endkundenbeziehungen instrumentalisieren kann, steht die nächste Herausforderung vor de Tür: der Handel, der seine Vormachtstellung gegenüber dem Endkunden auf einmal in Gefahr sieht, wird nicht untätig sein und dem Hersteller sicher geglaubtes Terrain kampflos überlassen. Händler werden ihre bestehenden Kundenbindungsmassnahmen intensivieren und darüberhinaus ähnliche Instrumente einsetzen wie die Hersteller: schon heute sind Einzelhändler diejenigen, die zuallererst mit neuen Technologien wie iBeacons etc. experimentieren. Und selbst wenn Hersteller über deutlich grössere Budgets verfügen, haben Händler ihnen eines voraus: jahrzehntelange Erfahrung im Umgang mit Endkunden. Jeder, der bei einem Markenunternehmen tätig war und zum Handel bzw. einem B2C-Geschäft gewechselt hat, kennt die signifikanten Unterschiede in der Wahrnehmung der Erwartungen eines typischen Endkunden. Hinzu kommen sensible Aspekte wie Datenschutz und Cybersecurity – Themen, die unmittelbar im Moment des Erhalts von Verhaltensdaten des Endkunden relevant werden.

Das IoT bietet Herstellern und Markenunternehmen die vermutlich grösste Chance seit der industriellen Revolution: zum ersten Mal überhaupt können sie direkten Kontakt mit ihren Endkunden aufnehmen, von ihnen lernen und stabile Kundenbeziehungen aufbauen. Aber zunächst müssen sie die Voraussetzungen dafür schaffen: IT Infrastruktur, Personal, Prozesse und nicht zuletzt Geisteshaltung und Unternehmenskultur müssen den neuen Herausforderungen angepasst werden.

Gesundheitsdaten: Wohin gehen die Informationen wirklich?

Ich habe es geschafft: ich bin ein Trendsetter. Das zumindest weiß die ARD, für deren Magazin plusminus ich bei Minusgraden durch den Münchner Hofgarten gejoggt bin. Im Anschluss habe ich gezeigt, was ich bei allen Aktivitäten mache: wie ich mich selbst mit diversen Apps tracke.

Weltweit nutzen bereits Millionen von Menschen Self-tracking Möglichkeiten insbesondere aus gesundheitlichen Aspekten und selbst in unserm eher verschlafenen Deutschland bin ich natürlich nicht der erste – wie nicht nur die sehr aktive und rasch wachsende Quantified Self Bewegung zeigt, sondern auch die Tatsache, dass beispielsweise Wearables wie das von mir benutzte Jawbone UP mittlerweile für 49 EUR am Grabbeltisch neben der Kasse am Supermarkt feilgeboten werden. Wie immer, wird in einem TV-Beitrag nur ein Bruchteil dessen gezeigt, was man aufgenommen hat – und meist auch das eher nicht so Interessante. Aber seht selbst – und vielleicht könnt Ihr in den Kommentaren schreiben, ob Ihr auch Trakt, Eure Daten mit anderen teilt und wie Ihr zu einer potenziellen Nutzung solcher Aktivitätsdaten durch Versicherungsunternehmen etc. steht.

 

Die Datarella Data Timeline

Wenn Sie in Amerika,Europa, im asiatisch-pazifischen Raum oder Australien leben, nutzen Sie -wie 1,76 Milliarden anderer Menschen – höchstwahrscheinlich ein Smartphone. Was machen Sie mit Ihrem Smartphone? Sie nutzen hauptsächlich Apps für Messaging, zur Teilnahme an Sozialen Netzwerken, zum Spielen, usw.. Und Sie produzieren Daten – e«ne Menge Daten. Jeder Schritt, den Sie machen, jeder Atemzug, den Sie tun, Ihr gesamtes Verhalten resultiert in Daten: Orte, Bewegung, Körperaktivitäten – und dies alles in ihren jeweiligen räumlichen und zeitlichen Kontexten. Sie produzieren all dies Daten nebenbei, ganz ohne speziellen Aufwand.

Aber – wo sind all diese Daten? Können Sie sie sehen? Wissen Sie überhaupt, welche (Art von) Daten Sie zu welchen Zeitpunkten und in welchen Ausmaßen Sie produzieren? Wissen Sie, dass diese Daten von immensem Vorteil fûr Sie sein können? Dass Sie beispielsweise Ihren Gesundheitszustand auf Basis dieser Daten verbessern können? Können Sie sich vorstellen, all Ihre Daten zu kennen, Ihre Daten zu sehen – in Echtzeit, anschaulich aufbereitet, so dass Sie jederzeit und sofort wissen, was sie bedeuten und welche Auswirkungen dies auf Sie hat?

Herzlich Willkommen zur Datarella Date Timeline!
Die Datarella Data Timeline ist eine appbasierte Timeline Ihres eigenen Verhaltens und das Ihres sozialen Netzwerks. Wenn Sie die Datarella Data Timeline nutzen, sehen Sie praktisch in Ihren eigenen Spiegel – Sie sehen sich selbst: nicht Ihre äußere Erscheinung wie im Badezimmer, sondern Sie sehen die Visualisierung Ihrer Körperaktivitäten. Und damit haben Sie das nahezu vollständige Bild Ihrer selbst. Die Data Timeline stellt Ihre Daten in einen Zusammenhang mit Ihrer zeitlichen und räumlichen Umgebung: Sie sehen sich selbst in Abhängigkeit der jeweiligen Situation – Sie erleben Ihre persönlichen Data Moments.

Warum Sie die Data Timeline nutzen sollten
Jeden Tag produzieren Sie 20 MB an Daten, die von Ihrem Smartphone gemessen werden. Diese Daten können fûr Sie von großem Vorteil sein: sie können Ihr Leben retten – oder das Ihrer Familienmitglieder oder Freunde. Oder sie helfen Ihnen dabei, Ihre Lebensqualität zu verbessern. Um praktische Tipps zur Verbesserung der Lebensqualität zu erhalten, benötigen Sie diese Daten in einer anschaulich dargestellten Art und Weise.

Sie und Ihre Freunde
Es geht in der Data Timeline nicht nur um Sie selbst: Sie sehen auch die Data Moments Ihrer Freunde, wenn diese Sie dafür freigeschaltet haben. Sie können daher sehen, wie es Ihrem Lebensgefährten geht, dass er sich noch – leicht gestresst – im Büro aufhält – und sich auf das gemeinsame Candlelight Dinner später am Abend freut. Mit den einbauten Social Media Funktionen können Sie Ihre Data Moments über Facebook und Twitter innerhalb Ihres Freundeskreises teilen.

Erklangen und behalten Sie die Hoheit über Ihre Daten
Sie sollten immer selbst und autonom über Ihre Daten bestimmen. Ihre Daten sagen mehr über Sie aus, als beispielsweise Ihr Arzt über Se in Erfahrung bringen kann. Daher ist es entscheidend, dass Sie Zugriff auf Ihre Daten haben und selbst entscheiden, wem Sie welche Ausschnitte davon freigeben. Mit der Data Timeline können Sie auf Wunsch all Ihre Rohdaten herunterladen und eigene Analysen durchführen. Ihre Daten gehören Ihnen, sie sind vollständig sichtbar und zu 100% transparent.

Gnothi seauton – Quantified Self als Instrument zur Selbsterkenntnis

„Erkenne Dich selbst“, die Inschrift am Apollotempel zu Delphi – vermutlich von den meisten Tempelbesuchern nur rätselhaft aufgenommen, ist vielleicht die wichtigste Aufforderung an den Menschen überhaupt. Bevor Du in den Tempel eintrittst, werde Dir Deiner selbst bewusst: das Orakel konnte den Besuchern nichts (anderes) vermitteln, was sie nicht schon selbst wussten; das ist die eigentliche Botschaft: Gnothi seauton.

Die Philosophien eines Heraklit, Thales oder Aristoteles ließen den gemeinen Menschen ziemlich allein in der Auslegung ihrer Weisheiten. Heutzutage sind wir zumindest technologisch mehrere Schritte weiter und können moderne Sensortechnik dazu verwenden, uns auf der körperlichen – und zunehmend auch der kognitiven – Ebene selbst zu erkennen. Die Vermessung des eigenen Körpers fügt einer bisherigen subjektiven Kenntnis über seine eigene Fitness, Ernährung und den Lebensstil die Komponente der Daten hinzu. Daten werden über Sensoren erhoben, die in irgendeiner Weise mit dem eigenen Körper verbunden oder ihm nahe sind. Waagen und Thermometer werden seit Jahrhunderten verwendet und können als erste Quantified Self Instrumente angesehen werden. Mit der Zeit wurden die Geräte kleiner und können heute in vielfältiger Form als sogenannte Wearable Devices direkt am Körper getragen werden: Fitness Bänder, Ohrstöpsel, Brustgurte oder Textilien sind die am weitesten verbreiteten Formfaktoren. Alle sind sie mit Sensoren ausgestattet, die kontinuierlich Körperaktivitäten messen und diese anschließend entweder direkt am Gerät oder nach erfolgter Datenübertragung in bereits ausgewerteter Form in Apps auf den Smartphones oder Tablets ihren Trägern präsentieren.

Zunehmend können Körperaktivitäten wie Schlaf, Bewegung und andere durch die Sensoren der Smartphones selbst gemessen werden – zusätzliche Wearable Devices sind hier nicht mehr notwendig.

Smartphones als Spiegel menschlichen Verhaltens
Das anschauliche Feedback in Charts bietet den Nutzern von Quantified Self Apps die Möglichkeiten
– der Selbsterkenntnis,
– des Abgleichs der bisherigen subjektiven Wahrnehmung der eigenen Körperaktivitäten mit neutralen Daten,
– des Vergleichs der eigenen Körperaktivitäten mit denen anderer, mit Ihnen vernetzter Nutzer sowie
– die aus dem Abgleich resultierende Erkenntnis über eine möglicherweise notwendige Änderung des eigenen Lebensstils.

Bis zu diesem Schritt dient der Einsatz von Sensortechnik allein der Selbsterkenntnis: der Mensch lernt sich selbst besser kennen, er erkennt den Unterschied zwischen subjektiver Wahrnehmung und Realität sowie beispielsweise anderen Menschen seiner Alters- und Konstitutionsgruppe und er kann Konsequenzen ziehen und sein Verhalten ändern.

Prävention, Optimierung, Heilung, Therapie
Der Einsatz von Messinstrumenten im Zusammenhang mit Körperaktivitäten fãllt in zwei Kategorien:
– Prävention und Optimierung
– Heilung und Therapie

Nutzt ein Läufer eine Fitness App, erhält er mit den Daten über Anzahl, Distanz, Dauer und Intensität seiner Läufe eine Übersicht seiner sportlichen Aktivitäten und kann sein Verhalten entsprechend optimieren. Sein Ziel ist dann beispielsweise die Steigerung seiner allgemeinen Fitness oder die Optimierung seiner Laufqualitäten für die Teilnahme an einem Marathonlauf. Nutzt ein Diabetes-Patienten ein Gerät zur regelmäßigen Messung seiner Blutzuckerwerte, dienen diese Messungen nicht der Optimierung einer Körperaktivität, sondern der Wiederherstellung bzw. Beibehaltung seines Gesundheitszustands.

Wird die Messung des Läufers freiwillig durchgeführt und dient der Optimierung, ist die Messung des Blutzuckerwerts eine überlebensnotwendige Handlung. In beiden Fällen dient die Messung der Selbsterkenntnis, die in der Form der reinen subjektiven Körperwahrnehmung nicht ausreichen würde, um die jeweilige Erkenntnis zu erlangen.

Während der No-Sports-Typ im ersten Fall vielleicht mit Unverständnis reagiert, wird er im Fall des Diabetes-Patienten volles Verständnis für die Datenerhebung am eigenen Körper haben. Die Anwendungsgebiete der Vermessung des eigenen Körpers sind so individuell und vielfãltig, wie wir Menschen es auch sind. Daher begrüßen insbesondere chronisch Kranke und andere auf kontinuierliche Datenerhebung angewiesene Menschen die Möglichkeit, mit Wearable Devices und Apps Körperaktivitäten zu scannen und jederzeit über sich Bescheid zu wissen.

Sozial relevante Technologie
Die Entwicklung auf dem Gebiet der Sensortechnik ist für viele Menschen eine lebensrettende oder die Lebensqualität signifikant verbessernde Chance. Allein aus dieser Betrachtung heraus erscheint es zumindest anmaßend und auch skurril, wenn im Rahmen aktuell beliebter Datenschutzdiskussionen der Einsatz von Sensoren als potenziell gefährlich beschrieben und Angst im Umgang mit nahezu allen Datenthemen geschürt wird. Allein die Ankündigung eines Versicherungsunternehmens, Rabatte auf Lebensversicherungstarife im Falle gesunder Lebensführung anzubieten, erregt die Gemüter derart, dass Politiker, Feuilletonisten und Schriftsteller gleichermaßen aus dem Häuschen geraten, reflexartig Widerstand aufbauen und mediale Meinungsmache betreiben: „Kulturbruch“, „Big Brother“ oder „Verdachtskultur“ sind noch die harmloseren der gewählten Benennungen der oben beschrieben Entwicklung.

Jede neue Technologie kann zunächst als Errungenschaft einer Population auf dem Stand ihrer Zeit angesehen werden. Sie kann naturgemäß zum ihr wharscheinlich ursprünglich zugedachten Zweck verwendet werden (s.o.) und sie kann gleichermaßen missbraucht werden. Mobiltelefone können Leben retten, über Mobiltelefone werden Terroraktionen geplant. Sensortasten können Leben retten, Sensordaten können im Sinne des Datenschutzes missbraucht werden. Der potenzielle Missbrauch einer Technologie allein ist kein hinreichender Grund für ihre Verdammung – ganz abgesehen davon, dass eine Verhinderung einer Technologie in keinem bisher bekannten Fall erfolgreich gewesen wäre.

Stärkung der Autonomie des Individuums
Gnothi seauton – Erkenne dich selbst: nie war die Menschheit näher daran, der Aufforderung zur eigenen Selbsterkenntnis nachkommen zu können. Quantified Self ist kein Instrument zur eigenen Bewusstwerdung – der Anspruch der Vermessung des eigenen Körpers besteht hier lediglich darin, die subjektive Körperwahrnehmung mit realistischen Daten zu vergleichen und im Kontext des Verhaltens anderer, vergleichbarer, Menschen ein besseres Bild seiner selbst zu erhalten. Ob der Mensch diese Daten zu Vergleichszwecken mit anderen Quantified Self Nutzern, oder aber um Rabatte für seine Versicherungstarife zu erhalten, mit Versicherungsunternehmen teilt, ist zunächst seine eigene Entscheidung. Diese, stark auf das Individuum abzielende Haltung, muss langfristig durch entsprechende Gesetzgebung unterstützt werden: der Mensch muss die garantierte Wahlfreiheit besitzen, seine Daten zu teilen oder für sich zu behalten. Im Bereich der Privatwirtschaft ist das Individuum in der starken Position: der Mensch entscheidet, mit welchem Unternehmen. seine Daten teilt. Im Falle nationaler Regierungen ist der Mensch der jeweiligen Gesetzgebung unterworfen – hier müssen die vorliegenden demokratischen Instrumente ausreichen, um dem Menschen die genannten Wahlfreiheiten zu garantieren.

Die Vermessung des Körpers ist heutzutage dank Sensortechnik für jedes Individuum mit einem Smartphone möglich und erschwinglich. Die erhobenen Daten retten Leben, verbessern die Lebensqualitãt und ermöglichen das Entstehen einer neuen Industrie. Und letztlich bietet sie den Menschen die bestmögliche Art der Selbsterkenntnis – Gnothi seauton.

Das Featured Image skizziert einen Ausschnitt des Schlafverhaltens des Autors an einem zufällig gewählten Tag

BYOD – Bring your own Data. Selbsterhobene Patientendaten in der Medizin und Forschung

„Facebook would never change their advertsing relying on a sample size as small as we do medical research on.“
(David Wilbanks)

Menschen wollen über sich lernen und eine solide Datengrundlage über ihr Leben besitzen. Eltern führen Buch über die Körpergröße ihrer Kinder. Wenn wir uns krank fühlen, messen wir Fieber. Und sehr viele Leute besitzen eine Badezimmerwaage. Aber Daten ohne Kontext sind wenig aussagekräftig. Daher versuchen wir, unsere eigenen Messerwerte mit denen anderer Menschen zu vergleichen.

Daten, die wir für uns selbst erheben

Selbst-Tracking ist seit Jahren im Trend. Fitnesstracker wie Fitbit zählen unsere Schritte, Trainingsapps wie Runtustic liefern uns Analysen und Benchmarken uns an anderen. Seit 2008 gibt es eine Bewegung, bei der die „Selbstvermessung“ im Mittelpunkt steht: The Quantified Self.

Selbstvermessung - Self Tracking - liegt seit Jahren im Trend. Hier hat es ein Self-Tracking-Armband bereits ins Museum geschafft und steht im London Science Museum in der Vitrine.
Selbstvermessung – Self Tracking – liegt seit Jahren im Trend. Hier hat es ein Self-Tracking-Armband bereits ins Museum geschafft und steht im London Science Museum in der Vitrine.

Dabei sind es nicht nur „Selbstoptimierer“ und Fitnessbegeisterte, die sich selbst vermessen. Wesentliche Impulse des Selftracking kommen aus der Selbsthilfe von chronisch Kranken.

Daten für den Arzt, für Angehörige und Pflegepersonal

So wird es in den USA und vielen Ländern mit schwach ausgeprägter Krankenversicherung zunehmend üblich, selbst gemessene Daten zum Arzt mitzubringen. Bei vielen Untersuchungen spart dies wesentlich Kosten ein und beschleunigt die Behandlung. Für viele Menschen ist es durch Quantified Self zum ersten Mal überhaupt möglich geworden, gute Laborwerte über ihre Gesundheit zu erhalten. Beispiele sind Kits zur Blutuntersuchung, die automatisch via Smartphone die Ergebnisse in Labors schicken und sofort die Resultate anzeigen. Solche Kits sind z.B. in Indien weit verbreitet.
Auch für Angehörige oder Pflegekräfte sind selbsterhobene Daten der Patienten hilfreich. Sie geben denen, die sich um uns sorgen, ein gutes Bild unseres Zustands und häufig rechtzeitig Hinweise für Intervention. Selbst automatische Notrufe auf Basis von vor Ort gemessenen Werten sind heute möglich.

Das Bild oben stammt aus dem Blog von Sara Riggere, die an der Parkinsonkranheit leidet. Sara trackt ihre Medikamentierung und die Symptome ihrer Parkinsonerkrankung mit ihrem Smartphone. Ihre Geschichte ist unbedingt lesenswert und zeigt alle Facetten, die das Thema „eigene Daten“ so faszinierend machen:
http://www.riggare.se/ und
http://quantifiedself.com

Sara Riggere trackt ihre Medikamentierung und die Symptome ihrer Parkinsonerkrankung mit ihrem Smartphone: http://www.riggare.se/ http://quantifiedself.com/2013/02/qs-europe-2013-conference-preview-sara-riggare/
Sara Riggere trackt ihre Medikamentierung und die Symptome ihrer Parkinsonerkrankung mit ihrem Smartphone:
http://www.riggare.se/
http://quantifiedself.com/2013/02/qs-europe-2013-conference-preview-sara-riggare/
Moodtracking - ein Stimmungstagebuch. Menschen, die an Depressionen leiden, helfen sich, indem sie täglich ihre Stimmung und weitere Faktoren ihres Lebens aufzeichnen. Dadurch können sie rechtzeitig gegensteuern, wenn sich ein Stimmungstief anbahnt und wesentlich besser ihre Medikamentierung steuern, als durch die seltenen Arztbesuche. (Hier der Service soundfeelings.com)
Moodtracking – ein Stimmungstagebuch. Menschen, die an Depressionen leiden, helfen sich, indem sie täglich ihre Stimmung und weitere Faktoren ihres Lebens aufzeichnen. Dadurch können sie rechtzeitig gegensteuern, wenn sich ein Stimmungstief anbahnt und wesentlich besser ihre Medikamentierung steuern, als durch die seltenen Arztbesuche. (Hier der Service soundfeelings.com)

Daten für die Forschung

Durch selbsterhobene Daten können Menschen zum ersten Mal ein zeitlich lückenloses Bild ihrer Handlungen und ihres Befindens zeichnen. Für die Forschung
sind diese Daten wesentlich reichhaltiger, als die Momentaufnahmen, die anlässlich klassischer medizinischer Studien gemacht werden, sowohl was
die Fallzahlen betrifft, als auch insbesondere, da ein viel breiterer Blick auf das Leben der Menschen ermöglicht, Verhaltens- und
Umwelteinflüsse in nie gekannter Weise multivariat einfließen zu lassen. Selbst wenn nur ein Bruchteil der Selbst-Tracker ihre Daten der Forschung überlässt, ist kaum abzuschätzen, welchen gewaltigen Wert die dadurch möglichen Erkenntnisse für die Medizin haben werden.

Datenschutz

Die Schwierigkeit an diesen Daten: Sie sind so reichhaltig und so individuell, dass es stets möglich ist, auf einzelne Personen zurückzugreifen. Eine Anonymisierung, z.B. dadurch dass man die Userkennung oder die IP-Adresse löscht ist nicht möglich. Wie ein Fingerabdruck können wir über die Spur identifiziert werden, die wir in den Daten hinterlassen. Diesem Problem lässt sich kaum durch noch mehr Datenschutzregulierungen beikommen. Schon heute erschweren die verpflichtende Zweckgebundenheit und Datensparsamkeit die Forschung mit medizinischen Daten derart, dass kaum sinnvoll damit gearbeitet werden kann. Abhilfe bringt nur ein umfassender Rechtschutz. Jeder Mensch, der seine Daten mit der Forschung teilt muss sich sicher sein können, dass daraus keine Nachteile erwachsen. Versicherungen und Arbeitgeber dürfen keinen Vorteil aus der Offenheit der Menschen ziehen dürfen. Das könnte vergleichbar zum Antidiskriminierungsgesetz ausgestaltet werden. Schon heute dürfen Krankenversicherungen beispielsweise keinen Unterschied in den Prämien nach dem Geschlecht der Versicherten machen.

Algorithmen Ethik

Ein weiteres Thema liegt in den Daten selbst. Zum einen werden durch willkürliche, technische Unterschiede wie Hardwarefehler, Kompressionsverfahren oder Abtastraten die Daten schwer vergleichbar. Zum anderen werden kaum die Rohdaten selbst, sondern meist mittels mathematischer Verfahren abgeleitete Abstraktionen aus den Daten verarbeitet. Fitbit oder Jawbone UP speichern nicht die dreidimensionalen Messerte des Gyroskop, sondern die daraus berechneten Schritte. Was aber ein Schritt ist und was eine andere Bewegung ist eine willkürliche Entscheidung dessen, der den Algorithmus dafür programmiert hat. Hier ist es wichtig, die Back-Boxes der Algorithmen zu öffnen. So wie die EU Kommission von Google die Offenlegung des Suchalgorithmus fordert, da sie (vermutlich zu Recht) verdeckte Diskriminierung von Inhalten vermutet, die Google nicht passen, so ähnlich müssen wir von den Herstellern der Tracking-Geräte Einblick in die Daten verlangen.
Die Daten werden von den Nutzern erzeugt. Die Nutzer sollten auch mitreden dürfen, was daraus gemacht wird.

Datenschutz für Mobile Data – ein schwieriges Thema

Unsere Mobiltelefone registrieren sich in Funkzellen, um Anrufe ins Telefonnetz zu leiten. Wann immer wir uns umherbewegen, verlassen wir gelegentlich eine Funkzelle und treten in eine andere ein. Auf diese Weise hinterlässt unsere Bewegung eine Spur durch die Funkzellen, die wir im lauf des Tages durchquert haben. Yves-Alexandre de Montjoye und seine Ko-Autoren vom MIT, dem Massechussets Institute of Technology in Cambridge bei Boston haben untersucht, wieviele Beobachtungspunkte man braucht, um einen bestimmten Telefonnutzer herauszufiltern. Auf der Grundlage von realen Verbindungsdaten, die von einer Telefongesellschaft zur Verfügung gestellt wurden, haben sie berechnet, dass lediglich vier Beobachtungen ausreichen, um 95% aller Mobilfunknutzer eindeutig zu identifizieren. Man benötigt nur so wenig Daten, weil die Bewegunsmuster der Leute überraschend einmalig sind, ganz ähnlich wie unsere Fingerabdrücke, die ebenso recht verlässliche Kennzeichen liefern.

Location

In den Rohdaten, die wir mit unserem Sensor-Framework ‚explore‘ sammeln, fanden wir eine Reihe weiterer Fingerabdruck-gleicher Spuren, die wir alle kontinuierlich zurücklassen, wenn wir unsere Smartphones mit uns tragen. Offensichtlich können wir das Experiment von de Montjoye sogar mit erheblich mehr Genauigkeit reporduzieren, wenn wir statt des relativ groben Gitters der Funkzellen die Location-Daten nutzen, die das Telefon selbst erzeugt. GPS und Mobile Positioning orten uns mit hoher Genauigkeit.

Wifi

Im inneren von Gebäuden gibt es meist Wifi-Netze (egal ob offen oder geschlossen). Jedes Wifi sendet einen eindeutigen Bezeichner, die BSSID und darüberhinaus noch viele weitere nützliche Informationen.

Wifi-Netze, die in meinem Büro empfangbar sind. Wenn wir den Ort eines Wifi-Senders kennen, können wir Telefonnutzer durch die Signalstärke der Wifis auch innerhalb von Gebäuden genau lokalisieren.
Wifi-Netze, die in meinem Büro empfangbar sind. Wenn wir den Ort eines Wifi-Senders kennen, können wir Telefonnutzer durch die Signalstärke der Wifis auch innerhalb von Gebäuden genau lokalisieren.

Sogar das willkürliche Label der "SSID" erzählt über uns: hier kann jeder sofort erkennen, was für einen Drucker ich nutze.
Sogar das willkürliche Label der „SSID“ erzählt über uns: hier kann jeder sofort erkennen, was für einen Drucker ich nutze.

Magnetfelder

Für die Kompass-App tragen die meisten Smartphones einen Magnetfeldsensor. Diese Sonde misst die umgebenden Magnetfelder in allen drei Dimensionen.

Jeder Ort hat seine ganz eigene Magnet-Signatur. Und auch viele Dinge, die wir tun, hinterlassen verräterische Magnetspuren - so wie z.B. fahren im Auto oder im Zug. In dieser Grafik sind meine Magnetfeldmessungen abgebildet. Man kann sofort sehen, wann ich zuhause war oder wann auf unterwegs.
Jeder Ort hat seine ganz eigene Magnet-Signatur. Und auch viele Dinge, die wir tun, hinterlassen verräterische Magnetspuren – so wie z.B. fahren im Auto oder im Zug. In dieser Grafik sind meine Magnetfeldmessungen abgebildet. Man kann sofort sehen, wann ich zuhause war oder wann auf unterwegs.

Batterie

Wie wir unser Telefon nutzen, hat Einfluss auf den Stromverbrauch. Das wird vom Batterieladesensor gemessen:

Das Muster, das Stromverbrauch und Aufladung ergeben, ist sehr spezifisch und erzählt die Geschichte unseres Tagesablaufs.
Das Muster, das Stromverbrauch und Aufladung ergeben, ist sehr spezifisch und erzählt die Geschichte unseres Tagesablaufs.

Hardwarefehler

Alle Sensoren auf unserem Phone tragen typische und ganz spezifische Ungenauigkeiten. In den Gyroskopdaten auf der Abbildung ganz oben auf der Seite sieht man Spitzen, die ganz regelmäßig aus den durchschnittlichen Werten herausschießen. Solche Artefakte, die durch kleine Hardwarefehler entstehen, sind einmalig für jedes einzelne Gerät und können leicht dazu verwendet werden, ein Telefon wiederzuerkennen.

Es gibt keine technische Sicherheitsgarantie

„We no longer live in a world where technology allows us to separate communications we want to protect from communications we want to exploit. Assume that anything we learn about what the NSA does today is a preview of what cybercriminals are going to do in six months to two years.“
(„Wir leben nicht mehr in einer Welt, in der uns Technologie erlaubt, zwischen Kommunikation, die wir schützen wollen und Kommunikation, die wir ausnützen wollen, zu trennen. Gehen Sie davon aus, dass alles, was wir heute über das Vorgehen der NSA lernen eine Vorschau ist, auf das, was wir in den nächsten sechs Monaten oder zwei Jahren von Cyberkriminellen erwarten können.“)
Bruce Schneier, „NSA Hacking of Cell Phone Networks“

Wie Bruce Schneier in seinem Blogpost hervorhebt: Es gibt mehr als genug Hinweise, dass wir unsere Telefone nicht als privat oder vertraulich betrachten sollten. Wir haben nicht nur erfahren, wie zersetzlich die Überwachung durch Regierungen über eine lange Zeit bereits wirkt, es gibt auch jede Menge kommerzieler Angebote, unsere Privatsphäre zu brechen und die anderen, vielleicht noch verräterischeren Daten anzuzapfen.

Aber was sollen wir tun? Wir können nicht einfach kündigen. Für die meisten Leute ist der Verzicht auf ein Mobiltelefon keine Option. Und ganz ehrlich: Ich möchte gar nicht auf mein Telefon verzichten müssen! Bleibt also nichts anderes übrig, als den Zustand hinzunehmen? Nunja, für Leute wie mich – weiß, privilegiert, von einem Rechtssystem gestützt, dass meine Bürger- und Menschenrechte einigermaßen gut verteidigt – sind diese Themen eher eine Unbequemlichkeit als eine echte Bedrohung. Aber für alle anderen, für Leute, die nicht auf den Schutz durch ihre Gesellschaft verlassen können, ist die Situation wirklich schrecklich.

Als Erstes müssen wir allen Leuten erklären, was die Daten über sie preisgeben. Wir müssen den Menschen helfen, zu verstehen, was da passiert, weil die meisten Leute es nicht von selbst verstehen werden. Ich bin regelmäßig entsetzt, wie naiv selbst „Datenexperten“ in diesem Thema sind.

Als Zweites – so wie Bruce Schneier schreibt – müssen wir die NSA und all die anderen Regierungsbehörden dazu bringen, ihr Wissen dazu einzusetzen, Sicherheitslücken zu schließen, statt sie weiter auszunützen, um uns auszuspionieren.

As Drittes ist es wichtiger denn je dafür zu arbeiten und zu kämpfen, eine freie, gerechte Gesellschaft zu erhalten und zu fördern, in der nicht nur die Bürgerrechte, sondern alle Menschenrechte weitreichend geschützt werden. Adelante!