Licht, Kamera, Aktion! Und ja, ich beschäftige mich mit Digitalisierung, Dataffizierung aus unterschiedlichen Bereichen. Heute wollte ich aber einen Aspekt beleuchten, der oftmals nicht vorkommt in den Debatten, wenn es um Demokratie und Digitalisierung geht, nämlich wie staatliche Institutionen, öffentliche Einrichtungen und Verwaltung selbst auch zunehmend auf Daten setzt und auf algorithmische Systeme und Bevölkerungsgruppen einzuteilen oder irgendwelche Risiken herauszufinden. einzuteilen oder irgendwelche Risiken herauszufinden. Also das Profiling kennen wir ja alle, wenn wir an große digitale Plattformen denken. Wir alle werden einfach nur, damit uns gute Werbung angeboten werden kann. Gut ist die Frage, wie gut sie ist tatsächlich, aber um uns zielgenaue Werbung anzubieten, werden wir ja immer geprofiled im Sinne von in Gruppen kategorisiert nach bestimmten Interessen. Und ähnliche Dynamiken treten jetzt eben auch auf, wenn man an das Arbeitsmarktservice denkt oder andere Ämter, die jetzt auch zunehmend versuchen, Bevölkerungsgruppen einzuteilen, eben um ihnen mehr oder weniger Förderung zur Verfügung zu stellen oder um herauszufinden, ob sie ein höheres Risiko haben, Sozialbetrug zu begehen. Das ist aber natürlich oftmals falsch klassifiziert und funktioniert noch nicht so ganz so gut. Wenn man jetzt daran denkt, dass kommerzielle Digitalisierung schon viele Probleme aufgezeigt hat, Diskriminierung, Bias und so weiter, dann sieht man, wenn man jetzt mehr von diesen Systemen in öffentliche Einrichtungen einbringt, vieles dieser Probleme mit eingebracht werden. Einfach nur zum Beispiel Diskriminierung passiert immer, wenn man eben auswählt, gewisse Variablen, aufgrund dessen man Personen zuordnet. Es ist immer ein Ausschnitt der Realität. Wir können nicht alles abbilden, es sind immer nur die Variablen und alleine dadurch entsteht schon ein Bias sozusagen. Und der kann dann weiter zu Diskriminierung führen, wenn bestimmte Bevölkerungsgruppen höheres Risiko haben, identifiziert zu werden beispielsweise. Das heißt also, dass diese Datenanalyse-Probleme dann auch Einzug halten in öffentliche Einrichtungen. Naja, die Einteilung ist auch deshalb so grob, weil es ja immer darum geht, ein Individuum mit der Population zu vergleichen. Also es geht nicht um die Einzelperson, sondern immer um den Vergleich der Einzelperson mit ähnlichen anderen Personen. Und damit da genug Leute vergleichbar sind in einer dieser Zellen, sozusagen in einer Gruppe, müssen das eben größere Kategorien sein. Sonst hat man zwar voll genaue Kategorien, aber vielleicht nur drei Leute in der Vergleichsgruppe und dann ist das nicht aussagekräftig. Deswegen ist es so ein bisschen ein Trial and Error, glaube ich, wenn man so ein System baut. Wie grob kann die Kategorie sein? Wie viele Details braucht man für eine Person? Es muss immer so ein bisschen gegeneinander abgewogen werden. Naja, da gibt es einerseits offene Daten, das sind nicht personenbezogene Daten, die sollten eigentlich jetzt eh schon auf die Open Government Data Plattform eingespeist werden. Also da gibt es den Metadatenkatalog, da weiß man dann, was für Daten zu einem bestimmten Thema existieren. Das sind eben nicht personenbezogene Daten, die kann man ja eigentlich leicht teilen und auch nutzbar machen für die Bevölkerung oder Zivilgesellschaft. Und dann gibt es aber natürlich personenbezogene Daten, die einen viel höheren Schutz brauchen. Und da gibt es eben Einrichtungen, wie bei der Statistik Austria gibt es da jetzt zum Beispiel so eine Plattform, die diese Daten für Forschungszwecke zur Verfügung stellt, also nur für akkreditierte Forschungseinrichtungen. Die müssen einen Antrag stellen und es ist halt viel bürokratischer. Aber es ist auch so eine Idee, wie man sozusagen öffentliche Verwaltungsdaten für die Forschung zum Beispiel öffentlich macht. Und kann man dann weiterdenken, was für oder wie man auch weitere Daten öffnen könnte. Da ist die Idee, dass sozusagen die Frage ist, okay, wie kann man jetzt wegkommen von der Idee, dass Daten hauptsächlich benutzt werden, um Profitmaximierung zu betreiben, wie wir das von den großen Plattformen kennen. Wie kann man hinkommen zu einer Datennutzung, die eigentlich im Dienste der Öffentlichkeit steht, einen öffentlichen Wert generiert. Das können jetzt unterschiedliche Dinge sein. Das kann jetzt sein, dass vielleicht sogar kommerzielle Firmen ihre Daten zur Verfügung stellen für andere Anwendungen, um sozusagen hier wieder zum Beispiel diese Rollerdaten von diesen Scootern in der Stadt, das sind ja Firmen, die diesen Dienst anbieten, aber wenn man die teilt, könnte man die Radwege verbessern zum Beispiel. Also das wäre dann ein öffentlicher Nutzen. Oder eben auch gleicher zu verteilen, wer hat den Benefit von der Datennutzung, wer trägt das Risiko bei vielen kommerziellen Plattformen, ist eindeutig der Benefit bei den Besitzern dieser Plattform. Und die Risiken sind aber oft in der Bevölkerung verteilt. Also das wäre auch so eine Frage, wie kann man Risiko und Benefit abwägen oder auch welche Schutzmaßnahmen kann man treffen und ähnliche Dinge.