Читать книгу Predictive Analytic und die Haftung für fehlerhafte Ergebnisse gegenüber betroffenen Einzelpersonen - Susanne Mentel - Страница 33

Predictive Analytic können auf zwei unterschiedlichen Wegen zur Anwendung kommen: Von einer internen Predictive Analytic wird im Folgenden gesprochen, wenn ein Unternehmen mittels einer entsprechenden Software Predictive Analytic-Ergebnisse selbst herstellt. Von externen Predictive Analytic ist die Rede, wenn ein externes Unternehmen für die Analyse beauftragt wird. Möchten Unternehmen ihre Daten selbst analysieren, können sie inzwischen auf ein breites Angebot von unterschiedlichen Software-Herstellern zurückgreifen. Diese bieten sowohl branchenspezifische Lösungen, beispielsweise für den Online-Handel,105 als auch Standardsoftware an, die auf die Bedürfnisse des Nutzers angepasst werden kann. Für einfache Analysen wie die Vorhersage von Preisentwicklungen können auch sog. Out-of-the-box-Lösungen, also einsatzfähig vorkonfigurierte Anwendungen, verwendet werden.106 Wendet ein Unternehmen eine Predictive Analytic-Software selbst an, empfiehlt es sich, bei diesem von einem Predictive Analytic-Anwender zu sprechen. Für technisch versierte Unternehmen besteht auch die Möglichkeit, den Analysealgorithmus selbst zu programmieren und dadurch eine individualisierte, speziell auf ihre eigenen Zwecke abgestimmte Predictive Analytic-Software zu erhalten. Sie sind dann Hersteller und Anwender der Software zugleich, was für die spätere Haftungsfrage entscheidend sein kann. Um dem Umstand Rechnung zu tragen, dass nicht jedes Unternehmen über das nötige Fachpersonal verfügt, um eine eigene Software zu programmieren, versuchen Software-Hersteller ihre Software aber zunehmend so einfach und benutzerfreundlich wie möglich zu gestalten, so dass Daten eigenständig analysiert werden können (sog. self-service-Analysen).107

Unternehmen, die zwar an der Analyse ihrer Daten interessiert sind, aber auch mithilfe einer passenden Software nicht über das Know-How verfügen, ihre Daten selbst zu analysieren, können Predictive Analytic extern in Auftrag geben. In diesen Fällen erhält das Unternehmen nur die entwickelten Vorhersagewerte. Anbieter solcher Dienstleistungen sind meist spezialisierte Beratungsunternehmen für die IT-Branche. In seltenen Fällen bieten auch Software-Hersteller an, Predictive Analytic mittels bereitgestellter Daten des Auftraggebers durchzuführen. Derartige Angebote werden unter der Bezeichnung „Analytics on Demand“ oder „Results as a Service“ angeboten.108 Sowohl bei der Analyse durch externe Dienstleister als auch direkt durch einen Software-Hersteller bietet es sich an, von externen Predictive Analytic zu sprechen. Das „beauftragende“ Unternehmen nutzt in der Folge die Analyseergebnisse, ohne die Analyse selbst durchgeführt zu haben. Die Bezieher dieser extern generierten Ergebnisse werden deshalb als Predictive Analytic-Nutzer bezeichnet.

17 Duden, Analyse, http://www.duden.de/rechtschreibung/Analyse, zuletzt abgerufen am 27.6.2018. 18 Davenport, Enterprise analytics: optimize performance, process, and decisions through big data, 2013, S. 12. 19 S. Harford, Significance, December 2014, 14, 15, der auf die Risiken hinweist, wenn Korrelationen für wichtiger erachtet werden als Kausalitäten. 20 Pufahl, Predictive Analytics verhindert Kundenabsprünge, 28.2.2017, https://www.springerprofessional.de/kundenwert/crm/predictive-analytics-verhindert-kundenabspruenge/12046334?searchBackButton=true&abEvent=detailLink, zuletzt abgerufen am 27.6.2018. 21 Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 3. 22 S. die Definition in Roth, Einführung und Umsetzung von Industrie 4.0, 2016, S. 264. 23 Dastani, Sales Management Review 2016, 66, 67. 24 Mauerer, Big-Data-Trends im Überblick: Was ist was bei Predictive Analytics?, 11.12.2017, http://www.computerwoche.de/a/was-ist-was-bei-predictive-analytics, 3098583, zuletzt abgerufen am 27.6.2018. 25 Roßnagel, ZD 2013, 562. 26 Davenport, Enterprise analytics: optimize performance, process, and decisions through big data, 2013, S. 2 f. 27 Deutsches Institut für Vertrauen und Sicherheit im Internet, Big Data, 2016, S. 14 – 15. 28 Gandomi/Haider, International Journal of Information Management, 35 (2015), 137, 143, die Predictive Analytic als eine Technik von Big Data verstehen. 29 Zu den technischen Grundlagen von Predictive Analytic s. sogleich unter C. 30 Davenport, Enterprise analytics: optimize performance, process, and decisions through big data, 2013, S. 10. 31 Wittmann, Unternehmung und Unvollkommene Information, 1959, S. 13; Klausnitzer, Das Ende des Zufalls, 2013, S. 27 f. 32 S. die weiterführenden Nachweise bei Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein (ULD), Scoringsysteme zur Beurteilung der Kreditwürdigkeit – Chancen und Risiken für Verbraucher, 2005, S. 13. 33 S. den Beitrag von Moeller, Kommissar Big Data ermittelt, 25.7.2017, http://www.bigdatainsider.de/kommissar-big-data-ermittelt-a-627621/, zuletzt abgerufen am 27.6.2018, wonach mehrere Bundesländer solche Prognosesysteme bereits testen. 34 S. die ausführliche Beschreibung des Verfahrens bei Kamlah, MMR 1999, 395, 400. 35 Weichert, in: Däubler/Klebe/Wedde/Weichert, BDSG, 5. Aufl. 2016, § 28b BDSG Rn. 1. 36 Taeger, Datenschutzrecht Einführung, 2014, S. 105. 37 Vgl. zu Wahrscheinlichkeit eines bestimmten Zahlungsverhaltens Taeger, Kommentar zum BDSG und zu den Datenschutzvorschriften des TKG und TMG, 2. Aufl. 2013, § 28b BDSG Rn. 9. 38 Usprünglich stellten die Auskunfteien nur Informationen zur Verfügung, die der Anfragende selbst bewerten und interpretieren konnte, s. Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein (ULD), Scoringsysteme zur Beurteilung der Kreditwürdigkeit – Chancen und Risiken für Verbraucher, 2005, S. 13. 39 S. hierzu Düsseldorfer Kreis, Beschluss: Keine fortlaufenden Bonitätsauskünfte an den Versandhandel, 18.4.2008, der darauf hinweist, dass Bonitätsauskünfte bei Versandhandelsgeschäften nur bei Dauerschuldverhältnissen oder bei Bestehen eines finanziellen Ausfallrisikos – wie einem Ratenkauf – zulässig sind. 40 S. zur durch die Presse bekannt gewordenen Betrugsreihe beim Online-Händler Zalando Gassmann, Moderne Diebe lassen sich Beute frei Haus liefern, 26.10.2015, http://www.welt.de/wirtschaft/article148048643/Moderne-Diebe-lassen-sich-Beute-frei-Haus-liefern.html, zuletzt abgerufen am 27.6.2018. 41 Beispielhaft die entsprechenden Hinweise in den Datenschutzerklärungen von Otto.de AGB, abrufbar unter https://www.otto.de/shoppages/service/agb, zuletzt abgerufen am 27.6.2018. 42 S. die Erweiterung des SCHUFA-Angebots auf der Homepage der SCHUFA, Geschichte, abrufbar unter https://www.schufa.de/de/ueber-uns/unternehmen/geschichte-schufa/, zuletzt abgerufen am 27.6.2018. 43 Die Abfrage kann in der kurzen Zeit zwischen Eingabe der persönlichen Daten und Anzeige der Zahlungsmodalitäten erfolgen, s. Born, ZD 2015, 66, 66. 44 Helfrich, ZD 2013, 473, 474 versteht Scoring 2.0 als Übertragung des Scoring-Verfahrens auf Vorhersagen über die Bonität hinaus. 45 Vgl. Weichert, ZRP 2014, 168. 46 Eine ausführliche Auseinandersetzung aus juristischer Sicht enthalten die Beiträge Weichert, ZRP 2014, 168, 168; sowie Weichert, ZD 2013, 251. 47 So auch Weichert, ZRP 2014, 168, 169. 48 Scholz, in Simitis, BDSG, Bundesdatenschutzgesetz, 8. Aufl. 2014, § 6a Rn. 23. 49 S. das Angebot unter der Rubrik Marketing Services Creditreform.de, Marktanalyse, 2016 abrufbar unter https://www.creditreform.de/leistungen/marketing-services.html, zuletzt abgerufen am 27.6.2018. 50 S. zu Predictive Analytic zur Tarifierung und Risikoeinschätzung bei Versicherungen unter IV. 3. e). 51 S. allgemein Weichert, ZRP 2014, 168, 168; zur Aufdeckung von Kassenbetrug im Einzelhandel mittels Data Mining-Verfahren s. den Beitrag von Wilke, RDV 2002, 225. 52 So auch Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein (ULD), Scoringsysteme zur Beurteilung der Kreditwürdigkeit – Chancen und Risiken für Verbraucher, 2005, S. 12. 53 S. hierzu die Ausführungen unter C. VII. zu Machine Learning. 54 S. Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 3. 55 Zuvor bereits das Patent der Westinghouse Electric Corp. Vgl. United States Patent, Palusamy et al., Plant Maintenance with predictive Diagnostics, 1994, Patent Number: 5,311,562, Date of Patent: May 10, 1994; später dann der General Electric Company: United States Patent, Aragones et al., Method and System for planning repair of an Aircraft engine, 2000, Patent Number: 6,067,486, Date of Patent: May 23, 2000. 56 Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 4. 57 S. den Teilnehmerkreis in der Studie von Roland Berger, Predictive Maintenance, Service der Zukunft – und wo er wirklich steht, 2017, abrufbar unter https://www.rolandberger.com/de/Publications/pub_predictive_maintenance_2017.html, zuletzt abgerufen am 27.6.2018. 58 Bekannte Anbieter von Predictive Maintenance-Lösungen sind z.B. IBM, Microsoft, Siemens, Bosch und General Electric; zur Generierung als neues Geschäftsmodell vgl. die Ausführungen in Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 4. 59 Vgl. Siegel, Predictive Analytics: the power to predict who will click, buy, lie, or die, 2013, S. 8. 60 S. die Nachweise bei Schermann u.a., Big Data, 2014, online veröffentlicht am 4.9.2014. 61 Hoeren, MMR 2016, 8, 8. 62 Vgl. Bari/Chaouchi/Jung, Predictive Analytics for Dummies, 2. Aufl. 2017, S. 21 ff. 63 Vgl. Katko/Babaei-Beigi, MMR 2014, 360, 361. 64 Eine rechtliche Bewertung von Google Analytic findet sich bei Ertel/Venzke-Caprarese, DuD 2014, 181, die sich allerdings nicht mit den durch die Technologie möglichen Vorhersagen beschäftigen. 65 S. die unternehmenseigene Beschreibung von Google, Google Analytics 360 + Google BigQuery for Predictive Digital Marketing, 14.7.2017, abrufbar unter https://cloud.google.com/solutions/google-analytics-bigquery, zuletzt abgerufen am 27.6.2018. 66 Dastani, Sales Management Review 2016, 66, 67. 67 Wirtschaftslexikon24, SalesCycle, abrufbar unter http://www.wirtschaftslexikon24.com/e/salescycle/salescycle.htm, zuletzt abgerufen am 27.6.2018. 68 Dastani, Sales Management Review 2016, 66, 68. 69 S. die anschauliche Beschreibung dieses Praxisbeispiels bei Dastani, Sales Management Review 2016, 66, 68. 70 Dastani, Sales Management Review 2016, 66, 69. 71 Dastani, Sales Management Review 2016, 66, 70. 72 Vgl. Dastani, Sales Management Review 2016, 66, 67 mit dem Beispiel des Online-Händlers Conrad Electronics, bei dem ein Algorithmus bis zu 20.000 Produkte auf ihre Kaufwahrscheinlichkeit hin untersucht. 73 Kritisch zur medialen Aufmachung der Geschichte Piatetsky, Did Target Really Predict a Teen’s Pregnancy? The Inside Story, 9.5.2014, http://www.predictiveanalyticsworld.com/patimes/target-really-predict-teens-pregnancy-inside-story/3566/, zuletzt abgerufen am 27.6.2018. 74 Dastani, Sales Management Review 2016, 66, 67. 75 Dastani, Sales Management Review 2016, 66, 69 mit dem Praxisbeispiel des Logisitikspezialisten Still, der eben solche Vorhersagen als Teil seiner Vertriebssteuerung betreibt. 76 Bari/Chaouchi/Jung, Predictive Analytics for Dummies, 2017, S. 44. 77 Weiss, Barack Obama: Wahlsieg dank Big Data und Analytics, 8.11.2012, http://www.silicon.de/41575201/obama-wahlsieg-dank-big-data-und-analytics/, zuletzt abgerufen am 27.6.2018. 78 Iffert, Controlling & Management Review, Sonderheft 1/2016, 16, 21. 79 Vgl. Pufahl, Predictive Analytics verhindert Kundenabsprünge, 28.2.2017, https://www.springerprofessional.de/kundenwert/crm/predictive-analytics-verhindert-kundenabspruenge/12046334?searchBackButton=true&abEvent=detailLink, zuletzt abgerufen am 27.6.2018. 80 Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 6. 81 Schmidt/Taeger, in: Tagungsband Herbstakademie (DSRI), Dynamische und personalisierte Preise – datenschutz-, wettbewerbs- und kartellrechtliche Grenzen, 2016, S. 1007 ff., der darauf hinweist, dass dieser Themenkomplex juristisch bisher kaum beachtet wurde. 82 Schmidt, Personalisierte Preise – sexy aber nicht bedingungslos, 10.10.2016, https://www.datenschutz-notizen.de/personalisierte-preise-sexy-aber-nicht-bedingungslos-2816074/, zuletzt abgerufen am 27.6.2018. 83 Dastani, Sales Management Review 2016, 66, 71. 84 S. hierzu das Beispiel Mediamarkt und den Beitrag von Schneiders, Jeder kriegt einen eigenen Preis, 4.8.2015, http://www.faz.net/aktuell/finanzen/meine-finanzen/geld-ausgeben/dynamische-preise-das-ende-des-einheitspreises-13522679.html?printPagedArticle=true#pageIndex_2., zuletzt abgerufen am 27.6.2018. 85 S. den Beitrag zu Predictive Analytic im Human Capital Management von Christ/Ebert, HMD Praxis der Wirtschaftsinformatik 2016, 298. 86 Zur Aufdeckung von Kassenbetrug im Einzelhandel mittels Data Mining-Verfahren s. den Beitrag von Wilke, RDV 2002, 225. 87 Christ/Ebert, HMD Praxis der Wirtschaftsinformatik 2016, 298, 303. 88 SCHUFA, Produktbroschüre: Risikogerechte Prämienentwicklung, Stand: Dezember 2017, abrufbar unter https://www.schufa.de/de/unternehmenskunden/branchen/versicherungen/, zuletzt abgerufen am 27.6.2018. 89 Eine Übersicht der aktuellen Anbieter findet sich bei Düsterhöft/Brandmayer, Telematik bei Autoversicherungen: Ein umsichtiger Fahrstil spart Geld bei der Kfz-Versicherung, 20.9.2017, http://www.finanztip.de/kfz-versicherung/telematik-tarif/, zuletzt abgerufen am 27.6.2018; ebenso Wenig, Versicherungsbote.de, HUK-Coburg: Marktführer in der Kfz-Versicherung startet deutschlandweiten Telematiktarif, 5.1.2017, http://www.versicherungsbote.de/id/4849589/HUK-Coburg-Marktfuehrer-Kfz-Versicherung-Telematiktarif/, zuletzt abgerufen am 27.6.2018. 90 S. die ausführlichen Beschreibungen des Programms in HUK-COBURG, Vereinbarungen zum Smart Driver Programm der HUK-COBURG bzw. der HUK-Coburg-Allgemeine sowie Allgemeine Geschäftsbedingungen zum Smart Driver Programm der HUK-Coburg Datenservice und Dienstleistungen GmbH, Stand 1.1.2018, abrufbar unter https://www.huk.de/content/dam/hukde/dokumente/produkte/vereinbarung-sdp.pdf, zuletzt abgerufen am 27.6.2018, bei der ein externes Dienstleistungsunternehmen die Auswertung der Daten für den Versicherer übernimmt und diesem lediglich den generierten Wert sowie eine erforderliche Identifikationsnummer des Versicherungsnehmers übermittelt. 91 Mattar, Versicherungsbote.de, Big Data in der Lebensversicherung – Chance oder Risiko?, 1.12.2016, abrufbar unter http://www.versicherungsbote.de/id/4848407/Big-Data-Lebensversicherung-Chance-oder-Risiko/, zuletzt abgerufen am 27.6.2018. 92 INWT Statistics, Business Cases, Kreditkartenbetrug, abrufbar unter https://www.inwt-statistics.de/business-cases/kreditkartenbetrug.html, zuletzt abgerufen am 27.6.2018. 93 Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 4 und 6. 94 Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 6. 95 Big Data Insider, Whitepaper Predictive Analytics, 2016, S. 4. 96 Vgl. Weichert, in: Möllers/van Ooyen, Jahrbuch Öffentliche Sicherheit, 2012/2013, S. 379-291. 97 Meinicke, K&R 2015, 377, 378. 98 S. Lee, China: Die AAA-Bürger, 30.11.2017, http://www.zeit.de/digital/datenschutz/2017-11/china-social-credit-system-buergerbewertung, zuletzt abgerufen am 27.6.2018. 99 Strittmatter, Chinas digitaler Plan für den besseren Menschen, 22.5.2017, http://www.sueddeutsche.de/politik/neuer-ueberwachungsstaat-chinas-digitaler-plan-fuer-den-besseren-menschen-1.3517017, zuletzt abgerufen am 27.6.2018; Strittmatter, Schuld und Sühne – Punkteregime, 19.5.2017, http://www.sueddeutsche.de/politik/punkteregime-schuld-undsuehne-1.3514310?reduced=true, zuletzt abgerufen am 27.6.2018; Hodson, Inside China’s plan to give every citizen a character score, 9.10.2015, https://www.newscientist.com/article/dn28314-inside-chinas-plan-to-give-every-citizen-a-character-score/, zuletzt abgerufen am 27.6.2018; aus wissenschaftlicher Sicht Thon/Nes, edpl 2017, 16. 100 Weichert, ZD 2013, 251. 101 Oliver Oursin, Worldwide Predictive and Business Intelligence Solution Executive bei IBM spricht von einer Allgegenwärtigkeit von Predictive Analytics in allen Branchen bis ins Privatleben: isreport.de, Exklusiv-Interview: IBM verankert Analysen in der Prozesssteuerung, abrufbar unter http://www.isreport.de/allgemein/ibm-verankert-analysen-der-prozesssteuerung/, zuletzt abgerufen am 27.6.2018. 102 Bitkom e.V., Potenziale und Einsatz von Big Data – Ergebnisse einer repräsentativen Befragung von Unternehmen in Deutschland, 2014, S. 18. 103 Loadhouse, Predicting the future of predictive analytics, 2013, S. 5. 104 Weiss, CHIP Online – Predictive Analytics – Wunderwaffe oder Scharlatanerie, 25.5.2012, http://business.chip.de/artikel/Predictive-Analytics-_-Wunderwaffe-oder-Scharlatanerie_55967871.html, zuletzt abgerufen am 27.6.2018. 105 Nach einer Pressemitteilung des Softwareherstellers Intershop, Intershop kündigt erste Prognosesoftware speziell für den Online-Handel an, 2.4.2014, wollten diese 2014 mit einer speziell für den E-Commerce entwickelten Lösung SIMCOMMERCE auf den Markt gehen, zuletzt abrufbar unter http://www.intershop.de/pressemeldung/intershop-kuendigt-erste-prognosesoftware-speziell-fuer-den-online-handel-an, abgerufen am 27.6.2018. 106 Iffert, Controlling & Management Review, Sonderheft 1/2016, 16, 22. 107 Anbieter im Bereich self-service-Analytics sind die Unternehmen Alteryx, Self-service Analytics, abrufbar unter https://www.alteryx.com/de/solutions/predictive-analytics, zuletzt abgerufen am 27.6.2018; sowie Salesforce, Overview, abrufbar unter https://www.salesforce.com/products/analytics-cloud/overview/, zuletzt abgerufen am 27.6.2018. 108 S. beispielsweise das Angebot des Software-Herstellers sas und die Hintergründe in: sas Institute, Whitepaper: SAS Results Delivers Value, 2017, abrufbar unter https://www.sas.com/en_us/services/offerings/results-as-a-service.html, zuletzt abgerufen am 27.6.2018.