Beratung über Technikfolgenanalyse zu Data-Mining
Die Beratung eines Berichtes des Ausschusses für Bildung, Forschung und Technikfolgenabschätzung gemäß Paragraf 56a der Geschäftsordnung des Bundestages (Technikfolgenanalysen) stand am Freitag, 21. April 2023, auf der Tagesordnung. Der Bericht mit dem Titel „Data-Mining – gesellschaftspolitische und rechtliche Herausforderungen“ (20/5149) wurde im Anschluss der Debatte an die Ausschüsse überwiesen. Bei den weiteren Beratungen übernimmt der Ausschuss für Digitales die Federführung.
Bericht des Büros für Technikfolgen-Abschätzung
Ziel des vom Büro für Technikfolgen-Abschätzung beim Deutschen Bundestag (TAB) erstellten Berichtes ist es, den Oberbegriff Data-Mining aus unterschiedlichen Perspektiven zu erschließen und in seiner Vielschichtigkeit darzustellen. Damit soll das Verständnis der Möglichkeiten und Grenzen komplexer Datenanalysen erhöht werden. Anhand von unterschiedlichen Anwendungsbeispielen würden derzeitige Möglichkeiten und Herausforderungen in medizinischen und gesundheitssystemischen Kontexten veranschaulicht.
Das TAB kommt der Vorlage zufolge zu der Einschätzung, dass Data-Mining ein unscharfer Begriff sei – ähnlich wie die Big oder Smart Data, maschinelles Lernen oder künstliche Intelligenz (KI). Es zeigten sich hier erhebliche Schnittmengen, „insbesondere wenn man die damit einhergehenden gesellschaftlichen Herausforderungen in den Blick nimmt“, heißt es in der Vorlage. Alle Begriffe würden mit datenanalytischen Verfahren assoziiert, die aus großen (Trainings-)Datenbeständen Strukturen extrahieren, Regeln ableiten oder Modelle anpassen.
Streckenoptimierung von Navigationssystemen
Data-Mining werde tendenziell eher mit wissenschaftlichen Forschungsaktivitäten in Verbindung gebracht als die anderen Begriffe, „weil Data-Mining mit dem Ziel assoziiert wird, Informationen oder Erkenntnisse zu Datenstrukturen zu gewinnen, diesbezügliches Wissen zu generieren beziehungsweise zu erweitern“. Mit diesen Begriffen verbundene Visionen beruhten oftmals auf der Grundannahme, dass immer mehr Daten auch komplexe reale Phänomene so umfangreich und genau abbilden, dass Regeln und Modelle weitgehende Allgemeingültigkeit erreichen und zur Klassifikation und Gruppierung neuer Sachverhalte oder zur Prognose von Entwicklungen eingesetzt werden können. Vielfältige Praxisbeispiele von genetischen Tests über die Streckenoptimierung von Navigationssystemen bis zu Klimamodellen stützten diese Annahme.
Datenexperten würden zugleich betonen, dass zum einen auch große Datenmengen reale Sachverhalte in ihrer Vielschichtigkeit kaum vollumfänglich abbilden und Regeln und Modelle stets Vereinfachungen einer komplexeren Realität seien. Zum anderen wiesen sie darauf hin, dass durch derartige datenbasierte Vorgehensweisen real existierende strukturelle Probleme, wie beispielsweise die Diskriminierung einzelner Personengruppen reproduziert werden könnten. Auch dafür gebe es Belege aus der Praxis. So würden Algorithmen beispielsweise höhere Rückfallwahrscheinlichkeiten bei afroamerikanischen Straftätern ermittelten oder Männer in Bewerbungssituationen als geeigneter einstuften. Folglich könnten die Resultate derartiger Prozesse in konkreten einzelnen Anwendungskontexten nützlich sein, aber auch Risiken allgemeiner oder auch ganz neuer Art mit sich bringen. „Die Schaffung eines Mehrwerts unter Achtung der freiheitlichen Grundordnung ist folglich eine Frage der sinnvollen Ausgestaltung derartiger Prozesse“, schreibt das TAB. (hau/21.04.2023)