Beiträge

, ,

Legal Innovation Talk #3 • Legal Tech: Schrittmacher moderner Rechtsberatung oder Vorbote der Kommerzialisierung des Rechts?

Erste Schritte hin zu einem digitalkompatiblen IPR

Dieser Blogartikel erschien zur Tagung Kollisionsrecht 4.0 – Künstliche Intelligenz, Smart Contracts und Bitcoins als Herausforderung für das Internationale Privatrecht. Das 21. Jahrhundert steht im Zeichen des vollumfänglichen digitalen Wandels, der bereits jetzt nahezu jeden Lebensbereich im Kern tangiert und dabei ist, eine umfassende Umstrukturierung unsere Gesellschaft und Wirtschaft zu bewirken. Hierbei wird vor allem […]

,

Wo befindet sich die Debatte über die Verleihung von Rechtspersönlichkeit an künstliche Intelligenzen?

Der technische Fortschritt schreitet voran. Künstliche Intelligenz spielt Schach, Go und Jeopardy besser als Menschen. Wir bekommen das „Internet of Things“. Die Rechenleistung und Leistungsfähigkeit von Computern steigt und steigt. KI trifft zunehmend selbständig Entscheidungen, die unseren Alltag beeinflussen.

KI ist aber nicht nur besser als wir in Brettspielen und Quizshows, sondern hilft uns auch in der Praxis. Staubsaugroboter, digitale Sprachassistenten oder riesige Datenanalyse-Tools unterstützen uns in unserem Alltag. Aufgrund der zunehmenden Einsatzmöglichkeiten von KI, ihren selbstständigen Entscheidungsprozessen und der fortschreitenden technischen Entwicklung, stellen sich aus rechtlicher Sicht noch viele Fragen? Wer haftet zum Beispiel, wenn dein digitaler Assistent „aus Versehen“ die Dusche anschaltet und einen Wasserschaden bei deinem Nachbarn verursacht? Kann KI selbständig innerhalb von Sekunden Aktien erwerben und wieder veräußern? Kann KI dazu gezwungen werden, sich an Gesetze zu halten? Um für diese Fragen eine Lösung zu finden, müssen wir uns die Frage stellen: Wie ordnen wir sämtliche Formen künstlicher Intelligenz rechtlich ein?

Infolge dieser relevanten Probleme gewinnt die Diskussion über die rechtliche Qualität von KI immer mehr an Bedeutung. Dabei lassen sich grundsätzlich zwei Ansätze erkennen: Einige wollen künstlich intelligente Systeme in vollem Maße rechtlich verselbständigen, andere erkennen überhaupt keinen Handlungsbedarf.

Die Problematik ist auch in der Politik angekommen. Sie wurde in einer Entschließung des Europäischen Parlaments vom 16.2.2017 aufgegriffen. Dort wird zumindest für die „höchstentwickelten künstlichen Intelligenzen“ die Schaffung einer eigenständigen Rechtspersönlichkeit angedacht.[1]  Daran anknüpfend soll dieser Artikel darstellen, wo sich die Debatte über die rechtliche Stellung von KI momentan in der Wissenschaft befindet und was mögliche Lösungsansätze für einen interessengerechten und angemessenen Umgang mit KI sein können.

Was sagen die Befürworter?

Was sagen nun diejenigen, die sich für eine Rechtsfähigkeit von KI einsetzen? Für diese Form von Rechtspersönlichkeit hat sich – vor allem von ihren Befürwortern – der Begriff der „ePerson“ eingebürgert.[2] Grundkonzept ist, dass die künstliche Intelligenz durch die „ePerson“ wie eine natürliche Person am Rechtsverkehr teilnehmen soll. Damit könnte die einen Schaden verursachende KI direkt auf Schadensersatzzahlung in Anspruch genommen werden.

Die Vertreter einer solchen Forderung berufen sich zunächst darauf, dass Rechtspersönlichkeit nicht zwangsläufig mit der Eigenschaft als natürliche Person verbunden sei. Gerade eine Kapitalgesellschaft in Form einer AG oder GmbH sei rechtlich von den hinter ihr stehenden Personen komplett verselbständigt.[3] Die Zurechnung von Entscheidungen einer KI sei ein juristischer Kunstgriff, habe aber mit dem aktuellen Stand der Technik nichts zu tun.[4] Denn eine KI fände ihre Ergebnisse eben nicht mehr nur auf Basis der ihr durch den Menschen vorgegebenen Kriterien, sondern entwickle solche Kriterien selbst.[5] Manche gehen sogar weiter und verkünden, künstliche Intelligenzen hätten in ihren Fähigkeiten den Menschen ein- oder sogar überholt und es sei demzufolge nur konsequent , ihnen Rechtspersönlichkeit zuzusprechen.[6] 

Freilich stützen die Vertreter dieser Ansicht die Forderung nach einer „ePerson“ nicht nur auf rechtsphilosophische Erwägungen wie menschliche Willensfreiheit oder das Persönlichkeitsrecht, sondern auch auf praktische Erwägungen:  Ausgangspunkt sei, dass eine KI keinem durch einen Menschen festgelegten Ablauf mehr folge. Der Betreiber oder Urheber habe somit keinen Einfluss auf die Entscheidungsfindung des Systems. Dadurch entstünde eine Verantwortungslücke, die nach den geltenden rechtlichen Regeln nicht mehr zu bewältigen sei. Der Inhaber des künstlichen Systems wäre durch Einführung der „ePerson“ von der Haftung für ein Verhalten befreit, über das er selbst nicht entschieden hätte.[7] Dabei sei zu beachten, dass der Rechtsverkehr zunehmend durch KI abgewickelt werde.[8] So würden in Zukunft sicherlich auch selbständig Verträge durch KI geschlossen und ausgeführt (so im Falle von smart contracts). Im Ergebnis wäre die Konsequenz ein haftungsfreier Raum – den die selbständige „ePerson“ schließen würde.[9] Die notwendige Haftungsmasse ließe sich zum Beispiel durch Einrichtungen von Pflichtversicherungen beschaffen.[10]

Der Teufel liegt aber im Detail. Denn eine uneingeschränkte Rechtssubjektivität hieße am Ende auch, dass sich KI womöglich sogar auf Grundrechte berufen, dass sie Eigentum erwerben oder Kredite aufnehmen könnten.[11] Solche Konsequenzen wollen viele dann doch nicht ziehen.  Dabei ist den meisten Autoren gemein, dass sie zwischen den verschiedenen Formen der künstlichen Intelligenzen und den durch sie entstehenden Risiken unterscheiden wollen (Smart contracts seien demnach anders zu behandeln als ein Roboter, der Autos zusammensetzt). Sie stehen einer einheitlichen Lösung also ablehnend gegenüber.[12]  Beispielsweise will Teubner im Bereich der Willenserklärungen künstlichen Intelligenzen beschränkte Rechtssubjektivität verleihen, damit sie als Stellvertreter bindende Verträge für andere abschließen können.[13] 

Was sagen die Gegner?

Dagegen stehen diejenigen, die im Ergebnis an den bestehenden Regelungen festhalten wollen. Auch hier wird vieles vertreten. Gemein ist allen lediglich die strikte Ablehnung jeglicher Form von rechtlicher Eigenständigkeit für künstliche Intelligenzen.

Zunächst wird mit dem Wesen des Rechtssubjekts argumentiert. Hinter jedem Rechtssubjekt stünde am Ende eine natürliche Person, der Mensch bleibe „Anknüpfungspunkt jeder Verantwortlichkeit“.[14] Zu einer Behandlung von KI als „Subjekt“ fehle es an einem wirklichen Verständnis für das Handeln. Auch der Vergleich einer „ePerson“ mit der Kapitalgesellschaft hinke, denn diese sei in ihrem Handeln letzten Endes doch auf natürliche Personen angewiesen.[15]

Insofern ist nach dieser Auffassung die juristische Konsequenz recht simpel: Das bestehende zivilrechtliche Instrumentarium sei ausreichend, es müsse lediglich im Einzelfall durch Rechtsfortbildung ausgelegt werden.[16]  Demzufolge muss entweder der Hersteller oder aber der Nutzer einer KI haftbar gemacht werden und die Zurechnung von Willenserklärungen durch die Anwendung der §§ 116 ff BGB erreicht werden. Teilweise wird auch explizit auf den jetzigen Stand der Technik abgestellt: Die heutzutage existierenden Systeme seien jedenfalls noch nicht ausgereift genug, um eine „Aufwertung“ vom Rechtsobjekt zum Rechtssubjekt zu rechtfertigen.[17]

Bemerkenswert ist, dass der Vorstoß des Europäischen Parlaments gerade von Nichtjuristen kritisch gesehen wird. So hat sich eine Gruppe aus 285 KI-Forschern, Ärzten, Philosophen, Theologen und Unternehmern in einem offenen Brief gegen die ePerson ausgesprochen.[18] Sie stellen neben dem Menschen als Ausgangspunkt jedes rechtlich relevanten Handelns vor allem eine technische Betrachtung in den Vordergrund: Die Fähigkeiten der im Moment eingesetzten KI seien schlicht und ergreifend überschätzt.[19] 

Fazit

Die Debatte findet auf zwei Ebenen statt: Zunächst wird rechtsphilosophisch gestritten, ob KI ein „Subjekt“ im rechtlichen Sinne sein kann. Andererseits stellen sich konkrete rechtliche Probleme, zu deren Handhabung unterschiedliche Lösungsansätze vorgeschlagen werden.

Abhängig ist die Diskussion vor allem von den technischen Fortschritten in den nächsten Jahren, die sich sehr schlecht prognostizieren lassen. Können wir wirklich behaupten, dass die Fähigkeiten von KI überschätzt werden? Und was gilt dann erst in fünf oder zehn Jahren?

Für die hinter der rechtlichen Problematik stehenden philosophischen und ethischen Fragen müssen wir als Gesellschaft eine Lösung finden: Welche gesellschaftliche Position soll KI zukünftig innehaben? Wieviel Macht darf KI erhalten? Wollen wir einen Roboter tatsächlich wie einen Menschen behandeln? Und wenn ja – wollen wir moderne Sklaven oder gleichberechtigte Mitglieder der Allgemeinheit? Diese Fragen müssen wir beantworten, früher oder später.

Innerhalb kurzer Zeit ist diese Problemstellung zur „derzeit dringendsten Frage im IT – Recht“ avanciert.[20] Die in der Fachliteratur vorgebrachten Erwägungen werden zunehmend vielschichtiger.  Auch in der Politik ist Handlungsbedarf erkannt worden: Der Deutsche Bundestag hat 2018 eigens eine Kommission für KI eingesetzt, die bis 2020 eine Handlungsempfehlung im Umgang mit KI formulieren soll.[21] Die Europäische Kommission beschäftigt sich momentan mit den vorgebrachten ethischen und moralischen Fragen und hat dazu eine Expertenrunde einberufen.[22] Die Ergebnisse dieser Gremien werden für die zukünftige rechtliche Handhabung von KI entscheidend sein. Eine differenzierte und zufriedenstellende Lösung ist aber im Hinblick auf den immer stärkeren Einfluss von KI auf unseren Alltag dringend erforderlich.

 

Till von Poser     Madeleine Maschke


[1] http://www.europarl.europa.eu/doceo/document/A-8-2017-0005_EN.html?redirect, Art. 59, Ziffer f; zuletzt abgerufen am 7.6.2019

[2] Wettig/Zehendner, A legal analysis of human and electronic agents, S. 112, 1.2, 2004https://link.springer.com/content/pdf/10.1007%2Fs10506-004-0815-8.pdf; zuletzt abgerufen am 7.6.2019

[3] Wettig/Zehendner,  S. 128, 4.1

[4] Teubner, Digitale Rechtssubjekte, S. 19; https://www.jura.uni-frankfurt.de/69768539/TeubnerDigitale-RechtssubjekteAcP-18Dez17.pdf; zuletzt abgerufen am 7.6.2019

[5] Teubner, S.15

[6] Matthias, Automaten als Träger von Rechten, S. 270, 2. Aufl., 2010

[7] Wettig/Zehendner, S. 128, 4.1Mayinger, Die künstliche Person, S. 227 ff, 2017

[8] Matthias, S. 113

[9] Mayinger, S. 230

[10] Matthias, S. 244

[11] Mayinger, S. 233 ff.; Wettig/Zehendner, S. 97 ff.

[12] Specht/Herold, MMR 2018, S. 40

[13] Teubner, S. 38

[14] Grapentin, Die Erosion der Vertragsgestaltungsmacht durch das Internet und den Einsatz Künstlicher Intelligenzen, S. 88, 2018

[15] Eidenmüller, The Rise of Robots and the Law of Humans, Oxford Legal Studies Research Paper No. 27/2017, S. 13

[16] BGHZ 195, 126, Rn. 17; MüKo – BGB/Busche, Vor § 145,  Rn. 37

[17] https://www.plattform-i40.de/PI40/Redaktion/DE/Downloads/Publikation/kuenstliche-intelligenz-und-recht.pdf?__blob=publicationFile&v=2 , S. 7; zuletzt abgerufen am 7.6.2019

[18] Den Brief findet man hier: http://www.robotics-openletter.eu; zuletzt abgerufen am 7.6.2019

[19] Ebenda

[20] Specht, NJW 2018, S. 3686

[21] https://www.bundestag.de/ausschuesse/weitere_gremien/enquete_ki; zuletzt abgerufen am 7.6.2019

[22] https://ec.europa.eu/commission/news/artificial-intelligence-2019-apr-08_de; zuletzt abgerufen am 7.6.2019

,

Big Data, IoT und die Vernetzung der realen und digitalen Welt

Nachdem der Begriff der künstlichen Intelligenz bereits eingehend erläutert wurde, soll in diesem Artikel deutlich gemacht werden, inwieweit Machine Learning und allgemeiner künstliche Intelligenz in einen größeren Prozess der Vernetzung von digitaler und realer Welt über das Mittel der Maschinendaten eingebunden sind. Dabei wird deutlich, welche entscheidende Bedeutung Big Data und das Internet of Things (IoT) für die weitere wirtschaftliche und gesellschaftliche Entwicklung von Ländern haben wird.

Das Phänomen Big Data

Dank der seit ca. 1950 exponentiell steigenden Rechenkraft von Informationsverarbeitungsanlagen[1] und der gleichzeitig damit einhergehenden Professionalisierung und rapiden Weiterentwicklung der Informationstechnologie ist es heute möglich, Datensätze mit Abermillionen von Einzeldaten in Echtzeit zu verarbeiten und auszuwerten. Dieses Phänomen der ständigen Auswertung von riesigen Datenmengen bezeichnet der Begriff „Big Data“. Das Phänomen Big Data geht einher mit einem exponentiellen Wachstum der weltweiten Datenmenge. Im Jahre 2020 werden jährlich mehr als 40 Zettabyte (bzw. 40 Trillionen Gigabyte) an technisch-verarbeitbaren Daten weltweit erwartet.[2] Dies entspricht einem Anstieg von 236 % in den Jahren 2013-2020. Dabei ist anzunehmen, dass sich in diesen Daten enorme Werte verbergen.[3] Jeden Tag werden ca. 2,5 Milliarden Gigabyte an neuen Daten erzeugt[4], allein Google verarbeitet jeden Tag über 3,5 Milliarden Suchanfragen weltweit[5]. Die Wertschöpfung aus der Analyse solcher Datensätze geschieht dabei im Wege eines sog. „Data Value Cycle“. Zunächst werden in irgendeiner Form Daten erzeugt, die Aufschluss geben über gewisse Eigenschaften, Verhaltensweisen oder Ereignisse. Einzelne Daten werden daraufhin „gepoolt“, also zu riesigen Datensätzen zusammengeschlossen, mit denen dann Data Analytics Tools „gefüttert“ werden. Aufgrund der Auswertung der Analysewerkzeuge werden letztendlich Entscheidungen getroffen, die erneut Daten erzeugen, die wiederum in den Data Value Cycle mit eingehen.[6] Die Speicherung, Sammlung und Verarbeitung von Daten wird zudem heutzutage durch sog. Hadoop-Applikationen massiv erleichtert. Diese Applikationen erlauben es, dass Daten, die auf unterschiedlichen Servern gespeichert sind, dennoch zentralisiert verarbeitet werden können, indem die unterschiedlichen Server mithilfe der Hadoop-Applikationen zu einem  Rechencluster zusammengeschlossen werden (sog. Hadoop Distributed File System, HDFS).[7] Das steigende potenziell verfügbare Datenvolumen steigert gleichzeitig die Effektivität und Reichweite von Big Data. Indem zunehmend in Echtzeit riesige Datenmengen analysiert werden können, werden die gesamte Wissens- und Wertschöpfung in der Gesellschaft vorangetrieben, neue Produkte, Prozesse und Märkte gefördert sowie neue Geschäftsmodelle ermöglicht. Big Data verändert die meisten, wenn nicht sogar alle Sektoren in OECD-Ländern und Partnerländern und steigert damit die wirtschaftliche Wettbewerbsfähigkeit und das Produktivitätswachstum von Volkswirtschaften.[8]

Die “Datafication” der realen Welt

Bis jetzt hat Big Data seine größte wirtschaftliche Bedeutung und Verbreitung (noch) im Bereich der Information & Communication Technologies (ICT).[9] Die „Datafication“, also Digitalisierung von Phänomenen in Binärcode[10], macht aber nicht im Bereich der virtuellen Kommunikation Halt, sondern erfasst immer mehr die „reale Offline-Welt“. Durch Sensoren (deren Einsatz massiv durch die immer weiter sinkenden Produktionskosten gefördert wird), also bspw. durch Kameras, Temperaturmessgeräte, Infrarotmessgeräte oder das gerade im Bereich des automobilen Fahrens sehr relevante LIDAR-System[11], die physikalische Begebenheiten und Ereignisse erfassen, speichern und in digitalisierter Form transferieren, wird die reale Welt in allen ihren Details digitalisiert.[12] Geschätzt werden heutzutage ca. 30 Millionen vernetzte Sensoren eingesetzt, wobei diese Zahl jedes Jahr um ungefähr 30 % steigt.[13] Das von Sensoren erzeugte Datenvolumen wird besonders deutlich, wenn man sich verdeutlicht, dass für das Jahr 2020 allein geschätzt 250 Millionen vernetzte Fahrzeuge erwartet werden (und die Zahl an Smartphones, Smartwatches etc. noch wesentlich höher liegt[14]). Daten, die von Sensoren in Maschinen, also eine bestimmte Funktion erfüllenden technischen Geräten, erzeugt und kommuniziert werden, sollen Maschinendaten genannt werden. Dabei ist der Begriff Maschinendaten auch deshalb so passend, weil er Daten umfasst, die nicht hauptsächlich der direkten Kommunikation unter Menschen dienen, sondern vielmehr auf eine Maschine-zu-Maschine-Kommunikation (M2M-Kommunikation) zugeschnitten sind. Genauso wie das gewöhnliche Internet hauptsächlich dazu dient, Kommunikation zwischen Menschen zu ermöglichen, soll das sog. „Internet of Things“ (IoT) dazu dienen, einzelne Smart Devices zu vernetzen und durch automatischen Informationsaustausch effektivere, bessere Entscheidungen herbeizuführen.[15] Ideales Beispiel ist hier der Straßenverkehr: Durch die wachsende Anzahl an Automobilen in Deutschland, kommt es aufgrund zu starker Fahrbahnauslastung zu immer mehr Staus.[16] Indem jedes einzelne Fahrzeug im Straßenverkehr mit allen anderen Fahrzeugen vernetzt wäre und diese dadurch gegenseitig ihre Position kennen würden, könnte jedes Fahrzeug sich harmonisch auf den derzeitigen Verkehrsfluss einstellen und damit effektiv Stau verhindern.[17]

Big Data umfasst sämtliche Bereiche des gesellschaftlichen Zusammenlebens: Kommunikation, Verkehr[18], Medizin[19], Stadtverwaltung[20], Landwirtschaft[21], Musik[22], aber ganz besonders die Industrie. Unter dem Schlagwort „Industrie 4.0“ wird diskutiert, wie Big Data in Verbindung mit einem spezialisierten “Industrial Internet of Things” gesamte Wertschöpfungsketten und Wirtschaftsmodelle aufbrechen oder zumindest optimieren kann.[23] Durch den Einsatz von auf Fertigungsmaschinen installierten Sensoren, die miteinander vernetzt sind, kann eine weitreichende Analyse und Optimierung der Fertigung gelingen.[24] Ansätze reichen von einer einfachen Verringerung der Fehlerquote bis hin zur „Smart Factory“[25], in der selbstständig Waren nachgeordert und Produktionsabläufe gesteuert werden.

Auch für sog. Smart Contracts bildet das IoT die Grundlage zahlreicher Anwendungsfälle. Smart Contracts bezeichnen automatisch schließbare und ausführbare Verträge, die durch Datenübertragung innerhalb eines Blockchainnetzwerks zu Stande kommen. Smart Contracts ermöglichen unter anderem auch die Verknüpfung von realer Welt und digitalem Blockchainnetzwerk, indem Gegenstände der realen Welt wie bspw. ein Türschloss durch Smart Contracts automatisch gesteuert werden können. Im Rahmen dessen läuft die eigentliche Steuerung der Tür durch Daten ab, die im Blockchainnetzwerk auf bestimmte Art und Weise übertragen und gespeichert werden können, das Blockchainnetzwerk stellt in diesem Fall genau das beschriebene “Internet of Things” dar. Da dieser Artikel nur eine Einleitung in das Thema IoT darstellen soll, verweisen wir schon jetzt auf unseren kommenden Artikel über die genaue Funktionsweise von Smart Contracts. Dieser wird noch deutlicher machen, wie sehr Smart Contracts und IoT als Themenfelder miteinander verbunden sein können.

Maschinendaten und ihre Bedeutung für das Internet of Things

Maschinendaten bilden dabei die Grundlage des IoT. Sie werden für Industrieunternehmen zu einer dritten Größe neben Arbeit und Kapital. Sie sind der Rohstoff, mit dem Unternehmen Wertschöpfung generieren können.[26] Anders als die Analyseergebnisse, die von der Vorauswahl der Daten stark beeinflusst werden, sind die gesammelten Daten selbst zunächst unpolitisch.[27] Ihre Politisierung geschieht mit ihrer Auswahl für einen bestimmten Verwendungszweck.[28] Diese sind sehr vielfältig. Attraktiv sind die riesigen, sich dauerhaft erneuernden Datensätze dabei insbesondere für das Feld des Machine Learning. Dieses zeichnet sich dadurch aus, dass ein Programm nicht wie üblich festgelegte Handlungsschemata abarbeitet, sondern diese im Hinblick auf ein vordefiniertes Ziel selbst entwickelt. Die Entwicklung und Optimierung dieser Handlungs- und Entscheidungsschemata gelingt dabei mithilfe riesiger Datensätze, durch die das Programm „lernt“ (daher auch der Begriff Machine Learning), seine Entscheidungen zu optimieren.[29] 

Maschinendaten sind also gewissermaßen der Kraftstoff, mit dem das IoT betrieben wird. Dadurch kommt ihnen für die zukünftige wirtschaftliche und gesellschaftliche Entwicklung von Ländern und Regionen eine enorme Bedeutung zu. Es wird geschätzt, dass der Big Data-Markt im Jahr 2020 allein in Deutschland 3,8 Mrd. EUR beträgt, weltweit wird für 2019 ein Umsatz von 187 Mrd. USD geschätzt.[30] Der effektive Einsatz von Big Data Tools könnte die Produktentwicklungskosten um bis zu 50 %, die Operationskosten um bis zu 25 % senken und den Nettogewinn damit insgesamt für Industrieunternehmen um bis zu 30 % erhöhen.[31] Volkswirtschaften, die es versäumen, diesen neu hinzugekommenen dritten Kapitalfaktor gewinnbringend einzusetzen, könnten durch aufstrebende „Data Economies“ verdrängt werden.  

Ausblick

Wenn man das Internet of Things schlagwortartig als Vernetzung von digitaler und analoger Welt beschreiben möchte, ergeben sich zahlreiche Fragen. Inwieweit muss die Nutzung und Weitergabe von Maschinendaten reguliert werden? Inwieweit ist sie gemessen an ihrer enormen wirtschaftlichen Bedeutung Stand heute ausreichend geregelt? Inwiefern lässt sich eine Gesellschaft, die durch vernetzte Algorithmen „gesteuert wird“ bzw. zumindest ihr Verhalten anhand dieser Algorithmen ausrichtet, überhaupt durch nationale Gesetze in ihrem Verhalten beeinflussen, gerade angesichts des globalen Spektrums der Datenvernetzung, -nutzung und -speicherung? 

Neben der wirtschaftlichen Bedeutung stellen sich gerade auch Fragen in Bezug auf den Datenschutz und die informationelle Selbstbestimmung des Einzelnen: Wenn das IoT nur durch Big Data funktionieren kann, inwieweit kann der Einzelne realistisch gesehen die Verfügbarkeit von Informationen über sein Verhalten noch steuern?

Gerade die besondere Eigenschaft von Daten, unendlich oft vervielfältigt werden zu können, ohne dass es zu einer Verschlechterung der Nutzung kommt (so genannte Nicht-Rivalität der Nutzung[32]), führt zu einer im Grunde ungebremsten Vervielfältigung und Verbreitung von insb. auch personenbezogenen Daten, durch die potenziell verhaltenssteuernde Algorithmen programmiert werden bzw. aussagekräftige Ergebnisse produzieren können.

Das Internet of Things könnte in Zukunft zusammen mit Big Data also zu einer Veränderung des gesellschaftlichen Zusammenlebens führen und besitzt wirtschaftliche Relevanz für sämtliche Wirtschaftssektoren. Daher ist es unerlässlich, dass sich auch die Rechtswissenschaft vertieft mit diesem Thema auseinandersetzt.

 

Autor: Johannes Kevekordes


[1] Vgl. Routley, Visualizing the Trillion-Fold Increase in Computing Power, 2017 (www.visualcapitalist.com/visualizing-trillion-fold-increase-computing-power/) (geprüft am 07.05.2019).

[2] IDC; DELL EMC, Data Growth, Business Opportunities, and the IT Imperatives – Executive Summary, 2014 (www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm) (geprüft am 07.05.2019).

[3] Picot/Berchtold/Neuburger, in: Kolany-Raiser/Heil/Orwat u.a. (Hrsg.), Big Data und Gesellschaft, 2018, S. 309 (322).

[4] OECD, Data-Driven Innovation (DDI), 2015, S. 20.

[5] Vgl. https://www.internetlivestats.com/google-search-statistics/ (geprüft am 15.05.02019).

[6] Vgl. OECD, DDI, S. 32–33; Kumpf, Smart Cars – eine datenschutzrechtliche Analyse, S. 4.

[7] https://searchdatamanagement.techtarget.com/definition/Hadoop-Distributed-File-System-HDFS (geprüft am 02.05.2019).

[8] Vgl. OECD, DDI, S. 20; Drexl, NZKart 2017 (339).

[9] OECD, DDI, S. 22–25.

[10] Vgl. OECD, DDI, S. 133; Hey, The Data, Information, Knowledge, Wisdom Chain: The Metaphorical link, 2004 (www.dataschemata.com/uploads/7/4/8/7/7487334/dikwchain.pdf), S. 12–13 (geprüft am 07.05.2019); Mayer-Schönberger/Cukier, Big data, 2013, S. 78: To datafy a phenomenon is to put  it in a quantified format so it can be tabulated and analyzed”.

[11] Einen Überblick gibt Mothi Venkatesh auf https://medium.com/playment/a-primer-on-lidar-for-autonomous-vehicles-efa04ab72a94 (geprüft am 15.05.2019)

[12] Kumpf, Smart Cars, S. 19–22; vgl. auch OECD, DDI, S. 141.

[13] OECD, DDI, S. 139–140.

[14] Erwartet werden für 2020 ca. 2, 87 Milliarden Smartphones weltweit, https://www.emarketer.com/Article/Slowing-Growth-Ahead-Worldwide-Internet-Audience/1014045 (geprüft am 07.05.2019); Ericssons Vorstandsvorsitzender sah voraus, dass 2020 ca. 50 Milliarden Geräte gleichzeitig verbunden sein werden, das entspricht 6 Geräten für jeden Erdbewohner in 2020, siehe Ericsson, CEO to shareholders: 50 billion connections 2020, 13.04.2010 (www.ericsson.com/en/press-releases/2010/4/ceo-to-shareholders-50-billion-connections-2020) (geprüft am 07.05.2019).

[15] Vgl. Drexl, NZKart 2017 (339).

[16] https://www.dekra.net/de/adac-meldet-stau-rekord/ (geprüft am 07.05.2019)

[17] Vgl. Friedrich, in: Maurer/Lenz/Winner u.a. (Hrsg.), Autonomous Driving: Technical, Legal and Social Aspects, 2016, S. 317 (S. 331 f.); Kumpf, Smart Cars, S. 19–22.

[18] Proff/Fojcik, Mobilität und Digitale Transformation, 2018, S. 289 ff.; Ukkusuri/Yang (Hrsg.), Transportation Analytics in the Era of Big Data, 2019.

[19] Holzinger/Röcker/Ziefle, Smart Health, 2015.

[20] Alba/Chicano/Luque, Smart Cities, 2017.

[21] Schönfeld/Heil/Bittner, in: Hoeren/Kolany-Raiser (Hrsg.), Big Data in Context: Legal, Social and Technological Insights, 2018, S. 109 ff.

[22] Grünewald-Schukalla/Ahlers/Lücke u. a. (Hrsg.), Big Data und Musik, 2018.

[23] Steven, Industrie 4.0, 2019, S. 13 ff.; Picot/Berchtold/Neuburger, in: Kolany-Raiser/Heil/Orwat u.a. (Hrsg.), Big Data und Gesellschaft, 2018, S. 309 (S. 333 ff.); Noerr LLP/Bundesverband der Deutschen Industrie e. V., Digitalisierte Wirtschaft/ Industrie 4.0, November 2015OECD, DDI, S. 28 mit Verweis auf Jasperneite, Was hinter Begriffen wie Industrie 4.0 steckt, 2012 (www.computer-automation.de/steuerungsebene/steuern-%20regeln/artikel/93559/0/) (geprüft am 02.05.2019).

[24] OECD, DDI, S. 27–28; vgl. für zahlreiche Optimierungsbeispiele BITKOM, Big Data und Geschäftsmodell- Innovationen in der Praxis: 40+ Beispiele, 2015.

[25] Roy, Industrie 4.0 – Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory, S. 57 ff.

[26] Sadowski, Big Data & Society 6 (2019), 1-12.

[27] Beachte aber SteinmüllerInformationstechnologie und Gesellschaft1993,  S. 212. Eine völlig isolierte Betrachtung von Daten ist nicht möglich.

[28]  Smith, The hidden hand of data bias, 2018 (www.infoworld.com/article/3269060/the-hidden-hand-of-data-bias.html) (geprüft am 02.05.2019); Morgan, 7 Common Biases That Skew Big Data Results, 2015 (www.informationweek.com/big-data/big-data-analytics/7-common-biases-that-skew-big-data-results/d/d-id/1321211?image_number=3) (geprüft am 02.05.2019); siehe zur mgl. Lösung eines sog. Data Bias https://www.research.ibm.com/5-in-5/ai-and-bias/ (geprüft am 07.05.2019).

[29] Siehe auch Sarkar, What lies beneath? Optimization at the heart of Machine Learning, 2018 (https://towardsdatascience.com/a-quick-overview-of-optimization-models-for-machine-learning-and-statistics-38e3a7d13138) (geprüft am 07.05.2019).

[30] Picot/Berchtold/Neuburger, in: Kolany-Raiser/Heil/Orwat u.a. (Hrsg.), Big Data und Gesellschaft, 2018, S. 309 (322).

[31] McKinsey Global Institute, The Age of Analytics: Competing in a Data-Driven World, 2016, S. 29.

[32] Grundlegend dazu mit mathematischer Herleitung Samuelson, review of economics and statistics, 36 (1954), 387–389 (https://www.jstor.org/stable/1925895?seq=1#metadata_info_tab_contents ) (geprüft am 02.05.2019).