Vereinbarkeit von datengetriebenen Geschäftsmodellen und Privatsphäre

Bachelorarbeit, Masterarbeit, Studienarbeit

Die Analyse und Auswertung von Daten ist zentraler Gegenstand der digitalen Transformation (Kuneva 2009). Insbesondere die Internet-Giganten aus den USA und China entwickeln wirtschaftlich erfolgreiche datenbasierte Geschäftsmodelle. Grundlage ist in der Regel die Sammlung von Daten, um auf dieser Basis Werbeeinnahmen zu erzielen. Darüber hinaus können Daten einen enormen Wert für die Gesellschaft haben (Cohen 2000). Beispiele sind Anwendungen aus der Medizin. Durch die Nutzung von KI-Algorithmen entsteht eine Vielzahl weiterer Möglichkeiten der Zusammenführung und Analyse von Daten (Buxmann und Schmidt 2018).

Demgegenüber steht eine Vielzahl von Privatsphäre-Risiken für die Menschen und die Gesellschaft: Diese reichen vom gläsernen Bürger über die Folgen eines Identitätsdiebstahls bis hin zu Scoring-Modellen, wie sie in China Anwendung finden. Empirische Untersuchungen zur Akzeptanz datenbasierter Geschäftsmodelle zeigen auch, dass die meisten Nutzer:innen mit den – nur auf den ersten Blick kostenlosen – Geschäftsmodellen nicht einverstanden sind, die entsprechenden Dienste aber dennoch nutzen (Buxmann 2015, 2018).

Die Ausbalancierung der Chancen durch die Analyse und Verknüpfung von Daten einerseits und der Risiken für die Privatsphäre der Menschen andererseits, ist eine zentrale Herausforderung der digitalen Transformation von Wirtschaft und Gesellschaft (Acquisti 2015, 2016). Daher sind mögliche Fragestellungen zu diesem Themenkomplex:

Mögliche Fragestellungen

• Wie kann das Spannungsfeld zwischen dem Wert von Daten für Wirtschaft und Gesellschaft einerseits und den Anforderungen an die Privatsphäre von Nutzer:innen andererseits vereint werden?

• Welche Herausforderungen existieren bei Trainingsdaten von selbstlernenden Algorithmen bezüglich des Schutzes der Privatsphäre und wie können diese gelöst werden?

• Welchen Einfluss haben Privacy-Enhancing Technologies (PETs) auf den Trade-off zwischen dem Wert von Daten und der Privatheit der Menschen?

Methodik / Vorgehensweise

• Strukturierte Literaturrecherche

• Interviews

• Quantitative Online-Umfragen

• Case Studies

• Experimente