Warum Daten diskriminieren können (und was die NSA mit Scoring zu tun hat)

Eigentlich sollte es klar sein, dass Datenschützer Scoring nicht gut heißen. Per se gegen Datenverarbeitung zu sein – das scheint oberflächlich betrachtet ihr Job zu sein. Thilo Weichert konnte mir aber sehr gute Gründe nennen, warum er das so sieht.

Das Interview am Donnerstag mit Thilo Weichert, dem Datenschutzbeauftragten des „Unabhängigen Landeszentrums für Datenschutz“ war nicht nur äußerst angenehm, sondern auch für mich sehr erhellend. Nach dem Interview mit dem sehr clever argumentierenden Creditreform-Pressesprecher am Dienstag, hatte ich öfter diese „Hmm, ist Scoring wirklich so schlimm?“-Gedanken. Gute Pressesprecher können einen ganz schön ins Zweifeln bringen, ob die gerade entwickelte Haltung nicht vielleicht doch die falsche ist. Chapeau, Herr Bretz!

“Scoring muss transparent sein”

Thilo Weichert lieferte allerdings die passenden Gegenargumente zu Creditreform. Scoring, meinte er, sei nicht per se schlecht. Allerdings müsse man genau schauen, welches Verfahren mit welchen Daten zu welchem Ergebnis kommt. Und genau das sei die Crux: „Die Firmen sind nicht transparent. Man erfährt nichts darüber, wo sie welche Daten her haben, was sie damit machen und warum sie zu dem Ergebnis kommen, das sie dann ausspucken.“

Gute Laune, trotz Überwachung und Scoring: Schleswig-Holsteins Datenschutzbeauftragter Thilo Weichert

Gute Laune, trotz Überwachung und Scoring: Schleswig-Holsteins Datenschutzbeauftragter Thilo Weichert

Das Argument von Creditreform, dass die Formeln doch eh keiner verstehen würde, lässt er nicht gelten: „Klar, das ist eine Sache für Wissenschaftler, aber auch die muss transparent und nachvollziehbar sein. Die anderen Sachen muss aber jeder wissen und verstehen können“.

Am schlimmsten für ihn ist aber die „Diskrimierung“, die durch Scoring stattfinde. Ich stutzte bei dem Wort innerlich erstmal. Hatte mir nicht Creditrefom-Bretz gerade noch vorgeschwärmt, dass Scoring viel objektiver sei, weil der schlecht gelaunte Bankangestellte einem nicht wegen eines häßlichen Anzugs den Kredit verweigern würde? Wie können dann Daten diskrimieren?

Wie können Daten diskrimieren?

Das Problem, meint Weichert, sei, dass aufgrund von Vorurteilen über Daten wie „schlechte Adresse“, „falsches Geschlecht“ (Frauen zahlen z.B. angeblich zuverlässiger Kredite zurück) oder „falsches Alter“ Menschen unrechtmäßig bewertet werden würden. Das Argument leuchtet mir ein. Nur weil jemand ein junger Mann ist, der in einem vermeintlich sozialschwachem Viertel lebt, muss das ja nicht heißen, dass er daher ein unzuverlässiger Kreditrückzahler sein muss. Statistisch gesehen mag es für ihn ein höheres Risiko geben. Aber Statistik ist halt nur Mathe und kann niemals ein Individuum verläßglich beschreiben, sondern nur aussagen, wie hoch die Wahrscheinlichkeit ist, das jemand so oder so ist.

Kenner sagen übrigens "ULD" zum Wortmonster...

Kenner sagen übrigens “ULD” zum Wortmonster…

Das nächste Ding, wo ich ihm Recht geben musste: Ein Bankangestellter mag einen schlechten Tag haben oder mich nicht riechen können. Aber das gilt dann nur für den einen Banker mit unausgeglichenem Sexualleben. Ein schlechtes Scoring gilt dafür deutschlandweit und für sehr viele Unternehmen, die mich dann alle auf einmal nicht mehr riechen können. Und: Ich als Kunde habe sehr schlechte Chancen, ein negatives Scoring zu verbessern. Dafür müsste ich ja wissen, was das schlechte Scoring beeinflusst hat. Aber das sagen einem die Scoring-Menschen nicht oder (wie bei Alvar) nur so kryptisch, dass es keiner versteht.

Strafe für Datensparsamkeit? Normal.

Zu Alvars Fall meinte Weichert, dass auch das ein bekanntes Problem sei: Wer sich für Datensparsamkeit entscheide, wird gern mal dafür mit einem negativen Ranking bestraft, obwohl das eigentlich nicht klar geht. Die Firmen unterstellen einem hier ja quasi, dass man etwas zu verbergen habe. „Über wen ich nichts weiß, über den denk ich erstmal nur Schlechtes“, scheint deren Grundhaltung zu sein. Ein angenehmenes Menschenbild.

Auf meine Fragen, warum die Schufa-Auskunft denn nicht mehr ausreiche, hatte Weichert eine für mich überraschende Antwort. „Die Schufa-Auskunft enthält viele Daten, die nicht sofort für jeden verständlich sind, da muss man sich ein bißchen für auskennen. Einen Score-Wert können Sie jedem erklären.“ Und weil heute ja alles online funktionieren soll und schnell und billig gehen muss, setzen viele Firmen scheinbar gerne ungelernte Mitarbeiter ein, die sich nicht auskennen müssen mit Kreditwürdigkeit und Co.

Kritisch kucken kann ich!

Kritisch kucken kann ich!

Also sind wir alle selber schuld, wenn wir unsere Bestellungen und Verträge lieber Online abschließen? So will er das nicht eindeutig sagen, aber Weichert fordert uns auf, sowas doch lieber im Laden zu tun. Hinterher denke ich mir: Hm, aber bei Handyverträgen, Kreditanträgen oder auch einem Sky-Abo wird doch trotzdem im Hintergrund nochmal ein Score-Wert abgerufen? Klar, man kann sich aus allen Scoring-Datenbanken auslisten lassen, aber dann, so Weichert, macht man sich erst Recht verdächtig. Ein Teufelskreis.

PRISM = Scoring (wahrscheinlich)

Wer datensparsam lebt, wer nicht gescort werden will, macht sich also verdächtig. Hat dieser Mensch etwas zu verbergen? Mich erinnert das an die staatliche Überwachung, bei der verschlüsselte Kommunikation ebenfalls per se als verdächtig gilt. Und genau die sieht Weichert auf einer Stufe mit Scoring.

„Was die NSA oder die GCHQ machen ist nichts anderes als Scoring. Sie versuchen anhand von Daten eine Risikobewertung zu machen und Vorhersagen zu treffen.“ „Also die einen gucken, ob man ein guter oder ein schlechter Kunde ist und die gucken, ob man ein guter oder schlechter Bürger ist?“ fasse ich zusammen. „Ja genau.“ bestätigt er mich.

„Es geht hier immer um das Thema ‚Big Data’, also um die Auswertung von großen Datenmengen“, sagt Weichert. Daher wird das Landeszentrum für Datenschutz am 7.8. auch seine Sommerakademie zu diesem Thema ausrichten, zu der ich leider wegen anderer Termine nicht kommen kann. Aber wer sich interessiert: Hier alle Infos.

Insgesamt hab ich nach den drei Interviews das Gefühl, dass wir hier auf der richtigen Spur sind, auch wenn es ein riesiges Feld ist, das wir versuchen zu beackern. Datenschutz, Datenauswertung, Big Data, Scoring, Targeting – irgendwie hängt alles zusammen und man fragt sich als Journalist: Wo anfangen? Wie erklären? Wieviel Wissen voraus setzen?

Wie seht ihr das?

4 Personen gefällt das.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Bitte fülle alle markierten Felder aus. *

*

Du kannst folgende HTML-Tags benutzen: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>