Ein metrisches Wir?

Vor etwa einem halben Jahr hat der Berliner Soziologie Professor Steffen Mau sein Buch "Das metrische Wir" veröffentlicht und damit ein nicht unerhebliches Medienecho ausgelöst. Nachdem ich durch ein Podcast-Beitrag erst kürzlich wieder darüber gestolpert bin, habe ich es nun auch selbst gelesen. Es geht darin um die Quantifizierung sämtlicher Bereiche des Lebens, vom Uni-Ranking über die Bewertungsplattform für Ärzte, von der Benotung des ebay-Verkäufers bis hin zur individuellen Datenerhebung - im wörtlichen Sinne Schritt für Schritt. Für Mau wird dadurch quantifiziert, was früher nur qualitativ beschrieben wurde, alles wird in einen Ranking einsortiert und als besser oder schlechter bewertet. Zudem werden die Daten verkauft und zusammengeführt, über uns alle wird ein in seinen feinen Verästelungen und Details kaum mehr Lücken aufweisende Netz von Daten geworfen, dass uns in allen Aspekten ebenfalls bewertbar macht und mit dem wir von allen möglichen Akteuren in Zukunft bewertet werden.

Die Beispiele, die Mau bringt, sind in ihrer Fülle und Verschiedenheit zunächst ziemlich bestechend und erschlagen. Allerdings wird mir nicht immer ganz klar, wo es sich um ein bereits breit durchgesetztes Phänomen handelt und wo Mau ganz einfach die Geschichte eines kleinen Startups nacherzählt, dass eine neue Idee hat, ohne sicher zu sein, dass diese irgendwann tatsächlich einen breiten Markt erreicht.

Auch bin ich mir nicht immer sicher, ob dieses Szenario, dass Mau beschreibt, tatsächlich so neu ist im Gegensatz zur guten alten Welt, in der wir ebenfalls sozialer Kontrolle ausgesetzt und im ständigen Wettbewerb mit unseren lieben Mitmenschen waren. Gibt es dieses individuelle Streben nach Aufstieg im sozialen Gefüge nicht auch jetzt schon, ohne Hilfe von neuen Daten?
Pierre Bourdieu, über den es kürzlich übrigens auch einen schönen zusammenfassenden Podcast-Beitrag gab, hat das in seinem Klassiker von den feinen Unterschieden sehr schön geschrieben. Soziales oder symbolisches Kapital kann man auf sehr unterschiedliche Weise anrufen und mit sehr diskreten Botschaften auch seiner Umwelt anzeigen.

Auch die Ungleichheiten in der sozialen Klassen und Gruppen, die sich nach Mau nun Stück für Stück auflösen und sich in individuellen Ungleichheiten jedes Einzelnen verwandeln, sind möglicherweise nicht neu und nicht wirklich schlimmer als der Status Quo Ante. Auch in der alten, analogen Welt waren die Beispiele ungezählt, die Diskriminierung aufgrund bestimmter Merkmale und Gruppenzugehörigkeiten belegten. Der ausländisch klingende Namen, der die Wohnungs- oder Arbeitssuche erschwert, der Bildungshintergrund der Eltern, der schlechtere Schulnoten mit sich bringt, oder einfach nur die fehlenden Tischmanieren, die den Aufstieg zur Führungskraft unwahrscheinlich machen.

Zumindest diese Diskriminierung aufgrund einer Gruppenzugehörigkeit wird durch das metrische Wir in Teilen aufgelöst oder zumindest verringert, und das kann für den ein oder anderen durchaus ein Segen sein. Die Versprechungen der Moderne, der Großstadt ist ja auch, seinen sozialen Hintergrund zurückzulassen und ganz neu zu beginnen, sich durch Leistung den sozialen Aufstieg selbst zu erarbeiten.

Ein weiterer Kritikpunkt von Mau ist aus meiner Sicht ebenfalls zu diskutieren. Handelt es sich beim metrischen Wir tatsächlich um eine Aufkündigung der Solidargemeinschaft oder eher doch eher um den zunehmenden Druck, "sozial schädigendes" Verhalten zu sanktionieren. Wer risikobereit fährt, könnte tatsächlich Kosten für die Allgemeinheit verursachen. Immer weniger toleriert wird also ein Verhalten, das einen selbst in Gefahr bringt. Und außerdem wird die Gesellschaft insgesamt immer risikoaverser.

Ein weiterer Aspekt, der von Mau nur am Rande angesprochen wird, ist der geradezu unbegrenzte Erfindungsreichtum des Menschen, wenn es darum geht, soziale Regeln und Kontrolle zu "optimieren", um gut dazustehen. Auch für ein metrisches Wir dürfte es vielfältige Möglichkeiten der Manipulation und damit Optimierung der Daten geben, um den eigenen Score zu verbessern. Solche Effekte werden übrigens auch aus China beschrieben, dessen Social Scoring System von Mau gleich in der Einleitung seines Buches als Schreckgespenst herhalten muss, dass dystopisch unsere nahe Zukunft beschreibt.

Ein interessanter Moment in Maus Argumentation kommt immer dann, wenn er mit seiner ebenfalls auf quantitativen Daten basierenden Rolle als Sozialwissenschaftler hadert. Auf Daten basierende Empirie ist schon gut, aber alles messen dann doch nicht, bzw kommerziellen Nutzen daraus ziehen auch nicht. Andererseits, in Zeiten des postfaktischen ist ein wenig datenbasierte Empirie doch ganz dankbar.

Ein wenig kommt mir diese Ambivalenz aus den Diskussionen innerhalb der Evaluations-Community bekannt vor. Dort wird immer wieder diskutiert, ob wir alles messen müssen, ob wir immer Kontrollgruppen-Daten brauchen und am besten mit ökonometrischen Methoden zu einer Zahl als Ergebnis kommen. Oder ist es besser, zu verstehen, was eigentlich passiert, dies mit Fallstudien oder mit anderen qualitativen Zugängen aufzuarbeiten und ein Gefühl dafür zu entwickeln, warum etwas so ist, wie es ist. Und letztlich ist die Umfrage, die Befragung von Zielgruppen auch ein geschickter Weg, um aus qualitativen, ganz subjektiven Einschätzungen zu quantitativen Daten zu kommen, die die Auftraggeber so gerne sehen.

Big Data per Fahrrad

Eigentlich bin ich ja ein begeisterter Fahrradfahrer. Nicht bei Regen oder Schnee, oder wenn es dunkel ist, aber sonst ist das Fahrrad das perfekte Fortbewegungsmittel. Und Fahrradfahren liegt echt im Trend. Die Zahl der Fahrradfahrer scheint mir jährlich zuzunehmen, in Berlin sind es insbesondere Touristengruppen, die mittlerweile die Fahrradinfrastruktur verstopfen. Fahren Sie einmal nachmittags die Bernauer Straße an der Mauergedenkstätte vorbei, und Sie wissen, was ich meine. Nicht umsonst hat ein Volksentscheid zum Ausbau dieser Fahrradinfrastruktur so gute Chancen, und der neue Berliner Senat ist ja auch schon auf gute Wege, hier für Abhilfe zu sorgen. Allerdings wird das sicher noch Jahre dauern.

Interessant fand ich daher eine Nachricht, die in der neuen ZEIT erschienen ist. Chinesische Anbieter von Fahrradleihsystemen scheinen auf den europäischen und internationalen Markt zu drängen. Und das nicht zimperlich,  sondern in großem Maßstab. Einige chinesische und jetzt auch internationale Städte scheinen gerade vollgemüllt zu werden von konkurrierenden chinesischen Leihfahrrad-Anbietern.

Nun finde ich auch Leihfahrräder prinzipiell eine gute Idee. Ich habe das zwar noch nie genutzt, ich habe ja mein eigenes Fahrrad dabei, aber das Fahrradfahren möglichst einfach und zugänglich zu machen ist doch eigentlich prima, oder? In vielen europäischen Städten war der Boom der Leihfahrräder ein wichtiges Zeichen, dass sich die Städte zunehmend fahrradfreundlich verändert haben.

Aber warum drängen die Chinesen jetzt so massenhaft auf den europäischen Markt, welche Goldgrube scheinen sie mit Leihfahrräder entdeckt zu haben? Es sind sicher nicht die großen Gewinnmargen, die man mit dem Verleih von Fahrrädern verdienen kann. Der Artikel in der ZEIT und anderen Medien macht deutlich, es geht um Daten. Diese erheben die Firmen kontinuierlich, wenn ein Nutzer per App das Fahrrad leid. Wo fährt er hin, wo hält er sich länger auf, welche Einkaufsmöglichkeiten nutzt er?

Der Fahrradverleih ist nur noch Hilfsmittel, um an die Daten zu gelangen. So ist das ja bei Google auch. Eine Suche wird angeboten, um die Daten für Werbezwecke zu nutzen. Das, was wir eigentlich für die Dienstleistung halten, ist nur das Nebenprodukt. Ich bin gespannt, welche Services wir demnächst noch so alles umsonst nutzen werden können, wenn wir unsere Daten preisgeben. Gesundheitsdienstleistungen? Da bieten Krankenkassen ja schon die ersten Rabattmodelle an. Bei vielen anderen Produkten wissen wir gar nicht, dass die eigentlich Geschäftsmodelle auf Daten beruhen. So ist z.b. die Musikerkennungs-Software-Shazam besonders für Musikproduzenten interessant, weil sie aus den Daten ablesen können, welche Stücke gerade besonders oft und gerne gehört werden.

Ich bin auf jeden Fall gespannt, wann ich die ersten chinesischen Leihfahrräder in Berlin sehen werde. Angekündigt ist das ja schon. Und wann Situation vor Berliner Ampeln so ist wie auf den China -Bildern der 70er Jahre, 100 Fahrradfahrer vor der Ampel, und kein Auto weit und breit.

Wer gewinnt die nächste Bundestagswahl?

.... das weiß ich leider auch nicht. Aber die Wahl wird wieder spannender, als z.b. noch vor 3 Monaten gedacht. Und damit werden auch Umfragen und Wahlprognosen wieder interessanter. Nach dem doch etwas überraschenden Ergebnisse der Wahl im Saarland wurde in Kommentaren Häme über die Demoskopen ausgegossen, die sich so geirrt hätten. So wurde in manchen Artikeln behauptet, dass Meinungsforschungsinstitute ein Problem damit hätten, dass mittlerweile viele Bürger keinen Festnetzanschluss, sondern fast ausschließlich Mobilfunk nutzen. Das stimmt so natürlich nicht. Der Politologe Oskar Niedermayer stellte zudem in einem Interview mit dem Deutschlandfunk klar, dass die Befragungszahlen kurz vor der Wahl gar nicht so schlecht gewesen sein, dass aber nicht mehr alle Prognosen veröffentlicht wurden. In einem Interview machten Manfred Güllner noch einmal deutlich, dass Wahlumfragen Augenblicksbeobachtungen sind und keine Prognosen.

Spannend finde ich das Thema Umfragen und Prognosen aber insbesondere deshalb, weil hier neue Anbieter mit neuen Technologien auf den Markt drängen. Beim letzten Bundestagswahlkampf waren es insbesondere die wettbasierten Ansätze (siehe auch meinen damaligen Blogbeitrag), heute gibt es neue Technologien.

Zum Beispiel das Berliner Startup Civey, das den Umfragemarkt nach eigenen Angaben revolutionieren und um Fragen für jedermann anbieten möchte. Das Unternehmen setzt auf Online-Panel, die zu allen möglichen Fragen jederzeit Auskunft geben. Genutzt wird civey z.b. von Spiegel Online, auch für die Bundestagswahl.

Ein weiteres Berliner Unternehmen im Bereich Datenanalyse orientiert sich an Nat Silver, dem Prognose-Guru aus den USA. In ähnlicher Weise hat das Unternehmen ein Datenmodell entwickelt, mit dem es Wahrscheinlichkeitsprognosen zum Ausgang der Bundestagswahl erstellt. Wir dürfen gespannt sein, ob diese Prognosen besser sind als die klassischen Sonntagsfragen der Meinungsforschungsinstitute. Diese fließen übrigens in die Prognosen des genannten Berliner Unternehmens mit ein.

Und die Zeit berichtete (online leider hinter der Bezahlschranke) in einer ihrer letzten Ausgaben von einem französischen Startup, dass mit Datenanalyse den Wahlkampf von Emmanuel Macron möglich macht, indem es diejenigen Regionen für den Straßenwahlkampf vorbereitet, in denen eine Wechselstimmung herrscht oder das Ergebnis noch offen ist. Das Prinzip erinnert natürlich stark an den amerikanischen Wahlkampf, von dem tatsächlich die Anregung stammt. Es ist aber weit entfernt von dem was Cambridge Analytics (siehe mein Blogbeitrag hier) angeblich für das Trump-Team macht hat. Die französischen Kollegen sind in Deutschland noch nicht aktiv, das kann aber laut dem Zeit-Artikel kurzfristig noch kommen.

Es wird also nicht nur die Wahl spannend, sondern auch die Prognostik als solche.

P.S. kleines Update: zur französischen Wahl zitiert die Zeit den Economist mit einer Metaanalyse von Umfragedaten, demnach dürfen wir den Frühling sehr hoffnungsfroh entgegen schauen

Daten für die Innovationsforschung

Im Februar war ich in Brüssel, zu einer sogenannten mutual learning exercise. Das ist ein neues Austauschformat der Europäischen Kommission, bei dem sich Mitgliedstaaten treffen, um sich über ihre Erfahrungen bei der Umsetzung ihrer nationalen Innovationspolitiken auszutauschen. Es gibt zur Zeit mindestens drei parallel laufende exercises zu unterschiedlichen Themenschwerpunkten, ich war bei einem Auftaktworkshop zum Thema impact assessment. Die Idee ist ausserdem, dass nicht alle Mitgliedstaaten mitmachen müssen, sondern nur diejenigen, die Interesse am Thema haben. In unserem Fall war das eine Kerngruppe von fünf Mitgliedstaaten und einige Beobachter, auch assoziierte Mitgliedstaaten sind zugelassen.

Mit zur Kerngruppe gehören in unserem Fall drei skandinavische Länder, die beim impact assessment wirklich weit voran sind, und von denen Deutschland einiges lernen kann. Ein Grund dafür ist die hervorragende Datenbasis. Dänemark zum Beispiel hatten Unternehmensregister, aus dem man lange Zeitreihen ziehen kann, um die Beteiligung einzelner Unternehmen an Fördermaßnahmen und ihre Wirkung zu untersuchen.

Deutschland steht hier traditionel schlechter da, entsprechende Statistiken gibt es kaum und nicht einmal die Teilnahme an Förderprogrammen wird systematisch zusammengeführt erfasst.

Diese Situation könnte sich noch einmal verschlechtern, gerade habe ich über einen amerikanischen Blogeinträge von der Novellierung des Bundesstatistikgesetzes gelesen, die eine Speicherung von Firmendaten erheblich einschränken wird. Eine Diskussion gibt es in Deutschland zurzeit praktisch nicht dazu, nur einen offenen Brief der deutschen Volkswirte und einen kritischen Kommentar der Baden-Würtembergischen grünen Wissenschaftsministerin Theresa Bauer.

Dann arbeiten wir halt demnächst mit dänischen Daten.

Daten und arabischer Frühling

Die Weltbank hat gerade einen interessanten Artikel zu Stärken und Schwächen von Daten bei der Interpretation politischer Situationen veröffentlicht. Anlass sind 5 Jahre arabischer Frühling. Dieser kam damals ziemlich plötzlich, zumindest aus Sicht der politischen Entscheider, die eigentlich von einer relativ stabilen politischen, wirtschaftlichen und sozialen Entwicklung in den Ländern Nordafrikas ausgingen. Dazu verleiteten zumindest die klassischen Daten wie Entwicklung des Bruttoinlandsproduktes, Kindersterblichkeit, Alphabetisierungsraten und ähnliches. Gleichzeitig waren andere Daten zur subjektiven Einschätzung der eigenen Lebenssituation, wie die Weltbank in Ihren Artikel zeigt, deutlich abgerutscht. Ein Anzeichen dafür, dass die Länder eine Krise  entgegentaumelten? Aus dem Rückblick ist dies leicht gesagt. Damals wurde den Beratern der Weltbank von den politischen Entscheider Nordafrikas entgegengehalten, dass die objektiven Daten doch sehr positiv sein.

Man kann diese Daten allerdings auch anders interpretieren. Vor 4 Jahren, zum ersten Jahrestag der arabischen Revolution, erschien in der Zeit ein erstes Resümee, in dem der französische Soziologe Emmanuel Todd zu Wort kam. Dieser hatte mit eben jenen Daten zu einer steigenden Alphabetisierungsrate, sinkende Geburtenraten und ähnlichen soziodemografischen Trends vorausgesagt, dass sich ein Potenzial für soziale Unruhen in den arabischen Ländern aufbauten.

Noch stärker auf einen einzigen soziodemografischen Faktor verweisen Vertreter der sogenannte youth bulge -These wie Gunnar Heinsohn, die den Überschuss an insbesondere jungen Männern in den arabischen Ländern als Ursache für den arabischen Frühling ausgemacht haben. Die Zeit hatte Heinsohns Thesen bereits 2004 mit Verweis auf andere Studien sehr kritisch kommentiert.

Man muss aufpassen. Hier kommen zwei verschiedene Diskussionsstränge Zutaten zusammen. Auf der einen Seite werden Daten als Indikatoren genutzt, um bestimmte Situation richtig zu interpretieren. Zum Beispiel für die subjektive Einschätzung der eigenen Lebenssituation.  Auf der anderen Seite verweisen Daten auf mögliche Faktoren, die zu diesem Situation geführt haben. Sind z.B.  junge Männer in großer Zahl Schuld an sozialen Unruhen? Ist ein höherer Bildungsgrad, der sich an einer entsprechend steigenden Alphabetisierungsrate ablesen lässt, Ursache für mehr politische Beteiligung?

Da vermutlich nicht ein einziger Faktor zum Arabischen Frühling  geführt hat, wird es schnell unübersichtlich. Es gibt eine ganze Reihe von "Stressfaktoren", die zu einer Situation führen, die plötzlich in einer Revolution mündete. Als Stressfaktoren im Zusammenhang mit dem arabischen Frühling genannt wurden natürlich diktatorische Regime, aber auch durchaus der Klimawandel.

Als Frühindikatoren eignen sich diese Faktoren allerdings nicht. In manchen Ländern führen sie zu Umwälzungen, in anderen nicht.

Einen anderen Weg gehen Ansätze der Big Data Analyse sozialer Systeme, wie sie beispielsweise im Projekt FutureICT in Zürich bearbeitet werden sollten. Äußerungen in sozialen Netzwerken sollen hier ausgewertet werden, um Ereignisse wie den arabischen Frühling vorauszusagen. Interessanter Weise ist der geistige Vater des Projekts Dirk Helbing einer der Initiatoren des "digitalen Manifests", über das ich kürzlich berichtete. Dort wird gerade vor der politischen  Manipulation mithilfe digitaler Werkzeuge gewarnt. Ein gewisser Widerspruch?

Big Data?

Wenn sich die Qualität einer Veranstaltung an dem Grad bemisst, den sie zum Nachdenken anregt, so war ich letzte Woche auf einer wirklich interessanten Veranstaltung. Organisiert hatte sie das Alexander von Humboldt -Institut für Internet und Gesellschaft , eingeladen waren die neue Deutschland -Chefin des Google NewsLab und ein Soziologe der London School of Economics. Beide sollten über das Veranstaltungsthema Big Data sprechen, natürlich jeweils aus ihrer individuellen Perspektive und vor dem Hintergrund ihrer Tätigkeit. Und da lagen schon zwei Probleme der Veranstaltung. Beide Redner sprachen nur sehr bedingt über BIG Data, und beide hatten einander wenig zu sagen.

Die Google Frau spulte eher eine Werbepräsentation ab. Google hat ja in den letzten Monaten ein Angebote für Zeitungen bereitgestellt, um die Journalisten dort im Umgang mit Daten und Grafiken und der Visualisierung zu schulen. Wenn man auf die Website schaut, sieht das wirklich auch ganz beeindruckend aus. Aber natürlich sind auch eine Reihe von kritischen Fragen damit verbunden, zum Beispiel, ob hier ein Konzern nicht sehr viel Einfluss bekommt auf die sogenannte vierte Gewalt.

Entsprechend wurde auch nach dem Vortrag letzte Woche nachgefragt. Und Zahlen sind natürlich nicht alles, wie dieser Artikel zu Pegida zeigt. Aber Datenjournalismus führt auch zu sehr ansprechenden und informativen Ergebnissen. Wobei sie nicht unbedingt etwas mit Big Data zu tun haben, also mit wirklich großen Datenmengen und einer analytischen Auswertung. Es geht eher deskriptiv um die Beschreibung von Daten in ansprechenden Bildern. Letztlich war auch der Vortrag des Londoner Soziologen auf einer ähnlichen Ebene angesiedelt. Auch hier ging es leider nicht darum, wie sie wirklich große Datenmengen zum Beispiel aus sozialen Netzwerken durch soziologische Analysen genutzt werden können, sondern eher darum, wie man Daten schöner darstellen und damit seine Aussagen besser untermauern kann. Zumindest waren das die Beispiele, die de Herr aus London uns präsentierte.

Dass das auch anders geht, blitzt an einer Stelle der Diskussion auf. Unser britischer Gast gab zu, dass er am liebsten Zugriff auf die Daten von Tesco hätte, der britischen Einzelhandelskette, um hier auch Sozialdaten nutzen zu können. Woran sich sogleich die Nachfrage anschloss aus dem die Publikum, ob es denn ethisch zulässig sei, Daten von Unternehmen zu nutzen, deren Kunden nie eingewilligt hätten, Objekt einer soziologischen Untersuchung zu werden.

Wie fruchtbar der kontroverse Dialog zwischen Sozialwissenschaft und Datenjournalismus sein kann, zeigt dieser Bericht über eine Tagung im Herbst. Da versuchen Sozialwissenschaftler, ihren privilegierten Zugang zur Datengenerierung und Interpretation tapfer zu verteidigen, während Journalisten die neuen Möglichkeiten nutzen, um selbst zu einer quasi sozialwissenschaftlichen Rolle zu kommen. Die Grenzen zwischen Wissenschaft und Nichtwissenschaft verschwimmen.

Sei's drum, mich hat die Veranstaltung angeregt. Und Datenjournalismus finde ich eh super. Tollen Datenjournalismus und interaktive Graphiken bietet z. B. die Berliner Morgenpost mit ihrem interaktiven Team. Sonst nicht meine Zeitung, aber das machen sie gut.

P.S. Hier ganz  neu ein Artikel der Veranstalter zur soziologischen Seite des ganzen