Social Scoring: Was das Surfverhalten über die Bonität verraten kann

WP_003340Wer ein Darlehen oder einen Handyvertrag benötigt, wer etwas im Internet bestellen möchte oder einen Leasingvertrag abschließen möchte, dessen Vertragspartner prüft meist im Vorfeld die Kreditwürdigkeit. Dazu ruft er aus einer externen Datenbank den so genannten. „Scorewert“ des Kunden ab, der eine Aussage über das Kreditrisiko dieses Kunden enthält. Wird der Vertrag abgelehnt, kann dies auch daran liegen, dass der „Scorewert“ des Kunden im Keller ist.

Doch Auskunftsdateien wie Schufa, Bürgel, Deltavista und Creditreform beschränken sich seit langem nicht mehr darauf, Unternehmen und Banken vor schwarzen Schafen zu warnen, die frühere Kredite nicht ordnungsgemäß zurückgezahlt haben. Vielmehr werden alle möglichen Informationen ausgewertet, um ein grundsätzliches Bild der Kreditwürdigkeit eines Kunden zu formen. Selbst wer niemals einen Kredit aufgenommen oder diesen pünktlich zurückgezahlt hat, kann unter Umständen schlecht beurteilt werden. Denn Faktoren wie Alter, Geschlecht, Wohnort oder die Dauer eines Arbeitsverhältnisses können den Scorewert ebenfalls negativ beeinflussen.

Und Scoring greift immer weiter um sich und beeinflusst auf einmal auch ganz andere Lebensbereiche: So wird beispielsweise Surfverhalten im Internet erforscht, um uns passende Werbebotschaften zuzusenden (Behavioral Targeting, siehe Glossar), Versicherungen werten aus, wie wir mit dem Auto unterwegs sind und berechnen auf Grundlage dessen unsere Policen (Pay as you drive, siehe Glossar) und nicht nur Sicherheitsbehörden untersuchen Fluggastdaten, Telefon- und Internetdaten aus, um potenzielle Terroristen ausfindig zu machen. Zusammengefasst wird diese Art der Auswertungen dieser enormen Datenmengen unter dem Begriff Big Data (siehe Glossar).

Doch zurück zu unserer Kreditwürdigkeit: Findige Technologieunternehmen vor allem in den USA haben sich nun zum Ziel gesetzt, aus den Daten, die Internetnutzer online hinterlassen, auch Aussagen über deren Kreditwürdigkeit zu treffen. Unter dem Begriff Social Scoring im Bereich FinTech (financial technology) schwappt dieser Trend aus der Silicon Valley-Startup-Szene nun auch nach Deutschland über und hat durchaus Relevanz, wie etwa Leo Martin, ehemaliger Geheimdienstmitarbeiter und mittlerweile gefragter Referent in Sachen unbewusst ablaufender Kommunikationsmuster, erklärt: „Der digitale Fingerabdruck ist nahezu so treffsicher wie der analoge. Er führt den Kriminalisten zum Täter und den Unternehmer zum Kunden.“ Daten aus dem Social Web werden damit heute zu beeindruckend detaillierten Profilen verarbeitet. Text- und Bildsuchen lassen sich heute in beliebiger Art und Weise kombinieren und mit anderen Parametern verknüpfen. Max Mustermann postet bei Facebook beispielsweise Bilder von seinen Golfschuhen, seinem iPhone 6 und seinem neuen Tesla-Auto. Daraus lässt sich nicht nur ableiten, dass er einen guten Geschmack hat, sondern auch, dass er es sich leisten kann.

Social Scoring-Unternehmen zitieren hier für entsprechende Auswertungen gern das Sprichwort „Zeige mir Deine Freunde und ich sage Dir, wer Du bist“. Denn neben IP-Adresse und Standort des Nutzers, Geräte- und Browserinformationen werden auch Daten aus Diensten wie Facebook, Twitter, eBay, Amazon oder der kostenlosen Foto- und Video-Sharing-App Instagram herangezogen.

Ralf Haberich, Chief Commercial Officer (CCO) bei Webtrekk

Ralf Haberich, Chief Commercial Officer (CCO) bei Webtrekk

Dass die Nutzer von unterschiedlichen Geräten (etwa diverse Smartphones oder Tablets), Browsern und mit verschiedenen Nutzer-Identitäten unterwegs sind, schreckt die in diesem Umfeld tätigen Unternehmen nicht ab, ganz im Gegenteil: Ralf Haberich, Chief Commercial Officer (CCO) bei Webtrekk, einem Spezialisten für Web-Analyse (siehe Glossar) aus Berlin, erklärt: „Big Data kann Antworten auf Fragen geben, die bisher noch nicht gestellt wurden. Auch in der Bonitätsprüfung gibt es klare Hinweise beim Surfverhalten. Natürlich ist eine rein faktische Prüfung immer noch verlässlicher, aber bereits die Nutzung des Webs gibt wichtige Aufschlüsse über relevante Kunden. Und das Geräte-übergreifende Analysieren ist heutzutage eine der wichtigsten Anforderungen an hochwertige Analytics-Lösungen und lässt Rückschlüsse auf das gesamte Bild des Nutzers zu.“

Wie funktioniert Big Data Analyse?

In Big Data Verfahren geht es darum, auf der Basis einer großen Datenmenge „Korrelationen“ zu identifizieren. Die Datenmenge wird in Cluster zerlegt zu denen man Ähnlichkeiten identifizieren kann und die so eine „Verhaltenswahrscheinlichkeit“ berechenbar machen. Damit unterscheidet sich diese Art der Analyse von der eigentlich typisch menschlichen, die in Kausalitäten denkt: „Was kann mein Facebook Profil schon über Kreditausfallwahrscheinlichkeit verraten?“

Dr. Kai-Uwe Loser, Mitglied des Vorstands im Berufsverband der Datenschutzbeauftragten Deutschlands (BvD) e.V.

Dr. Kai-Uwe Loser, Mitglied des Vorstands im Berufsverband der Datenschutzbeauftragten Deutschlands (BvD) e.V.

„Doch kennt man beispielsweise das Facebook-Profil, lässt sich durch Korrelation feststellen, dass dieses Profil einer bestimmten Menge recht „ähnlich“ ist. Weiß ein Unternehmen nun, dass Personen, die dieser Menge zugerechnet werden, zum Beispiel Kredite von 5000 Euro zu 70 Prozent zurückgezahlt haben, lässt sich annehmen, dass das auch die Wahrscheinlichkeit ist, zu der das bestreffende Facebook-Profil einen Kredit zurückführen wird. Diese Daten werden für die nächste Berechnung ebenfalls wieder mitgenutzt“ erklärt Dr. Kai-Uwe Loser, Mitglied des Vorstands im Berufsverband der Datenschutzbeauftragten Deutschlands (BvD) e.V. den Mechanismus – der übrigens auch vergleichbar mit den Empfehlungssystemen wie Amazon und Co ist: Gleich und gleich gesellt sich gern.

Zwei dieser Social Scoring-Unternehmen sind Kreditech aus Hamburg und Big Data Scoring aus Talinn (Estland). Beide Unternehmen sind aber nach eigenen Angaben auf Grund der sensiblen Datenschutzbefindlichkeiten hierzulande noch nicht in Deutschland aktiv.

Welche Aspekte genau in die Bewertung miteinfließen, ist dabei ein gut gehütetes Geheimnis der Algorithmen. Doch bekannt ist beispielsweise, dass Big Data Scoring den Akademiker-Anteil unter Facebook-Freunden auswertet. Auch der Beziehungsstatus des Kreditnehmers fließt in das Scoring ein. Und hier werden auch Unterschiede zu traditionellen Verfahren deutlich: „In der Regel gilt es als ein Zeichen von Stabilität, wenn ein Kreditnehmer verheiratet ist. Im Social Web läuft das anders: verheiratete Menschen, die sehr viel persönliche Details von sich auf Facebook preisgeben, sind statistisch gesehen nicht unbedingt die besten Kreditnehmer“ so Erki Kert, einer der Mitgründer von Big Data Scoring. Ein Verbraucher also, der sich beispielsweise viele Rechtschreibfehler in seinen Statusmeldungen erlaubt oder Freunde hat, die ständig knapp bei Kasse sind, könnte es bei dieser Art von Bonitätsbewertung schwer haben.

Damit die Scoring-Unternehmen allerdings diese Auswertungen erstellen können, müssen die Nutzer entsprechende Zugangsberechtigungen zu den Online-Profilen einräumen. Diese Art der Zugangserteilung, so flüstern Analyse-Profis hinter vorgehaltener Hand, hat aber eher rechtlich-kosmetische Gründe – technisch gesehen wäre eine Analyse auch ohne möglich. Hat der Nutzer diese Berechtigung erteilt, errechnen die Algorithmen beispielsweise von Big Data Scoring innerhalb weniger Sekunden einen Wert, der dessen Kreditwürdigkeit auf einer Skala von 1 bis 10 ausdrückt. Ebenfalls berücksichtigt werden Informationen zum so genannten „Digital Footprint“, also Daten zum genutzten Browser, Endgerät und der Aktivität auf der Landingpage. Teure technische Gadgets können also zu einem besseren Scoring beitragen.

Ein statischer Retroblick: Kritik an bestehenden Systemen

Sebastian Diemer, Gründer und CEO von Kreditech, erklärt dazu: „Traditionelle Kreditbüros arbeiten auf Basis von Negativ- und/oder Positiv-Signalen, die von externen Partnern eingespeist werden (z.B. Zahlung erst nach 3. Mahnung, Eröffnung eines Kreditkartenaccount etc.). Das Problem dieser Daten ist, dass deren Einfluss auf das tatsächliche Zahlungsverhalten nur wenig relevant ist.“ Damit meint er, dass die Tatsache, dass jemand vor drei Jahren seine Handyrechnung nicht gezahlt hat, beispielsweise daran liegen könnte, dass der oder die

Sebastian Diemer, Gründer und CEO von Kreditech

Sebastian Diemer, Gründer und CEO von Kreditech

Betreffende damals im Urlaub war. „Für das Rückzahlungsverhalten seines Autoleasings wäre das aber irrelevant. Die Daten historischer Systeme sind also limitiert: Sie geben nur ein vages Bild ab“ fasst Diemer zusammen. „Der Score traditioneller Verfahren ist statisch, das Modell ebenso. Bis ein neues Signal kommt, beziehungsweise die Modellogik sich ändert, muss ein Kunde womöglich mit einem gewissen Score leben, der völlig irrelevant für die Zukunft ist.“

Der größte Kritikpunkt an den bestehenden Systemen wie Schufa, Bürgel und Co ist also deren Retroblick: Künftiges Zahlungsverhalten auf Grund von historischem Zahlungsverhalten zu prognostizieren, ergibt ein falsches Bild, da sich Lebensumstände heutzutage sehr schnell ändern können, meinen dazu die Verfechter der neuen Art von Bonitätsauskünften.

Sebastian Diemer von Kreditech: „Aussagekräftiger sind aktuelle, genau zum Zeitpunkt der Anfrage erhobene Daten und ein daraus abgeleiteter Score, der sich minütlich anhand von neu gefundenen Datenmustern, neu kalibriert.“ Denn Daten, die im Netz verfügbar sind, zeigen das Gesamtbild einer Person. So bezieht der Kreditech-Algorithmus 15.000 Datenpunkte in eine Entscheidung ein, deren Zusammensetzung und Gewichtung sich permanent anpasst. Anders als bei Bonitätsauskünften sind diese Daten nicht voreingestellt. Insofern ist die Echtheit und Glaubwürdigkeit eines einzelnen Datenpunktes sehr gering, in der Gesamtheit aber aussagekräftig und nach Auffassung des Unternehmens einzigartig. „Am besten ein Beispiel: Ein Kunde in Spanien loggt sich über einen Proxyserver (siehe Glossar) in Barcelona ein, somit gaukelt er vor, in dieser Stadt zu sein anhand der IP-Adresse. Wenn dieser Kunde aber jeden Morgen ein Facebook-Foto mit GPS-Tag (siehe Glossar) ‚Madrid‘ in Facebook einstellt und in Madrid wöchentlich Geld abhebt, ist das Gesamtbild inkonsistent, obwohl die Echtheit der IP-Adresse per se glaubwürdig wäre“, erklärt Diemer. Aber, wie bereits erwähnt, führen die Scoring-Unternehmen eine Auswertung nur durch, wenn Kunden dem Unternehmen den Zugriff auf ihre Konten bei den diversen Webseiten erlaubt haben.

Fakt oder Fake: Kritik an den neuen Systemen

Und eben daran machen die Vertreter traditioneller Auskunfteien unter anderem ihre Kritik fest: Notwendig für ein Social Scoring ist die Erlaubnis des Nutzers, diese Daten auch messen zu lassen. Doch was ist, wenn ein Nutzer keinen Einblick in sein Online-Profil geben will? Bekommt er dann automatisch schlechtere Werte? Wird der gläserne Bürger bevorzugt? Ob das Argument der Social Scoring-Unternehmen wie etwa von Big Data Scoring „die meisten von uns haben ja nichts zu verbergen und teilen gern ihre Online-Aktivitäten, um dann einen besseren Kredit zu bekommen“ so Erki Kert, hier wirklich überzeugt? „Durch das Verhalten im Social Web können aus unserer Sicht keine treffenden oder gar situationsunabhängigen Aussagen zur Kreditwürdigkeit von Verbrauchern getroffen werden. Es kann zudem nicht sichergestellt werden, dass die Identitäten in den sozialen Netzwerken echt und die Bezüge zu dahinterstehenden natürlichen Personen eindeutig sind. Daher nutzen wir im Rahmen der Bonitätsprüfung keine Daten aus den sozialen Netzwerken und haben keinerlei Ambitionen dazu, dies in Zukunft zu tun“, moniert hier Ralf Zirbes, Geschäftsführer von Boniversum, das ebenfalls als eher konservativer Wirtschaftsauskunftei und Inkasso-Dienstleister agiert. Denn denkbar wäre durchaus auch das Argument, dass ein Nutzer gezielt seine Online-Identität manipuliert, um ein besseres, elitäreres und finanzkräftigeres Bild von sich zu präsentieren.

‚Fakt oder Fake‘ ist auch für Ex-Geheimdienstlers Leo Martin der wunde Punkt. Denn der ‚schöne Schein‘ spielt auch bei der Risikobewertung eine Rolle. Social Media Daten sind in der Regel weiche Daten, keine kriminalistisch belegbaren Beweise. Überall wo interpretiert wird, können Fehlbewertungen passieren. Bonitäten werden über- oder auch unterschätzt. Um möglichst treffsicher zu bewerten, müssten Social Media Daten immer auch mit anderen, zusätzlichen, Informationen überprüft werden. „War Max Mustermann tatsächlich auf Mallorca?

Ex-Geheimdienstlers Leo Martin

Ex-Geheimdienstlers Leo Martin

Oder spricht er nur davon? ‘Machen und sein‘ kontra ‚darstellen und sagen‘“, fasst Leo Martin zusammen. Doch konstatiert er auch, dass diese Gefahr wohl auf Dauer eher gering ist, da kaum jemand konstant und kontinuierlich ein falsches Bild im Social Web von sich präsentieren kann. Irgendwann scheint das wahre Ego durch und das ist dann der Moment, in dem Big Data-Analysen Fehlinterpretationen korrigieren, meinen die Social Media Analysten. Doch davon ist Dr. Kai-Uwe Loser vom Berufsverband der Datenschutzbeauftragten Deutschlands (BvD) e.V. wiederum nicht überzeugt: „Dass das Big Data Grundprinzip ‚viele Daten‘ bessere Vorhersagen erlauben als bessere Algorithmen und bessere Datenqualität, ist noch nicht abschließend bewiesen.“ Er gibt zu bedenken, dass der Datenbestand bei den deutschen traditionellen Scoring-Anbieter auch auf keinem anderen Mechanismus basiere und einige Jahre lernen konnte. „Bis die neuen Anbieter diesen Vorsprung für Deutschland aufgeholt haben, wird es noch einige Zeit dauern.“ Deswegen – so Losers Eischätzung -gingen diese Anbieter vor allem auf Märkte, wo diese Konkurrenz nicht existiert.“

Dass diese Argumente nicht völlig von der Hand zu weisen sind, will Erki Kert von Big Data Scoring auch gar nicht in Abrede stellen: „Ich denke nicht, dass das Surfverhalten per se die bessere Auskunft gibt, aber ich finde, dass unkonventionelle Online-Informationen Hand in Hand mit klassischen Systemen genutzt werden sollten.“ Denn um ein möglichst akkurates Bild eines potenziellen Kreditnehmers zu bekommen, sollten seiner Auffassung nach möglichst viele Informationen miteinfließen. Denn, und hier greift Kert einen Schwachpunkt der klassischen Auskunfteien an: wer beispielsweise auf Grund seines Alters noch keinen Kredit in Anspruch genommen hat, kann durch Social Media Scoring, im Gegensatz zu klassischen Scoring, durchaus als kreditwürdig bewertet werden.

Fehleranfälligkeit und Bewertungsrisiken der neuen Systeme

Doch wie hoch ist eigentlich das Risiko, dass der Algorithmus ein falsches Bild liefert? Für Sebastian Diemer von Kreditech gibt es genau ein Risiko: „Die Annahme, dass die Welt morgen die gleiche ist wie heute. Jeder Algorithmus, der auf Beobachtungen basiert, ist der Gefahr ausgesetzt, dass, wenn sich grundlegende Parameter (z.B. in der Extremsituation Krieg oder Pandemie) massiv ändern, die Beobachtungen und somit auch die gewonnenen Erkenntnisse nicht mehr relevant sind.“

Für Diemer ist dabei die Möglichkeit der Fehleranfälligkeit nicht das entscheidende Problem. Er vertraut auf die Technik und der Lernfähigkeit des Systems: „Der Algorithmus trainiert ausschließlich anhand von identifizierten Mustern in den Daten. Die Entscheidungsbäume beziehungsweise neuronalen Netze sind mittlerweile derart komplex, dass sich pauschalierte Aussagen nicht treffen lassen. So könnte sich beispielweise zeigen, dass das genutzte Iphone 6 und die besuchte Webseite 1 Einfluss auf das Scoring haben, wohingegen ein Android-Handy und die besuchte Webseite 2 keinen Einfluss zeigen.“

Diese Einschätzung greift für Dr. Kai-Uwe Loser vom Berufsverband der Datenschutzbeauftragten Deutschlands (BvD) e.V. zu kurz. Er hat drei Hauptrisiken ausgemacht: Zum einen unangemessene Einzelentscheidungen, zum anderen unangemessene Entscheidungsgrundlagen und zum dritten das unreflektiertes Datensammeln. Unangemessene Einzelentscheidungen, also eine unterstellte falsche Bonität, könnten auftreten, weil beispielweise Inhalte falsch interpretiert würden oder weil man in einem unangemessenen Cluster landet. So könnte das Interesse für ‚amerikanische Musclecars‘ einen zu einer Gruppe bringen, die über die Verhältnisse lebt und das, obwohl man selbst eher abgesichert und mit doppeltem Boden agiert. Eine unangemessene Entscheidungsgrundlage wiederum wäre zum Beispiel denkbar, wenn jemand sich aufgrund einer familiären Belastung sich für ‚Morbus Huntington‘ interessiert. Dass der oder die Betreffenden selbst das Gen nicht trägt, berücksichtigt der Algorithmus nicht, sondern subsumiert, dass mit einer 25 prozentigen Wahrscheinlichkeit langfristige Verträge nicht zurückgezahlt werden können, weil die Personen verstorben sind. Drittens moniert Loser die unreflektierte Sammlung weiterer Inhalte – eine Zusammenführung von Datenmassen, die offensichtlich vieles Aussagen und wieder für weitere Zwecke nutzbar sind – ohne Kontrolle durch den Betroffenen.

Was meint Justitia zu den neuen Möglichkeiten? Rechtliche Bedenken

Dass diese enormen Datenmengen und Auswertungen Daten- und Verbraucherschützer auf den Plan rufen, verwundert daher nicht. Doch: Es gibt im Bundesdatenschutzgesetzt (BDSG) sogar eine Regelung (§ 28b) zum Thema Scoring:

Zum Zweck der Entscheidung über die Begründung, Durchführung oder Beendigung eines Vertragsverhältnisses mit dem Betroffenen darf ein Wahrscheinlichkeitswert für ein bestimmtes zukünftiges Verhalten des Betroffenen erhoben oder verwendet werden, wenn die zur Berechnung des Wahrscheinlichkeitswerts genutzten Daten unter Zugrundelegung eines wissenschaftlich anerkannten mathematisch-statistischen Verfahrens nachweisbar für die Berechnung der Wahrscheinlichkeit des bestimmten Verhaltens erheblich sind, im Fall der Berechnung des Wahrscheinlichkeitswerts durch eine Auskunftei die Voraussetzungen für eine Übermittlung der genutzten Daten nach § 29 und in allen anderen Fällen die Voraussetzungen einer zulässigen Nutzung der Daten nach § 28 vorliegen ,für die Berechnung des Wahrscheinlichkeitswerts nicht ausschließlich Anschriftendaten genutzt werden und im Fall der Nutzung von Anschriftendaten der Betroffene vor Berechnung des Wahrscheinlichkeitswerts über die vorgesehene Nutzung dieser Daten unterrichtet worden ist

„Derzeit wäre aber schwer nachweisbar, dass die verwendeten Daten erheblich sind, also eine hohe Korrelation besteht. Für Deutschland existiert daher derzeit keine Rechtsgrundlage für derlei Scoring-Verfahren“, ist die Auffassung von Dr. Kai-Uwe Loser vom Berufsverband der Datenschutzbeauftragten Deutschlands (BvD): „Aus meiner Sicht besteht keinerlei Kontrolle für die Nutzung bestimmter Daten, man kann für das Scoring eben nicht nur bestimmte Daten freigeben, sondern man ist gezwungen alles oder gar nichts freizugeben. Im (Macht-)Verhältnis Kreditgeber zu Kreditnehmer ist das nur über eindeutige gesetzliche Regelungen zu steuern, die Interessen beider Seiten angemessen wiedergeben.“

Dieser Aussage mag Sebastian Diemer von Kreditech verständlicherweise nicht zustimmen: „Daten sind wie Geld oder Öl – von Natur aus sind sie weder gut noch böse. Die Frage ist, wer was damit macht. Beides lässt sich für sehr sinnvolle, sehr sinnlose und sehr gefährliche Projekte instrumentalisieren.“ Und Ralf Haberich fordert deswegen: “Aufklärung, Aufklärung, Aufklärung. Bis heute ist vielen Internet-Nutzern nicht klar, was genau analysiert werden kann und wo Datenschutz-Grenzen bestehen“. Hier sollte seiner Meinung nach jedes Unternehmen auf der eigenen Website informieren, um Klarheit über die Nutzung der Surf-Daten zu geben. „Wenn dies nicht geschieht, werden Nutzer weiterhin denken, dass Cookies etwas Böses sind und dann sind wir schnell wieder in der Diskussion der Neunziger…“, so Haberich.

Blick in die Zukunft

Sebastian Diemer führt den Faden weiter: „Geld oder Öl zu verbieten wäre also ähnlich sinnlos wie der Versuch, Daten einzuschränken. Es muss klare Spielregeln geben, so wie es bei den FInanzmärkten und Ölgeschäften der Fall ist. Schwarze Schafe wird es immer geben.“

Doch was passiert bei Fehlinterpretationen, wie soll man sich als Konsument vor einer Fehleinschätzung schützen? Für Dr. Kai-Uwe Loser vom Berufsverband der Datenschutzbeauftragten Deutschlands (BvD) ist das ein fast unmögliches Unterfangen: „Bei der Schufa, handelt es sich um bestimmte Daten und Merkmale, die verwendet werden und damit auch korrigierbar sind. Auch hier kommt es regelmäßig zu Fehlern. Beim Surfverhalten oder Profildaten können viele Fehler auftauchen und da die Daten selbst eigentlich nur für Experten zu bewerten sind, ist eine Korrektur kaum möglich.“ Wie will man also nachweisen, dass man eine Webseite nicht aufgerufen hat? „Vor allem wären die Merkmale zu prüfen, die hohen Einfluss auf das Ergebnis haben, das hängt aber nicht von den eigenen Daten ab, sondern von denen der vielen anderen“, so Loser.

Ein Ausweg könnte eventuell die Intelligenz der Technik sein: Sebastian Diemer von Kreditech zeigt sich zuversichtlich: „Grundsätzlich lassen sich Entscheidungen durch Qualität und Quantität der Daten sowie der Effizienz in der Verarbeitungslogik minimieren. Unser Algorithmus lernt selbst, das heißt, er verändert sich permanent. Der Nutzer wird nicht “gebrandmarkt”, er kann es jeden Tag wieder versuchen und bekommt die gleiche Chance wie jeder andere zu genau diesem Zeitpunkt. Was glauben Sie, wer die bessere Kaufempfehlung abgibt, der Verkäufer im Einzelhandel oder Amazon?“

Wem dieses Vertrauen in die Technik fehlt, der muss sich an den Tipp von Leo Martin, Geheimdienstler a.D. halten: Reputation Management (siehe Glossar). „Was für die analoge Welt gilt, gilt auch im Internet. Falsche Bewertungen führen zu falschen Entscheidungen. Als Nutzer bekomme ich davon im Zweifelsfall nicht mal etwas mit. Aber ich trage die Folgen. Reputation Management, wie es Unternehmen seit langem betreiben, wird in Zukunft auch für jeden einzelnen von uns wichtig. Für die Gesellschaft gibt es aber auch große Vorteile. Ibo Evsan, der Vor- und Weiterdenker in Sachen Social Media sagt: „Durch Big Data Analysen wird in Zukunft der Lügner sichtbar!“ Weil klar wird, ob er nur erzählt, oder auch lebt.“

Und die gute Nachricht für Konsumenten zum Schluss: Bis dato bekennen sich in Deutschland noch kein großer Händler dazu, das Surfverhalten der Kunden zur Bonitätsprüfung heranzuziehen. „Eine Bonitätsprüfung auf Basis des Surf-Verhaltens unserer Kunden nehmen wir nicht vor“, sagt beispielsweise Cornelia Sasse, Leiterin Datenschutz bei der Otto Group. Und auch für Dr. Marcus Rodermann, Geschäftsführer der Heinrich Heine Group, kommt eine Bewertung ihrer Kunden auf Grund von Nutzerverhalten im Internet nicht in Betracht.

 Autor: Dunja Koelwel

Glossar

Big Data

Big Data (von engl. big = groß, data = Daten) bezeichnet Daten-Mengen, die zu groß, oder zu komplex sind, oder sich zu schnell ändern, um sie mit händischen und klassischen Methoden der Datenverarbeitung auszuwerten. Die gesammelten Daten können aus nahezu allen Quellen stammen: Angefangen bei jeglicher elektronischer Kommunikation, über von Behörden und Firmen gesammelte Daten, bis hin zu den Aufzeichnungen verschiedenster Überwachungssysteme.

GPS-Tag

Ein GPS- bzw. Geo-Tag ist ein Element, das über die geographische Position zahlreicher Medien wie etwa Fotos, Videos oder Webseiten informiert. Dabei werden üblicherweise Länge- und Breitengrad gespeichert, oft sind auch Informationen wie Länder- oder Ortsnamen enthalten.

Pay as you drive

Pay as you drive (PAYD) ist ein Typ einer Kfz-Haftpflichtversicherung, bei der die Prämienhöhe aus der Menge und Art der Fahrzeugnutzung errechnet wird. Gefahrene Kilometer sowie die Fahrweite werden im Fahrzeug technisch dokumentiert und zur Auswertung an die Versicherung übermittelt.

Predictive Behavioral Targeting

Beim Predictive Behavioral Targeting (verhaltensorientierte Werbung) werden Messdaten aus dem Surfverhalten mit Befragungs- oder Registrierungsdaten der Internetnutzer kombiniert. Diese Verknüpfung liefert geschätzte Angaben zu Alter, Geschlecht und Produktinteressen und wird mithilfe mathematischer Algorithmen auf die Gesamtheit der Websitebesucher übertragen. Mithilfe statistischer Prognoseverfahren erhalten Nutzer fehlende Befragungsdaten von den befragten Nutzern, die ihnen in ihrem Surfverhalten am ähnlichsten sind. Werbetreibende können anhand dieser Informationen Werbung und Content-Empfehlungen an vermutete Zielgruppen ausliefern.

Proxy Server

Ein Proxy (von englisch proxy representative ‚Stellvertreter‘, von lateinisch proximus ‚der Nächste‘) ist eine Kommunikationsschnittstelle in einem Netzwerk. Er arbeitet als Vermittler, der auf der einen Seite Anfragen entgegennimmt, um dann über seine eigene Adresse eine Verbindung zur anderen Seite herzustellen.

Reputation Management

Unter Online-Reputationsmanagement oder auch Online Reputation Management (Akronym ORM) wird die Überwachung und Beeinflussung des Rufs einer Person, einer Organisation oder eines Produkts in digitalen Medien verstanden. Im ersten Schritt werden Suchanfragen mit dem Namen der Person oder Organisation in Online-Suchmaschinen formuliert. Die Ergebnisse werden kontinuierlich kontrolliert. Soweit dabei negative oder unrichtige Angaben auftauchen oder gar überwiegen, versucht man, durch aktive Maßnahmen gegenzusteuern. Dies beinhaltet oft das Streuen von Online-Profilen, Websites und Fake-Beiträgen in sozialen Medien, die die öffentliche Stimmung manipulieren und ein positives Bild wiedergeben sollen. Der Versuch, den Betreiber einer Website oder eines Forums dazu zu bringen, einen unerwünschten Beitrag zu entfernen, hat selten Erfolg, und kann durch den Streusand-Effekt gegenteilige Folgen haben. Selbst wenn ein Website-Betreiber einen Beitrag entfernt, ist dieser durch die Aufbewahrung in Cache und z.B. Internet Archive meist weiter verfügbar. Online-Reputationsmanagement ist keine Einmal-Maßnahme, sondern eine kontinuierliche Arbeit. ORM wird auch als Dienstleistung angeboten, primär für Unternehmen. Daneben existieren Software-Pakete und Online-Dienste, die beim Online-Reputationsmanagement helfen sollen.

Score

Ein Kreditscore (von engl. to score -punkten, score – Punktestand) ist ein Zahlenwert auf Basis einer statistischen Analyse, der die Kreditwürdigkeit einer Person repräsentiert. Mit Kredit-Scoring versuchen Unternehmen die Kreditwürdigkeit von Kunden oder Partnerunternehmen nach einem vorgegebenen Verfahren mehr oder weniger automatisiert zu ermitteln.

Web-Analyse

Web-Analyse (teilweise auch als Web-Controlling, Datenverkehrsanalyse oder Click-Stream-Analyse bezeichnet) ist die Sammlung und Auswertung des Verhaltens von Besuchern auf unterschiedlichen Webseiten. Untersucht werden dabei beispielsweise woher die Besucher kommen, welche Bereiche der Seite aufgesucht werden und wie lange sie auf den Unterseiten verbleiben.

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

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