Die Welt in Echtzeit 

Vom Markt zu Gaia

Die Erfassung von Daten und deren Auswertung durch Algorithmen ist nicht neutral, sondern stets durch institutionelle und privatwirtschaftliche Interessen verformt, argumentiert der Medienwissenschaftler Felix Stalder. Dennoch könnte in Big Data die Lösung auf eines der drängendsten Probleme der Menschheit liegen: die Klimaerwärmung. Ein Plädoyer für soziale Institutionen zur Algorithmus-Kontrolle.
Die Digitalisierung bedeutet auch, dass in den entwickelten Gesellschaften rund um den Globus eine neue Infrastruktur der Sozialität entstanden ist und immer weiter ausgebaut wird. Diese erfasst umfassend und feinteilig Tätigkeiten und Zustände in Echtzeit. Im Zentrum der Aufmerksamkeit stehen, wenig überraschend, die Menschen, deren Verhalten mit und ohne ihr Einverständnis und ihre Mitwirkung von einem rasant wachsenden globalen Netzwerk kommerzieller und staatlicher Ak­teure aufgezeichnet, zusammengefügt und ausgewertet wird. Aber auch immer mehr Objekte werden in dieses Echtzeitinformationssystem einbezogen. Das noch relativ am Anfang stehende Internet of Things verbindet bereits heute Thermostate, Zahnbürsten und Millionen andere Geräte mit dem Internet, was immer heißt, dass kontinuierlich Daten erhoben werden. Smart Cities versprechen, ein feinmaschiges Netz von Sensoren über die Stadt zu le­gen, mit dem Energie-, Verkehrs-, Waren- und Men­schen­ströme erfasst werden. Auch außerhalb der Städte werden im­mer mehr Sensoren und Sender angebracht, um Prozesse lokaler und globaler Ökosysteme zu erfassen, sei es, dass Wildtiere auf Wanderungen ge­trackt werden, Bäume mit Sen­soren ihre Befindlichkeit täglich per Twitter kundtun oder intelligente Bojen im At­lantik Strömungsdaten, Was­sertemperatur und chemische Zusammensetzungen melden. Daraus entsteht ein detailliertes Bild der ökosozialen Prozesse und Zu­stände der Welt in Echtzeit. Aber was für ein Bild ist das, und wem kommt es zugute?

Das Bild spiegelt einerseits die neuen technischen Möglichkeiten und Limitierungen der Welterfassung wider, anderseits die unterschiedlichen Agenden der Institutionen, welche die Technologie einsetzen können, um die Daten zu erheben, zu erwerben und aus­­zuwerten.

Die technischen Möglichkeiten – das ist so selbstverständlich, dass es oft bereits wieder vergessen wird – er­lauben es, alles, was sich messen lässt, zu erfassen. Das bedeutet aber auch, dass alles, was sich nicht in einfachen Zahlenreihen ausdrücken lässt, unsichtbar wird, bzw. dass für solche Vorgänge und Zustän­de stellvertretende Werte herangezogen werden, sogenannte Proxies. Wie kann z.B. die Qualität einer Schule gemessen werden? Für eine genauere Betrachtung müss­te man viele kontextuelle Faktoren miteinbeziehen, etwa die soziale Situation der Schü­­ler*innen, die Situation der Lehrer*in­nen, den Zu­stand des Schulgebäudes etc. Jeder dieser Faktoren ist aber selbst schlecht zu messen und komplex zu erheben. Also nimmt man einen Proxy, in diesem Fall die Leistung der Schüler*innen. Um diese zu beurteilen, müsste man detaillierte Kenntnisse über den Verlauf der Schulkarriere haben. Wo standen sie zu Beginn des Jahres, wo am Ende, warum hat sich die Leistung so entwickelt? Doch auch das ist zu kompliziert, also nimmt man einfach die Prüfungsnote. Wer kann da schon was dagegen sagen, die ist wenigstens eindeutig. Eine “Eins” ist immer besser als eine “Fünf” (außer in der Schweiz, da ist das Notensystem umgekehrt). Aber so einfach ist es auch nicht; wenn man Schulen vergleichen will, stellt sich die Frage, ob die Prüfungen und die Notenschemen immer gleich streng sind. Also werden die Prüfungen standardisiert, und damit gehen noch mehr Kontextinformationen verloren. Übrig bleibt eine Zahl, welche auf die einzelnen Schüler*innen runtergebrochen oder auf nationaler Ebene aggregiert werden kann und damit numerische Vergleichbarkeit schafft. In jedem dieser Abstraktionsschritte, der von der Komplexität der individuellen Lernsituation über die Zeit hin bis zu einem nationalen Wert bei so etwas wie dem PISA-Test führt, steckt eine Vielzahl von Entscheidungen, die mal aus fachlichen, mal aus pragmatischen Gründen gefällt werden, jedoch nie neutral sind und in die sich immer Interessen und Annahmen einschreiben. Nur in den allerwenigsten Fällen gibt es eine öffentliche Diskussion über die Interessen und Annahmen, die in die quantifizierende Erfassung einer Situation involviert sind. Zumeist werden sie aus politischen oder kommerziellen Gründen ausgeblendet und hinter (pseudo-) komplexen mathematischen Formeln und einem falschen Versprechen an Objektivität (“Zahlen lügen nicht”) versteckt. Vielfach wird zusätzlich noch eine juristische Ebene der Intransparenz darübergelegt, welche die Methoden und Daten als “Geschäftsgeheimnisse” wegschließt.
Das betrifft aber erst die Erfassungsebene der Daten. Genauso problematisch sind die Mo­delle, aufgrund derer die Daten ausgewertet werden und deren Resultate dann von algorithmischen oder menschlichen Ent­schei­dungs­träger*innen umgesetzt werden. Hier wimmelt es ebenfalls notwendigerweise von Interessen und Annahmen, die wesentlich be­einflussen, wie die bereits gefärbten Daten nochmals umgefärbt werden. Das Problem dabei ist nicht das Färben und Umfärben der Daten als solches. Jede Form der Wahrnehmung und der Auswertung beinhaltet interpretierende Elemente, und sei es nur, welcher Ausschnitt der Welt überhaupt beobachtet wird und welcher nicht. Das Problem ist, dass diese Elemente verborgen und systematisch negiert werden. Es findet hier eine Technokratisierung aller Lebensbereiche statt, durch welche scheinbar objektive Sachverhalte scheinbar objektiven und alternativlosen Lösungsansätzen zugeführt werden, ohne dass wir einzeln oder kollektiv eine Wahl treffen könnten.

Weil die meisten mächtigen Institutionen – also diejenigen, die über die Mittel und das Know-how verfügen, die Welt zu quantifizieren und die Datenströme auszuwerten – heu­te neoliberale Grundannahmen verfolgen – also Menschen als dekontextualisierte Individuen betrachten (Eigenverantwortung! Leistung! Nutzenmaximierung!), die miteinander über Konkurrenz in Beziehung stehen (Ranglisten! Wettbewerbe!) –, ist dieses Weltbild auch in fast allen Maschinen und Big-Data-Modellen verbaut. Es entsteht somit eine soziotechnische Umgebung, in der eine spezifische Ideologie – deren toxische Auswirkungen eigentlich seit 2008 überdeutlich zutage getreten sind – de facto naturalisiert wird und ohne Akteur*in oder Diskussion einfach fortwirkt, eingebaut in die Infrastruktur der Gesellschaft.

Dass wir heute ein detailliertes Bild der Welt in sozialen, biologischen und physikalischen Dimensionen in Echtzeit erheben können, ist nicht das Problem, vielmehr könnte es Teil der Lösung sein, wie unsere Gesellschaft einige der drängendsten Probleme, allen voran die Klimaerwärmung, angehen könnte. Voraussetzung dafür ist ein neues Bild der Welt als integrierter Prozess: Gaia in Hochauflösung. Technisch stehen die Voraussetzungen dafür gut, denn das tiefe, detaillierte Wissen, das traditionelle Kulturen oftmals von ihrer lokalen Umgebung hatten und das die Grundlage einer ökologisch nachhaltigen Lebensweise bildete, können wir heute auf globaler Ebene mithilfe eines feinmaschigen Netzes von Sensoren aus den Big-Data-Speichern generieren. Was uns aber fehlt, sind die sozialen Institutionen, welche dieses Potenzial realisieren. Diese müssten möglicherweise andere Daten erheben, jedenfalls sicher neue Modelle für deren Auswertung schaffen, die sich nicht an der Optimierung marktförmiger Konkurrenz, sondern an der Stabilisierung kollektiver und ökologischer Prozesse auf Basis demokratischer Willensbildung orientieren. Entgegen aller technokratischen Fantasien ist dies ein unausweichlich politischer Prozess mit Gewinner*innen und Verlierer*innen. Und wie alle Klimamodelle zeigen, hat die globale Gemeinschaft weniger als eine Generation Zeit, diese zu realisieren, bevor die Brutalität der Folgen der Erderwärmung jede Idee der Demokratie zur Illusion werden lässt.
Felix Stalder ist Medienwissenschaftler und Professor für Digitale Kultur und Theorien der Vernetzung an der Zürcher Hochschule der Künste.