Noch ist Big Data erst Small Data

Big Data: Da schwingt «Big Brother» mit, was angesichts der NSA-Enthüllungen bestens passt, um beim Publikum Überwachungsängste zu schüren. Der Begriff, vor wenigen Jahren nur in Fachkreisen geläufig, ist nun als Schlagwort zunehmend allgegenwärtig und entzieht sich so einer genauen Definition. Grundsätzlich geht es darum, aus den rasant zunehmenden Daten, die allenthalben anfallen, Vorteile zu ziehen. Für den Einzelnen, fürs Geschäft, für die Gesellschaft, für die Erde. Dass es immer mehr Daten gibt, leuchtet allen ein. Doch ist dafür nicht die Informationsflut im Web und in Social Media hauptverantwortlich. Es sind vor allem maschinell erzeugte Daten, die lawinenartig wachsen. Bei Telekommunikationsverbindungen, Web- Zugriffen, Warenerfassung in der Logistik, in der Finanzindustrie. Kaum ein Wirtschaftsbereich ist davon ausgenommen. Und diese Entwicklung steht erst am Anfang: Mit dem Internet der Dinge werden letztendlich Abermilliarden von Sensoren laufend Daten liefern. So gesehen ist, was heute als Big Data bezeichnet wird, erst ein schmaler Vorläufer (small data), dessen, was erst noch kommen wird. Der Sozialphilosoph und Wirtschaftsprofessor Jeremy Rifkin diagnostiziert in seinem Buch «Die Null-Grenzkosten- Gesellschaft» das Entstehen eines neuen Wirtschaftssystems (des kollaborativen Gemeinguts). Weil die Grenzkosten durch Digitalisierung und Vernetzung immer mehr gegen null tendierten, werde sich der Kapitalismus künftig nicht mehr lohnen.

Alte Hasen wissen es: Hatten wir alles schon. Hiess vor zehn oder vor fünfzehn Jahren CRM (customer relationship management) oder kam als Business Intelligence (BI) daher. Auch damals wurden Berge von Kundendaten aufgebaut und analysiert. War teuer und kompliziert und hat die Hoffnungen nicht erfüllt. Diese Beobachtung ist mitunter richtig, falsch hingegen die Annahme, auch Big Data sei ein Hype, der heute top und morgen Flop ist (und den man getrost ignorieren und aussitzen kann). So wie Videotex ein Vorläufer für das Internet war und das Bewusstsein für entsprechende Abläufe vorbe- reitet hat, ist Big Data die nächste Welle nach der CRM-Technik. Wurden damals Daten in einem sog. Data-Warehouse versorgt, gibt es dafür heute den Begriff des Data-Lake. Wurden damals Daten mittels Data-Mining analysiert, laufen diese Vorgänge heute als Big Analytics (und werden oft im Begriff Big Data mit verstanden). Die Versprechen (Wettbewerbsvorteile) waren die gleichen und der Preis für die nötigen Systeme (hoch) ebenfalls. Damals wie heute fehlt es an Fachleuten, die mit der neuen Technik gekonnt umgehen können. Dazugekommen (zumindest in Europa) sind Befürchtungen rund um den Datenschutz und in der Folge davon (antizipierte oder reale) Einschränkungen, die den Nutzen von Big Data behindern können.

Unternehmensweit einführen

Der Vergleich mit den CRM-Systemen ist nützlich, um aus den Fehlern von damals zu lernen. Weil es für CRM (und für Big Data) neue technische Infrastrukturen brauchte, wurden solche Projekte oft bei der Informatik geführt. Früher oder später wurde das Funktionieren der entsprechenden Systeme vermeldet und die Investitionen waren damit gerechtfertigt, obwohl bei den operativen Unternehmenseinheiten die Vorteile ausblieben. Wollen Unternehmen heute eine Big-Data-Initiative lancieren, müssen von Anfang an alle Bereiche mit einbezogen werden. Dem Chauffeur im Lieferwagen etwa muss klar sein, weshalb seine Fahrten in Echtzeit aufgezeichnet und ausgewertet werden (etwa um durch eine bessere Routenwahl Zeit und Kosten zu sparen), und er wird lernen, bestimmte Vorfälle so zu erklären, dass diese Daten künftig besser ausgewertet werden können. In Marketing und Verkauf muss verstanden werden, wie Analyseergebnisse zustande kommen und inwiefern sie für Geschäftsentscheide taugen oder lediglich vage Hinweise liefern. In der Produktion wird man laufend den Einsatz von Sensoren verbessern und um damit Abläufe effizienter zu gestalten, müssen Produktionsfachleute und Datenanalytiker auf Augenhöhe deren Auswertung besprechen können. Dabei müssen Science- Fiction-Illusionen beiseitegelegt werden: Werden für Big Data noch so viele Computer eingesetzt, wissen (im menschlichen Sinne) tun sie weiterhin gar nichts. Die Gefahr ist deshalb gross, Korrelationen, die in den Datenmengen zwar gefunden werden können, eine falsche Bedeutung zuzumessen (zumal wenn die Ergebnisse als attraktive Grafiken daherkommen) und in die falsche Richtung zu marschieren (weil alles so teuer war, muss es ja richtig sein …). Es kommt also nicht nur darauf an, die Daten abspeichern und verwalten zu können, sondern daraus die richtigen Schlüsse zu ziehen. Die Unternehmensberatung Bain & Company hat letztes Jahr die Erfahrungen von über 400 Unternehmen ausgewertet, die damit frühzeitig gestartet sind. Die Spitzenreiter zeichnen sich durch diese Vorteile aus:

– sie rangieren mit ihrer finanziellen Performance innerhalb ihrer Branche doppelt so häufig im obersten Quartil
– es ist fünfmal wahrscheinlicher, dass sie Entscheide viel schneller fällen können als Mitbewerber
– es ist dreimal wahrscheinlicher, dass sie Entscheidungen wie beabsichtigt ausführen können
– es ist doppelt so häufig, dass sie bei ihren Entscheidungen sehr häufig Daten verwenden.

Die Unternehmensberater kommen deshalb zum Schluss: «Derzeit ziehen viele dieser führenden Unternehmen ihren Mitbewerbern davon, sodass diese hinterherhinken und um den Anschluss kämpfen müssen.»

Amerika voran, die EU hinterher – und die Schweiz?

Aber nicht nur Unternehmen, auch Staaten müssen bei Big Data um den Anschluss kämpfen. Und wie’s aussieht, gehört hier die Schweiz nicht zur Spitzengruppe – obwohl die Voraussetzungen dazu gut wären. Die Nase vorn haben die USA, wo die Obama- Regierung im Frühling 2012 für die Big-Data-Research- Development-Initiative ein Budget von 200 Mio. Dollar bereitstellte, das verschiedenen amerikanischen Behörden zugute kommt. Das ist durchaus stimmig: Gilt doch Obamas letzter Wahlkampf als erster Big-Data-Wahlkampf der Geschichte. Die Wahlstrategen der Demokratischen Partei benutzen Big-Data-Analytics und Verhaltensforschung, um gezielt Wähler individuell anzusprechen. Daneben gibt es im Land der unbegrenzten Möglichkeiten zahlreiche weitere umfangreiche Forschungsprogramme und Anwendungen in Unternehmen – nicht zuletzt im Bereich der Onlinewerbung, wo beim Handel der Werbeplätze in Echtzeit (Real-Time- Bidding, RTB) die Platzierungen und deren Preise aufgrund grosser Datenbestände über das Surf- und Konsumverhalten ermittelt werden.

Auch die EU ist in Sachen Big Data erwacht und Anfang Juli hat die Generaldirektion Communications Networks, Content & Technology (CONNECT) der EU-Kommission eine (lesenswerte) Mitteilung für eine «florierende datengesteuerte Wirtschaft» vorgelegt. Damit strebt sie einen Aktionsplan an, damit die EU in der weltweiten Datenwirtschaft mithalten kann, wobei das EU-Förderprogramm für Forschung und Entwicklung, Horizon 2020, eine erhebliche Rolle spielt. Bemerkenswert ist dieser Abschnitt: «Dieser globale Trend birgt ein enormes Potenzial für verschiedene Gebiete, von Gesundheit und Ernährungssicherheit über Klimapolitik und Ressourceneffizienz bis hin zu Energie, intelligenten Verkehrssystemen und intelligenten Städten. Europa kann es sich nicht leisten, diese Chance zu verpassen. Aber im Vergleich zu den USA hat die digitale Wirtschaft in Europa die Datenrevolution nur schleppend aufgenommen. Ausserdem mangelt es hierzulande an vergleichbaren industriellen Kapazitäten. Die Forschungs- und Innovationsförderung auf dem Gebiet der Daten ist in der EU unzureichend und die betreffenden Aktivitäten sind zudem weitgehend unkoordiniert. Es mangelt an Datenfachleuten, die fähig sind, technische Fortschritte in konkrete Geschäftsmöglichkeiten umzusetzen. Die Komplexität der gegenwärtigen rechtlichen Rahmenbedingungen im Zusammenspiel mit der unzureichenden Zugänglichkeit grosser Datensätze und entsprechender Grundinfrastrukturen lässt Zutrittsschranken für KMU entstehen und behindert die Innovation.» Ihre Forderungen fasst die EUKommission in diesen Punkten zusammen:

– «Leuchtturm»-Dateninitiativen unterstützen, die dazu beitragen können, die Wettbewerbsfähigkeit zu steigern, die Qualität öffentlicher Dienste zu erhöhen und das Leben der Bürger zu verbessern. Mögliche Gebiete sind das Gesundheitswesen (personalisierte Arzneimittel), das integrierte Verkehrs- und Logistikmanagement für ganze Regionen, das Management von Lebensmittelversorgungsketten durch Verfolgung der Nahrungsmittel vom Erzeuger bis zum Verbraucher

– die grundlegenden Technologien, Infrastrukturen und Kompetenzen entwickeln, vor allem zugunsten der KMU

– in grossem Massstab ihre öffentlichen Daten und Forschungsdateninfrastrukturen zur gemeinsamen Verwendung bereitstellen sowie auch nutzen und weiterentwickeln

– die öffentliche Forschung und Innovation auf bestehende technologische, rechtliche und andere Engpässe konzentrieren

– dafür sorgen, dass die rechtlichen Rahmenbedingungen und die politischen Vorgaben, z. B. für Interoperabilität, Datenschutz, Sicherheit und geistiges Eigentum, datenfreundlich sind, damit die Rechtssicherheit für Unternehmen erhöht und das Vertrauen der Verbraucher in die Datentechnik gestärkt wird

– das Gesetzgebungsverfahren zur Reformierung des EU-Datenschutz-Rahmens und der Netzund Informationssicherheit zügig zum Abschluss bringen sowie den Austausch und die Zusammenarbeit zwischen den zuständigen Strafverfolgungsbehörden (z. B. in Bezug auf Datenschutz, Verbraucherschutz und Netzsicherheit) unterstützen

– die Digitalisierung öffentlicher Verwaltungen und öffentlicher Dienste beschleunigen, um deren Effizienz zu steigern, und

– durch die Vergabe öffentlicher Aufträge dazu beitragen, dass die Ergebnisse neuer Datentechnik auch auf den Markt gelangen.

Eine derart strategisch ausgerichtete Big-Data-Initiative fehlt in der Schweiz. Das dafür (mit) zuständige Staatssekretariat für Wirtschaft (SECO) kommt im E-Economy-Report 2014 immerhin zur Einsicht: «Das Phänomen Big Data sollte eingehend analysiert werden.»

Christoph J. Walther

Tyler Vigen ist Rechtsstudent an der Harvard Law School und bezeichnet sich als Statistik-Provokateur. Zumindest in Letzterem ist er nicht schlecht: Auf seiner Website (tylervigen.com) zeigt er in zahlreichen Beispielen, dass eine Korrelation zwischen zwei Variablen noch längst nicht auf eine Kausalität schliessen lässt – obwohl, zumal wenn visuell attraktiv aufbereitet, die Versuchung dazu oft gross ist. Viele der gängigen Big-Data-Algorithmen stossen auf der Suche nach Optimierungspotenzialen auf solche scheinbaren Zusammenhänge, denen indes keine Kausalbeziehungen zugrunde liegen. Darin liegt eine der grossen Gefahren von Big Data: Wer sich gutgläubig auf Algorithmen verlässt, kann leicht zu falschen Schlussfolgerungen kommen. Das kann nicht nur zu kostspieligen Fehlentscheiden, sondern auch zu Diskriminierung und anderen Benachteiligungen führen.