Präsentation anlässlich des Swiss Internet Governance Forums am 19. Mai 2015 in Bern

1. Berner Fachhochschule | E-Government-Institut
Sieben Thesen hinsichtlich einer
Good Data Governance
Zwischenergebnis einer Expertenbefragung im Auftrag des
Bundesamts für Kommunikation
Prof. Dr. Thomas Jarchow, Beat Estermann, Mai 2015
▶ E-Government-Institut

2. Berner Fachhochschule | E-Government-Institut
1. Experten-Befragung: Methodik
2. Sieben Thesen hinsichtlich einer Good Data Governance
3. Staatliche Handlungsfelder
Inhalt

3. Berner Fachhochschule | E-Government-Institut
Methodik

4. Berner Fachhochschule | E-Government-Institut
▶ Leitfadengestützte Interviews mit 17 Experten aus Wirtschaft,
Verwaltung und Gesellschaft
▶ Leitfaden in zwei unterschiedlichen Ausprägungen
▶ Big Data Beobachter
▶ Big Data Akteure
▶ Thematische Schwerpunkte
▶ Bedeutung von Big Data: Chancen und Risiken
▶ Daten und Datenzugang
▶ Ethischer Umgang und Reputation
▶ Gesellschaftliche Aspekte
▶ Wandel der Organisationen
▶ Handlungsrichtlinien
▶ Technologische Herausforderungen
Interviews, Leitfaden

5. Berner Fachhochschule | E-Government-Institut
Zivilgesellschaft Verwaltung / Hochschulen Privatwirtschaft
Big Data
Beobachter
Stiftung Konsumentenschutz
Verein Opendata
Verein Grundrechte
Rechtsanwalt
Journalist
Datenschützer
SWITCH
MELANI
N/A
Big Data
Akteure
(Persönliche Einschätzungen
einzelner Vertreter der
Privatwirtschaft)
Suva
BFS
SBB
Ricardo
Migros
Cablecom
Roche
Coop
Digitec
Kategorisierung der Interviewpartner
Organisationsbereiche der befragten Big Data Akteure: Business Information Management / Business Intelligence;
Kommunikation / Marketing; Data Science; Public Policy; Business Development
Von den 9 befragten Akteuren verfügen:
- 4 über eine Abteilung, welche sich um Big Data kümmert
- 3 über ein Projekt oder eine Arbeitsgruppe, die sich mit Big Data befasst
- 2 (noch) über keine Big Data-bezogenen Aktivitäten

6. Berner Fachhochschule | E-Government-Institut
Definition / Bedeutung von Big Data
Big Data Akteure Big Data Beobachter
Volume: grosse Mengen von Daten bzw. immer mehr Daten werden
verarbeitet. Dabei handelt es sich um einen allmählichen Trend
infolge von verbesserten technischen Möglichkeiten (grössere
Analyse- und Speicherkapazitäten) und nicht um etwas grundsätzlich
Neues.
Variety: es werden Daten aus verschiedenen Beständen verknüpft und
vernetzt; dies hat zur Folge, dass unterschiedlich strukturierte Daten,
in vielen verschiedenen Formaten aus verschiedenen Quellen
verarbeitet werden.
Velocity: Es kommt zu einer
immer schnelleren Verarbeitung
von Daten
Neue Analyse-Methoden: Big
Data wird von neuen Daten-
Analyse-Modellen begleitet
(Mustererkennung, Suche nach
Algorithmen)

7. Berner Fachhochschule | E-Government-Institut
Sieben Thesen hinsichtlich einer
Good Data Governance

8. Berner Fachhochschule | E-Government-Institut
1. Beim Datenschutz braucht es einen Paradigmenwechsel.
2. Der gesellschaftliche Nutzen von Daten erhöht sich, wenn sie
als freie Infrastruktur-Ressourcen verfügbar sind.
3. Big Data verschärft eine Reihe von Gefahren, die abgewehrt
werden müssen.
4. Machtgefälle aufgrund von einseitiger Datenkontrolle gilt es
zu vermeiden.
5. Es sollte ein liberaler Ansatz verfolgt werden.
6. Staatliche Intervention ist nötig.
7. Data Governance muss im internationalen Umfeld angegangen
werden.
Sieben Thesen hinsichtlich einer Good Data Governance

9. Berner Fachhochschule | E-Government-Institut
▶ Empowerment der Nutzer
Die Preisgabe und Nutzung von personenbezogenen Daten muss durch die
betroffenen Personen effektiv kontrolliert werden können.
▶ Recht auf Anonymität
Elementare Transaktionen des Lebens müssen auch anonym abgewickelt
werden können.
▶ Technische Massnahmen
Der Datenschutz ist durch technische Massnahmen sicherzustellen.
▶ Wettbewerbsrechtlicher Ansatz
Wenn wir einen besseren Schutz der Privatsphäre erreichen wollen, müssen wir
nicht beim Datenschutz ansetzen, sondern beim Wettbewerbsrecht.
These 1: Beim Datenschutz braucht es einen
Paradigmenwechsel

10. Berner Fachhochschule | E-Government-Institut
▶ Klassischer Ansatz:
▶ Besonders schützenswert sind Daten zu Gesundheit, finanzieller Situation, Religion,
politischer Zugehörigkeit etc. (vgl. Datenschutzgesetz).
▶ Nicht besonders schützenswert sind Daten, die sowieso öffentlich sind, wie Name,
Wohnort, Alter, Geschlecht.
▶ Big-Data-orientierter Ansatz:
▶ Besonders schützenswert sind Daten, die es erlauben, jemanden zu identifizieren, denn
diese Daten ermöglichen es, Personendaten aus unterschiedlichen Quellen miteinander
zu verknüpfen.
▶ Das Zusammenführen vieler verschiedener Personendaten in einer digitalen Identität ist
problematisch.
▶ Relativistische Ansätze:
▶ Was als schützenswert betrachtet wird, variiert individuell und ist auch kulturell geprägt.
▶ Es sollte kontextabhängig, hinsichtlich des Verwendungszwecks festgelegt werden, zu
welchen Daten jemand Zugang hat; eine generelle Unterscheidung zwischen
schützenswerten und nicht schützenswerten Daten ist nicht sinnvoll.
▶ Ansatz der persönlichen Datenhoheit:
▶ Es sollte in der Kontrolle jeder/jedes Einzelnen liegen, welche Daten er/sie herausgeben
möchte. („It’s not about privacy, it’s about control!“)
▶ Ansatz der Unversehrtheit der digitalen Identität:
▶ Die digitale Identität ist gleich zu schützen wie die physische; analog zur Garantie der
physischen Unversehrtheit müssen auch die Daten, die einen betreffen, korrekt sein.
Welche Personendaten sind besonders schützenswert?

11. Berner Fachhochschule | E-Government-Institut
▶ Open-Data-Prinzip
Nicht-personenbezogene Daten sollen grundsätzlich zur freien Weiter-
verwendung zur Verfügung stehen (Ausnahmen sind: Geschäftsgeheimnisse,
sicherheitsrelevante Daten, urheberrechtlich geschützte Daten)
▶ Open Personal Data
Personenbezogene Daten sollen von den Betroffenen – je nach persönlichem
Gutdünken – zur Weiterverwendung durch Dritte freigegeben werden.
These 2: Der gesellschaftliche Nutzen von Daten erhöht sich,
wenn sie als freie Infrastruktur-Ressourcen verfügbar sind

12. Berner Fachhochschule | E-Government-Institut
▶ Staatliche Repression
▶ Ökonomische Diskriminierung
▶ Persönliche Repression
Die persönliche Repression lässt sich unter Umständen durch staatliche
Repression oder ökonomische Diskriminierung institutionalisieren.
▶ Unkontrollierte Eigendynamik der Systeme
Gefahr von Algorithmen, die man nicht mehr richtig versteht und beherrscht.
These 3: Big Data verschärft eine Reihe von Gefahren,
die abgewehrt werden müssen

13. Berner Fachhochschule | E-Government-Institut
▶ Transparenz-Prinzip
Daten von politischer Relevanz müssen offen zugänglich sein.
▶ Kontrolle/Zerschlagung von Monopolen/Oligopolen
▶ Schutz vor staatlichem Missbrauch von Personendaten
Der Kampf gegen den Terrorismus sollte nicht als Vorwand dienen, die
Schutzmechanismen gegen staatlichen Missbrauch von Personendaten
abzubauen.
These 4: Machtgefälle aufgrund von einseitiger
Datenkontrolle gilt es zu vermeiden

14. Berner Fachhochschule | E-Government-Institut
▶ Markt-Prinzip
Datenschutz und Data-Sharing lassen sich über Marktmechanismen regulieren.
▶ Befähigung der Nutzer
Die Nutzer können mittels geeigneter Software-Lösungen, Transparenz-
Auflagen für Unternehmen sowie Aufklärungs- und Bildungsmassnahmen dazu
gebracht werden, einen bewussten und informierten Umgang mit ihren Daten
zu pflegen.
These 5: Es sollte ein liberaler Ansatz verfolgt werden

15. Berner Fachhochschule | E-Government-Institut
▶ Marktversagen
In etlichen Bereichen versagt der Daten-Markt aufgrund von natürlichen
Monopolen, Informations-Assymmetrien und negativen Externalitäten.
▶ Überforderung der Nutzer
Kunden/Nutzer sind nicht in der Lage, ihre datenbezogenen Interessen
gegenüber mächtigen Anbietern durchzusetzen.
These 6: Staatliche Intervention ist nötig

16. Berner Fachhochschule | E-Government-Institut
▶ Kontrolle von multinationalen Grossfirmen
Die Hauptgefahr in Sachen Datenschutz geht von multinationalen Grossfirmen
aus, gegen die einzelne Staaten nicht viel ausrichten können.
▶ Wettbewerbsverzerrungen führen zur Verwässerung von
Standards
Einzelstaatliche Lösungen führen auf internationalen Märkten zu
Wettbewerbsverzerrungen und im Endeffekt zu einer Verwässerung der
Standards
▶ Ent-Lokalisierung von Daten
Heute kommt digitalen Daten kein geografischer Ort mehr zu; die Daten sind
weltweit verteilt.
These 7: Data Governance muss im internationalen
Umfeld angegangen werden

17. Berner Fachhochschule | E-Government-Institut
Handlungsfelder / Handlungsbedarf

18. Berner Fachhochschule | E-Government-Institut
Staatliche Handlungsfelder / Kollektiver Handlungsbedarf
Regulatorische Massnahmen
Welche neuen gesetzliche Vorgaben braucht es?
In welchen Bereichen braucht es allgemeinverbindliche Standards?
In welchen Bereichen braucht es veränderte Aufsichtsrollen?
Anreizsysteme / Flankierende Massnahmen
Welche Aufklärungs- und Sensibilisierungsmassnahmen braucht es?
Welche Akzente sind bei der Aus- und Weiterbildung zu setzen?
Welche Massnahmen braucht es im Bereich der Innovations-
förderung?
Verwaltungstätigkeit
Welche Anpassungen braucht es hinsichtlich der Datenproduktion
und der Datenbereitstellung durch Behörden?
Welche Anpassungen braucht es im Bereich der Datennutzung
durch Behörden?
Internationale Dimension
In welchen Bereichen
wird die Souveränität der
Schweiz de facto
beschränkt?
In welchen Bereichen ist
eine internationale
Koordination erwünscht
bzw. unabdingbar?
Welche internationale
Governance-Architektur
ist zweckmässig?

19. Berner Fachhochschule | E-Government-Institut
Kontakt
Prof. Dr. Thomas Jarchow:
thomas.jarchow@bfh.ch
Beat Estermann:
beat.estermann@bfh.ch