Susanne Mentel - Predictive Analytic und die Haftung für fehlerhafte Ergebnisse gegenüber betroffenen Einzelpersonen

Die heute als Predictive Analytic bezeichneten Verfahren sind vor allem dadurch gekennzeichnet, dass sie ihre Ergebnisse unter Zuhilfenahme modernster Technologien entwickeln. Ihre Methoden gehen in ihrer Komplexität weit über die bisher praktizierten Scoring-Verfahren hinaus. Dies liegt an der Verwendung von Verfahren wie Data Mining, welche die Eigenschaft besitzen, Muster in großen Datenmengen ausfindig zu machen, aber auch an noch komplexeren Methoden wie des Machine Learnings. Letztere geben ihren Anwendern die Möglichkeit, ihre Algorithmen in gewisser Weise selbstständig für sich arbeiten zu lassen. Die Algorithmen besitzen dabei die Fähigkeit „zu lernen“.53 Zum besseren Verständnis, welche Anwendungen zum Kreis von Predictive Analytic zählen, sollen im Folgenden typische Anwendungsbereiche vorgestellt werden, bei denen die Methoden über die des Scorings hinaus gehen. Dabei ist zwischen zwei Formen von Vorhersagen zu unterscheiden: jene, die ohne Bezug zu einer einzelnen Person ein generelles Phänomen oder das Verhalten einer Gruppe von Personen vorhersagen und jene, deren Ergebnis sich auf eine genau bestimmte Person bezieht. Letztere werden für die Zwecke der Arbeit als betroffenenbezogene Vorhersagen bezeichnet.

Ein bekannter Anwendungsbereich von Predictive Analytic sind die heute unter dem Schlagwort Predictive Maintenance geführten Instrumente der vorausschauenden Wartung.54 Sie zählen zu der selteneren Guppe von Predictive Analytic, deren Ergebnis keinen Bezug zu einer Person herstellt, sondern einen objektiven Sachverhalt, hier den Verschleiß von Maschinen, zum Gegenstand hat. Vorreiter von Predictive Maintenance-Systemen war das Unternehmen General Electrics , das bereits früh ein Patent für die vorausschauende Wartung von Flugzeugtriebwerken angemeldet hat.55 Ziel dieser Anwendung ist es, mithilfe eingespeister Daten vergangener Triebwerksschäden und der in Echtzeit übertragenen Daten der im Einsatz befindlichen Triebwerke Vorhersagen zu treffen, wann ein Getriebe repariert oder ausgetauscht werden muss. Durch dieses Vorgehen sollen Störungen des Flugbetriebes mit Ausfällen und langen Reparaturzeiten vermieden, Wartungsintervalle verlängert und die Lebenszeit von Maschinen und Anlagen insgesamt verbessert werden.56 Heute wird diese Form der Predictive Analytic in verschiedensten Industriezweigen eingesetzt57 und es existiert ein breites Angebot an professionellen Anbietern.58

Ein weiteres Beispiel ist die von Google 2008 begonnene und 2014 wieder eingestellte Vorhersage der Ausbreitung von Grippeviren. Sie wird oft als Paradefall einer Predictive Analytic bezeichnet.59 Google wertete für diesen Anwendungsfall die von Nutzern eingegebenen Suchbegriffe und die dazugehörigen geografischen Standorte aus und erstellte anhand dieser Parameter eine Vorhersage, in welchen Regionen sich wahrscheinlich gerade eine Grippewelle ausbreitet. Damit bezog sich die Analyse zwar auf die von einzelnen Nutzern eingegebenen Suchbegriffe im Internet, das Ergebnis selbst war jedoch nur auf die örtliche Ausbreitung und nicht auf die von der Grippe möglicherweise betroffenen Personen bezogen. Die Analyse sollte lediglich die medizinischen Institute in die Lage versetzen, einen exakten Bedarf an Grippemedikamenten zu prognostizieren, um so eine optimale Versorgung zu garantieren. Ein Rückschluss auf eine einzelne, möglicherweise erkrankte Person war nicht Ziel der Anwendung. Nach der anfänglichen Euphorie der Google Flu Trends stellte sich heraus, dass diese wichtige Grippewellen gar nicht abbildete, andere dagegen viel zu stark prognostizierte.60 Die anfangs hoch gelobte Analyse erwies sich damit als unwahr61 und demnach als klassischer Fall einer fehlerhaften Predictive Analytic-Anwendung.

Im Gegensatz zu den gerade geschilderten Vorhersagen ohne Personenbezug, deren Ergebnisse sich auf Regionen oder Länder beziehen, und Einzelpersonen damit höchstens als Kollektiv betreffen, steht bei den meisten Predictive Analytic-Anwendungen eine einzelne Person im Fokus. Dies ist bei Predictive Analytic zu Marketingzwecken der Fall sowie bei Analysen zur Kundenbindung oder zur Einschätzung von Arbeitnehmern. Auch Maßnahmen zur Tarifierung oder Vorhersage von Schadensrisiken in der Versicherungsbranche zielen auf Erkenntnisse über eine bestimmte Person ab, mit der der Anwender in vertraglichen Beziehungen steht. Ebenso können sich Predictive Analytic zur Preisbestimmung im Rahmen des sog. Dynamic Pricing auf eine einzelne Person beziehen, indem sie die Höhe des Preises bestimmen wollen, den diese Person noch bereit ist zu zahlen. Die weiteren Ausführungen, die zur Hauptfrage der Arbeit, der Haftung für fehlerhafte Predictive Analytic, hinleiten, beschränken sich auf solche Anwendungsgebiete, die einen Bezug zu einer bestimmten Person herstellen. Nur in diesen Fällen ist der Einzelne als Betroffener zu charakterisieren. Diese Betroffenheit offenbart sich vor allem dann, wenn die Vorhersage fehlerhaft ist und der Einzelne hierdurch benachteiligt wird. Die verschiedenen Anwendungsgebiete solcher betroffenenbezogenen Predictive Analytic sollen im Folgenden näher dargestellt werden. Die mit der Arbeit bezweckte Untersuchung der Haftung für fehlerhafte Predictive Analytic beschränkt sich auf diese Form von Predictive Analytic.

Eines der bekanntesten Anwendungsbeispiele für Predictive Analytic ist die Vorhersage von Interessen im Bereich des Marketings. Sichtbar werden Predictive Analytic-Anwendungen in diesem Bereich durch die zunehmend auf Websites und Online-Shops anzutreffenden Empfehlungsleisten (sog. Recommender Systems).62 Das Unternehmen, welches diese Art der Vorhersage von Kundeninteressen bekannt gemacht hat, ist der Online-Händler Amazon .63 Die Empfehlungsleisten basieren auf dem gleichen Gedanken wie die Anzeige der Suchergebnisse bei Google . Vergleichbar des Vorgehens einer Suchmaschine wird versucht, mithilfe von Daten aus der Vergangenheit, meistens mittels der bisherigen Suchanfragen der Nutzer, eine Vorhersage darüber aufzustellen, welche Ergebnisse diese in Zukunft interessieren können. Suchanfragen sind jedoch nicht der einzige Hinweis auf mögliche Verhaltensweisen des Nutzers. Ebenfalls durch den Google -Konzern entwickelt, stehen Websitebetreibern spezielle Tools wie beispielsweise Google Analytics zur Verfügung, mit denen der Besuch eines Nutzers auf der eigenen Homepage genau analysiert werden kann.64 Wird Google Analytics auf einer Website installiert, speichert das Tool welche Nutzer eine Homepage besuchen, wie lange sie auf welchen Unterseiten verweilen und von welcher Suchmaschine oder Dritthomepage der Nutzer auf die Homepage aufmerksam geworden ist. Das Ergebnis dieser Analyse kann, z.B. durch entsprechende Anzeigen bei einem Suchmaschinenanbieter oder durch Werbebanner auf anderen Homepages, für eine gezielte Steuerung von Werbemaßnahmen verwendet werden. Die daraus gewonnenen Erkenntnisse können aber auch zur Generierung von Predictive Analytic genutzt werden. Google bietet hierfür speziell das Tool BigQuery an. Mit dieser Anwendung können die mithilfe von Google Analytics gewonnenen Daten mit bereits vorhandenen Daten wie Stammdaten und Daten zu abgeschlossenen Käufen aus den Costumer Relation Management-(CRM-) Systemen verknüpft und auf Basis dieser Daten umfangreiche Analysen und Vorhersagen getroffen werden.65 Auch über spezielle Tools einzelner Anbieter hinaus können mittels Daten vergangener Einkäufe und Erfahrungswerten zu bisherigem Kaufverhalten Vorhersagen darüber getroffen werden, welcher Kunde sich in Zukunft für ein bestimmtes Produkt interessieren könnte. Auf diese Vermutung hin werden dann entsprechende Marketingstrategien in Gang gesetzt. Die möglichen Anwendungsbereiche von Predictive Analytic im Marketing ziehen sich zusammengefasst durch den gesamten Verkaufszyklus:66 von der Suche nach potenziellen Kunden über deren Ansprache und Überzeugung bis hin zur Nachbetreuung.67