Einfluss des Internets auf die McDonaldisierung der modernen Gesellschaft. Wie die Marketing-Prinzipien von McDonalds auf andere Lebensbereiche übertragen werden

Inhalt

1. Einleitung

2. Effizienz
2.1 Effizienz bei G. Ritzer
2.2 Der Cybereinkauf

3. Berechenbarkeit
3.1 Berechenbarkeit bei G. Ritzer
3.2 Digitale Gesundheit

4. Vorhersagbarkeit
4.1 Vorhersagbarkeit bei G. Ritzer
4.2 Predictive Analytics

5. Kontrolle
5.1 Kontrolle bei G. Ritzer
5.2. Internetzensur: Mauer 2.0

6. Fazit: Digital – mir egal?

Literaturverzeichnis

Anhang

1. Einleitung

1993 hat der US-amerikanische Soziologe Georg Ritzer den Begriff „McDonaldisierung“ geprägt. Dieser beschreibt den Trend, dass McDonald’s einen großen Wert auf die Effizienz, die Berechenbarkeit, die Vorhersagbarkeit und die Kontrolle legt. Diese grundlegenden Organisationsprinzipien, die den wirtschaftlichen Erfolg von McDonald’s Fast-Food-Restaurants erklären, wurden und werden in zahllosen anderen Gesellschaftsbereichen auf der ganzen Welt nachgeahmt und kopiert. Tendenzen in Richtung McDonaldisierung sieht Ritzer u. a. auch im Gesundheitswesen, im Freizeitsektor, im Bildungswesen oder im Hotelgewerbe (vgl. Ritzer 2006).

Heute befinden wir uns in der Ära von Big Data, in der große Datenmengen in digitaler Form von zunehmender Bedeutung sind – sowohl im professionellen wie auch im privaten Bereich. Wir telefonieren, schreiben, lesen, kaufen, lernen etc. digital und hinterlassen täglich eine Menge von Daten im Internet, ob wir wollen oder nicht. Die vorliegende Arbeit beschäftigt sich mit der Frage, inwieweit das Internet und die digitalen Technologien zu einer McDonaldisierung der Gesellschaft beitragen? Um diese Frage zu beantworten, gehe ich in vier Schritten vor. Zu Beginn jedes Kapitels beschreibe ich kurz die einzelnen Organisationsprinzipien von McDonald’s. Daran schließen sich einige Beispiele an, die den Zusammenhang zwischen der McDonaldisierung der Gesellschaft und den digitalen Technologien/dem Internet plausibel machen sollen. Ein zusammenfassender Ausblick sowie einige praktische Tipps zur Erlangung der digitalen Mündigkeit beschließen die Arbeit.

2. Effizienz

2.1 Effizienz bei G. Ritzer

Das erste Prinzip der McDonaldisierung, die Effizienz, beinhaltet die Suche nach der optimalen Methode zum Erreichen eines Zwecks (vgl. Ritzer 2006: 73). Im Falle eines McDonalds-Kunden wäre dies z.B. die effiziente Stillung des Hungers. Die effiziente Arbeit der Angestellten wird dadurch gewährleistet, dass sie Schritt für Schritt einen vorbestimmten Ablauf vollziehen (vgl. ebd.). Es gibt unzählige Wege zur Effizienzsteigerung, aber in mcdonaldisierten Systemen bemüht man sich vor allem darum, die verschiedensten Prozesse stromlinienförmiger^[1] zu gestalten, Waren und Dienstleistungen zu vereinfachen und den Kunden für unbezahlte Arbeiten einzusetzen, die früher von bezahlten Mitarbeiter erledigt wurden (vgl. ebd.: 74).

2.2 Der Cybereinkauf

Das Internet hat den Einkauf wesentlich effizienter gemacht. Laut dem statistischen Bundesamt haben im Jahr 2015 47 Millionen Menschen in Deutschland Waren oder Dienstleistungen für private Zwecke über das Internet gekauft oder bestellt (vgl. Destatis 2016). Dies entspricht einem Anteil von 77 % der Internetnutzer^[2] ab zehn Jahre (vgl. ebd.). 64 % der Online-Käufer bezogen Kleidung und Sportartikel (s. Anhang, Abb. 1). Jeder Zweite (49 %) bestellte Möbel, Spielzeug oder andere Gebrauchsgüter online. Ebenfalls sehr verbreitet war der Online-Kauf von Büchern, Magazinen oder Zeitungen (42 %), von Eintrittskarten für Veranstaltungen (39 %) sowie von Filmen und Musik (33 %). 41 % buchten Urlaubsunterkünfte und 31 % andere Dienstleistungen für Urlaubsreisen (zum Beispiel Fahrkarten oder Mietwagen) online, mehr als jeder Vierte (28 %) bestellte Arzneimittel übers Internet.

Was spricht aber dafür, online einzukaufen? Ich versuche es am Beispiel von Zalando – Europas führender Online-Plattform für Mode – kurz zu skizzieren. Dieser Shop bietet seinen Kunden eine umfassende Auswahl an Bekleidung, Schuhen und Accessoires für Damen, Herren und Kinder bei kostenfreiem Versand und Rückversand. Außerdem werden verschiedene Zahlungsarten (Zahlung per Rechnung, per Paypal, per Kreditkarte etc.), kostenlose Stilberatung für registrierte Kunden, Geschenkgutscheine, unabhängige Öffnungszeiten, keine Wartezeit, Kundenrezensionen und vieles mehr angeboten.

Der Cybereinkauf scheint etwas Gutes und Effizientes zu sein und bringt zweifellos allen Betroffenen einen Vorteil. Die Verbraucher können das Benötigte schnell und mit weniger Anstrengung erhalten. Manager und Unternehmen können mehr Arbeit erledigen, mehr Kunden bedienen und den Gewinn steigern. Dabei sollte man aber nicht vergessen, dass Maßnahmen zur Effizienzverbesserung von den Unternehmern in der Regel im eigenen Interesse ergriffen werden, und dieses Interesse ist nicht unbedingt identisch mit dem der Verbraucher. In modernen Unternehmen werden alle anfallenden Daten jahrelang in sogenannten Data Warehouses erfasst (vgl. Kurz/Rieger 2011: 69). Hierzu gehören beispielsweise firmeninterne Memos und E-Mails, Logistikvorgänge, Kundeninformationen, Zahlungsbewegungen, Daten über Besuche auf der Firmenwebseite, Präsentationen etc. (vgl. ebd.). Diese Daten sind von hohem monetären Wert, weil sich daraus das Verhalten von Kunden oder Mitarbeitern, ihre Bedürfnisse und Interessen über längere Zeiträume ersehen lassen. Mit all diesen Informationen können die Unternehmen ihre Kunden mit individuellen Angeboten zur richtigen Zeit ansprechen.

Außerdem hat der Cybereinkauf einen Effizienzaspekt, der häufig übersehen wird: Die Kunden übernehmen viele Tätigkeiten, die in einem traditionellen Shop von Mitarbeitern ausgeführt werden. Z. B. wir suchen manchmal stundenlang nach passenden Artikeln, wir lesen Kundenrezensionen, wir bestellen Waren, holen sie an einem Paketshop ab, wenn sie nicht zugestellt werden konnten oder senden sie zurück, wenn sie uns nicht gefallen etc. Einige dieser Beispiele mögen trivial erscheinen. Aber da solche Aufgaben allgegenwärtig sind, wenden die Online-Käufer ein beträchtliches Maß an Zeit und Energie für unbezahlte Arbeiten auf, während die Unternehmen ihre Effizienz steigern.

3. Berechenbarkeit

3.1 Berechenbarkeit bei G. Ritzer

Berechenbarkeit, das heißt die Betonung der Quantität, ist das zweite Prinzip der McDonaldisierung. Hier geht es vor allem darum, sowohl für die Prozesse (z.B. die Produktion) als auch für die Ergebnisse (z.B. die Waren) zahlenmäßige Standards festzulegen (vgl. Ritzer 2006: 105). Bei den Prozessen ist die Geschwindigkeit von großer Bedeutung (meist muss es schnell gehen), bei den Ergebnissen zählt vor allem die Zahl der hergestellten Produkte oder ihre Größe (vgl. ebd.). Zweifellos bringt die Betonung der Berechenbarkeit viele Vorteile mit sich. Sie hat aber auch eine wichtige Kehrseite, die Tatsache nämlich, dass in einer Gesellschaft, die vor allem die Quantität betont, viele Waren und Dienstleistungen zunehmend in die Mittelmäßigkeit abgleiten (vgl. ebd.: 105f.).

3.2 Digitale Gesundheit

Die Gastronomie ist keineswegs die einzige Branche, in der Wert auf quantifizierbare Größen gelegt wird. Heute wird auch die Medizin in Richtung immer größerer Berechenbarkeit gedrängt. Der Begriff „E-Health“ (elektronische Gesundheit) steht für den Einsatz moderner Informations- und Kommunikationstechnologien (IKT) im Gesundheitswesen (vgl. Hauschild/Schnorr-Bäcker 2005). Die Chancen von IKT werden vor allem darin gesehen, es der Bevölkerung zu ermöglichen, mehr Eigenverantwortung für ihre Gesundheit zu tragen, die Gesundheit zu verbessern sowie die Ausgaben dafür bei allen Beteiligten zu reduzieren (vgl. ebd.). Schaut man sich die Gesundheitsausgaben der letzten Jahre an, so scheint der Einsatz von IKT sehr vernünftig zu sein. Wie das Statistische Bundesamt mitteilt, beliefen sich die Gesundheitsausgaben in Deutschland im Jahr 2015 auf 344,2 Milliarden Euro – 15,00 Milliarden Euro mehr im Vergleich zu 2014 (s. Anhang, Abb. 2). Für das Jahr 2016 wird ein Anstieg auf 359,1 Milliarden Euro prognostiziert (vgl. Destatis 2017).

Heute kommt der mobilen Gesundheit (mHealth) eine entscheidende Bedeutung zu. mHealth entwickelte sich in den letzten Jahren aus dem Begriff eHealth und wird laut der Weltgesundheitsorganisation als „medical and public health practice supported by mobile devices, such as mobile phones, patient monitoring devices, personal digital assistants (PDAs), and other wireless devices” definiert (WHO 2011: 6). Gesundheits-Apps auf Smartphones und Tablets stellen die bekannteste Anwendungsvariante in diesem Themenfeld dar.

Laut der Studie Charisma, die das Bundesministerium für Gesundheit gefördert hat, können die Gesundheitsapplikationen grundsätzlich als präventive Maßnahmen zur Förderung eines gesunden Lebensstils eingesetzt werden. In der Primärprävention dienen sie hauptsächlich zur Minimierung von Risikofaktoren für die Entstehung von Erkrankungen, zur Überwachung von gesundheitsbezogenen Aktivitäten oder zur Bereitstellung von entsprechenden Informationen (vgl. Rutz 2016: 116). In der Sekundär- oder Tertiärprävention gibt es Apps zur Dokumentation persönlicher Gesundheits- und Vitaldaten, mit Informationen zu Körpergewicht und Gesundheit und der Möglichkeit, den eigenen BMI und damit gegebenenfalls einhergehende Gesundheitsrisiken zu berechnen (vgl. ebd.). Viele Apps können die Nutzer an Impf- und Vorsorgetermine oder an die Medikamenteneinnahme erinnern (vgl. ebd.). Aber auch Gesundheitsapplikationen zur Analyse von Bewegung und damit zusammenhängenden körperbezogenen Daten können für Nutzer und Ärzte relevante Informationen generieren (z.B. Schrittzähler, verbrauchten Kalorien, bewegungsbezogene Herzfrequenz etc.) (vgl. ebd.).

Man darf auch nicht unerwähnt lassen, dass der Einsatz von Apps in allen gesundheitsbezogenen Bereichen neben den offenkundigen Chancen auch eine Reihe von Risiken birgt. Hier sei noch einmal der Unterschied bei der Datengewinnung und -verarbeitung zwischen der gesetzlichen (GKV) und der privaten Krankenversicherung (PKV) hervorgehoben. Da die Möglichkeiten der Erhebung, Verarbeitung und Nutzung personenbezogener Daten für die GKV gesetzlich sehr stark eingeschränkt sind, stellen sie kein Problem hinsichtlich einer Verletzung der Privatsphäre von Versicherten dar (vgl. Albrecht 2016: 31f.). Die GKV nutzten Apps vor allem im Rahmen von unterschiedlichen Bonusprogrammen und dürfen keinesfalls die Höhe der Beiträge vom Verhalten der Versicherten abhängig zu machen (z.B. von einem Sportler, der per App seine Daten über­mittelt, weniger zu verlangen als von einem Nicht­sportler) (vgl. ebd.: 32). Anders ist das bei PKV, die theoretisch die mit Hilfe von Apps erhobenen Daten zur Kalkulation risikoadäquater Prämien nutzen, neue Tarife entwickeln und auf die Person zuge­schnittene Preise verlangen können (vgl. ebd.). Obwohl dies aktuell noch nicht der Fall ist, gilt es, die Transparenz hinsichtlich folgender Aspekten zu verbessern: Welche Daten genau erhoben werden, wer auf sie zugreift und wie sie geschützt werden.

4. Vorhersagbarkeit

4.1 Vorhersagbarkeit bei G. Ritzer

Ein weiteres Organisationsprinzip der McDonaldisierung ist die Vorhersagbarkeit. Laut Ritzer, legen die Menschen in einer rationalisierten Gesellschaft einen besonderen Wert darauf, in nahezu jedem Umfeld und zu fast jedem Zeitpunkt zu wissen, was ihnen bevorsteht (vgl. Ritzer 2006: 133). Wo immer in der Welt man einen „Big Mac“ zu sich nimmt, kann man sich darauf verlassen, dass er in Geschmack und Größe ähnlich ist. Zu diesem Prinzip gehören unter anderem eine Vorliebe für Disziplin, Ordnung, Systematisierung, Formalisierung, Routine, Einheitlichkeit und methodisches Vorgehen (vgl. ebd.). Erreicht wird die Vorhersagbarkeit auf unterschiedlichen Wegen, zum Beispiel durch Schaffung vorhersagbarer Umfelder, die Erstellung von Vorschriften über den Umgang mit Kunden, die Erzeugung eines vorhersagbaren Verhaltens bei Mitarbeitern, die Schaffung vorhersagbarer Produkte und Verfahren sowie die Minimierung von Gefahren und Unannehmlichkeiten (vgl. ebd.: 134).

4.2 Predictive Analytics

Das Streben nach stärkerer Vorhersagbarkeit erstreckt sich nicht nur auf die Fastfoodbranche, sondern auch auf viele anderen Gesellschaftsbereiche. In der Welt der Bits und Bytes werden immer öfter die sogenannten Predictive Analytics eingesetzt. Diese Form der Analytics nutzt statistische Funktionen in einem oder mehreren Datensätzen, um Trends oder zukünftige Ereignisse vorherzusagen und wird mittlerweile in vielen Forschungsbereichen, einschließlich Wirtschaft, Sicherheit, Marketing und Meteorologie mit großem Erfolg eingesetzt (vgl. Mauerer 2015). Im Folgenden versuche ich anhand einiger Beispielen diese Methode etwas präziser zu erklären.

“If companies can identify pregnant shoppers, they can earn millions” (Duhigg 2012). Es steht außer Zweifel, dass werdende Eltern auf Grund ihrer zahlreichen Bedürfnisse eine wertvolle Kundengruppe bilden . Die Datenanalysten der amerikanischen Supermarktkette Target haben vor kurzem den Schwangerschafts-Vorhersage-Wert erfunden. Laut dem Artikel im New York Times Magazine benutzt die Firma 25 Produkte, um einen „Schwangerschafts-Score“ zu ermitteln (vgl. ebd.). Als wichtige Indizien dienen hier beispielsweise unparfümierte Körperlotion, Zink- und Magnesiumtabletten zur Nahrungsergänzung, eine Handtasche, die auch als Wickeltasche fungieren könnte etc. (vgl. ebd.). Da jeder Target-Kunde eine Guest ID Nummer hat, die mit seinen persönlichen Daten, wie beispielsweise Name, Anschrift, E-Mail, Kreditkartennummer etc. verknüpft ist, sind die Verfolgung des Kaufverhaltens und die darauf basierende zielgerichtete Werbung möglich (vgl. ebd.). Ein häufig zitierter Case ist es, als Target 2012 die Schwangerschaft einer amerikanischen Minderjährigen auf Basis der gekauften Produkte erkannte und zwar – noch bevor es ihr eigener Vater tat (vgl. ebd.). Das ist nur eins, aber wohl nicht das einzige Beispiel für das intime Wissen, das Handelsunternehmen heute über uns haben.

Das nächste Beispiel bezieht sich auf den Sicherheitsbereich. Predictive policing Software (vorhersagende Polizeiarbeit) verspricht es, anhand von Tatmustern der vergangenen Jahre die Wahrscheinlichkeit zu berechnen, mit der an bestimmten Orten oder in bestimmter Weise oder durch bestimmte Personen eine Straftat begangen wird (vgl. Mauerer 2015). Die deutsche Variante dieses Programms heißt PreCobs^[3] und wird bereits von einigen Polizeibehörden, teilweise im Rahmen zeitlich befristeter Pilotprojekten eingesetzt (vgl. IfmPt). Der Einsatz von Predictive Policing Software birgt aber neben den offenkundigen Chancen – Effektivitätssteigerung durch Präventionsmaßnahmen – auch eine Reihe von Risiken. Naiver Glaube an Konstanz und Vorhersagbarkeit menschlicher Verhaltensmuster sowie eine Vorverurteilung allein auf Basis von Computerprognosen sind meiner Meinung nach die wichtigsten davon. Beide können negative Konsequenzen mit sich bringen – insbesondere für die unbeteiligten Personen, die dadurch ins Kontrollraster geraten.

Es gibt unzählige Beispiele für Predictive Analytics. Grundsätzlich gilt: Wir leben heute in einer immer stärker vorhersagbaren Welt, woraus sich viele Möglichkeiten, aber gleichzeitig auch viele Risiken ergeben.

[...]

^[1] D. h. mit möglichst wenig Widerstand, ohne ungewollte Nebeneffekte.

^[2] Zwecks sprachlicher Vereinfachung wird im gesamten Text zumeist auf „innen“-Zusatz verzichtet.

^[3] Pre Crime Observation System.