Big Data und die gesellschaftlichen Folgen

Inhaltsverzeichnis

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Glossar

1 Einleitung
1.1 Problemstellung
1.2 Ziel dieser Arbeit
1.3 Aufbau der Arbeit

2 Konzeptionelle Grundlagen zu Big Data
2.1 Big Data
2.1.1 Definition und Akteure
2.1.2 Erwartungen und Ziele
2.2 Datenschutz - national und international

3 Big Data im gesellschaftlichen Diskurs
3.1 Datenschutzrechtliche Implikationen
3.2 Ethische und moralische Verantwortung
3.3 Interessenskonflikt zwischen Big-Data-Akteuren
3.4 Handlungsalternativen

4 Zusammenfassung

5 Reflexion und Ausblick
5.1 Grenzen von Big Data
5.2 Ausblick

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: 3-V-Modell 3

Glossar

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Problemstellung

Das Modul IMG40 (Informationsmanagement) impliziert neben dem Informationsmanagement im Unternehmen u. a. auch die beiden tangierenden Themenkomplexe Datenschutz sowie die gesellschaftliche Auswirkung der IT. Der zuletzt genannte Aspekt ist dabei Schwerpunkt dieser Arbeit. Im vorliegenden Assignment wird hierfür die Problemstellung ergründet, ob sich die positiven sowie negativen Implikationen in Wirtschaft und Gesellschaft, die sich aus dem Einsatz von Big Data ergeben, in Einklang bringen lassen können. Im Fokus steht dabei die Darstellung des Konfliktpotentials zwischen den Interessen der einzelnen Akteure dieser Technologie.^[1]

1.2 Ziel dieser Arbeit

Das primäre Ziel der Arbeit ergibt sich aus der vorgegebenen Aufgabenstellung und umfasst die Darlegung von Lösungsansätzen zur zuvor genannten Problemstellung. Parallel dazu soll sie einen Beitrag zur Sensibilisierung im Umgang mit dem abstrakten Thema Big Data leisten. Zu diesem Ziel hinarbeitend, wird u. a. konkret auf die Fragen zu moralischen und datenschutzrechtlichen Implikationen sowie den Akteuren von Big Data mit deren Verantwortungen und Interessen eingegangen. Auf Basis dieser Erörterungen soll das Arbeitsendergebnis gezielte Handlungsempfehlungen sowohl für Anwender als auch für Betroffene im Umgang mit Big Data aufzeigen. Abgrenzungskriterium der Arbeit ist die Darstellung der technischen Realisierung von Big Data.

1.3 Aufbau der Arbeit

Anknüpfend an die Einleitung im ersten Kapitel folgt die Erarbeitung der Grundlagen im zweiten Teil der Arbeit. In diesem ist zum einen die Erläuterung des Begriffs Big Data dargestellt, inklusive der hier beteiligten Akteure und deren Erwartungshaltungen. Zum anderen folgt darauf eine kurze Aufführung der gesetzlichen Rahmenbedingungen, in denen sich Big Data bewegen darf.

Auf den Grundlagen aufbauend, setzt sich Kapitel Fehler! Verweisquelle konnte nicht gefunden werden. mit der eingangs formulierten Problemstellung auseinander und bildet den Schwerpunkt der Arbeit. Der Fokus liegt hierbei auf den gesellschaftlichen Auswirkungen von Big Data. Daraus resultierend, werden abschließend Handlungsalternativen für die Akteure abgeleitet und erläutert.

In den beiden letzten Kapiteln dieses Assignment findet sowohl eine Zusammenfassung der Arbeit als auch eine Reflexion des Themas sowie des Arbeitsergebnisses statt.

2 Konzeptionelle Grundlagen zu Big Data

In diesem Kapitel wird primär ein einheitliches Verständnis für das zentrale Thema Big Data, mit dessen relevanten Merkmalen und beteiligten Akteuren sowie deren Erwartungshaltung, vermittelt. Ferner wird noch ein kurzer Einblick in die rechtlichen Bestimmungen gegeben, die bei Big Data vorrangig zur Anwendung kommen.

2.1 Big Data

2.1.1 Definition und Akteure

Offiziell wurde der Begriff Big Data erstmals bereits im Jahr 1998 in einem Vortrag von John R. Mashey^[2] verwendet. Von der Bitkom wurde Big Data erst Ende 2012 zu einem in Zukunft sehr einflussreichen IT-Trend deklariert.^[3] Der Begriff selbst ist nicht eindeutig definiert und abgrenzbar und verkommt zudem zunehmend zu einem Marketing-Begriff. Vornehmlich versteht man unter Big Data, die Erhebung, Verarbeitung und Verknüpfung großer Datenmengen, die heutzutage bereits im Zettabyte-Bereich^[4] liegen können, jedoch stetig weiter anwachsen.^[5] Dies ist zwar das entscheidende Kriterium dieser Technologie aber nicht das einzige. Im Wesentlichen lässt sich Big Data auf die drei markanten V’s - Volume, Velocity und Variety - eingrenzen, die auf einen Gartner-Forschungsbericht von 2001 zurückzuführen sind und in der nachfolgenden Abbildung in dieser Leseprobe nicht enthalten Abbildung 1: 3-V-Modell aufgeführt und kurz erläutert werden.^[6]

Abbildung in dieser Leseprobe nicht enthalten Abbildung 1 : 3-V-Modell ^[7]

Die Massenverarbeitung ist jedoch nur eine Seite der Medaille. Die zweite wird als Smart Data bezeichnet und baut auf Big Data auf. Hierbei liegt der Fokus auf der gezielten Analyse gesammelter Daten, sodass mittels Algorithmen bislang unbekannte Korrelationen und Informationen abgeleitet werden können.^[8] Beide Technologien beruhen dabei auf der Idee und den etablierten Methoden und Techniken des Data Warehousing und Data Mining.^[9] Die bei Big und Smart Data stattgefundene Vereinigung sowie die punktuellen Verbesserungen einzelner Ansätze ermöglichen es, große Datenmengen unterschiedlicher Art und Herkunft in Echtzeit auszuwerten und Prognosen sowie Entscheidungen zu treffen. Im nachfolgenden Text wird vorausgesetzt, dass Big Data die Bedeutung von Smart Data impliziert.

Mit der Marktreife von Smart-Home-Produkten, wie intelligente und vernetzte Haushaltsgeräte oder auch KI-Assistenten wie Google Home oder Amazon Echo werden private Daten im unmittelbaren Umfeld rund um die Uhr erhoben. Der größte Datensammler ist allerdings das eigene Smartphone im Zusammenspiel mit den darauf installierten Apps. Hier können von Kontakt- über Kalender- bis hin zu Standortdaten alles technisch Mögliche ausgelesen werden. Sogenannte Wearables, wie z.B. Fitnessarmbänder oder Smart-Watches, erheben wiederum gezielt biometrische und Vitaldaten seines Trägers.^[10] Aber auch Autos oder Flugzeuge generieren inzwischen riesige Datenmengen und leiten diese automatisch an deren Hersteller weiter. Neben den zweckmäßig erhobenen Daten lassen sich daraus aber auch unweigerlich Interessen, Bewegungsmuster oder Gewohnheiten ableiten. Auf die damit verbundenen Chancen und Risiken wird im Hauptkapitel Fehler! Verweisquelle konnte nicht gefunden werden. vertieft eingegangen.

Bei Big Data treten im Wesentlichen zwei Akteure auf. Auf der einen Seite den Big-Data-Anwender, der hauptsächlich ein Wirtschaftsunternehmen oder Forschungsinstitute ist und die zuvor genannten Geräte entwickelt oder dabei unterstützt hat. Auf der anderen Seite die Konsumenten von solchen datenproduzierenden Produkten und Dienstleistungen, als Betroffene. Als Intermediär zwischen diesen beiden Gruppen fungiert in europäischen Ländern der Gesetzgeber, der mittels Datenschutzvorschriften bestrebt ist, die beiden Interessenslager Vorteil zu vertreten.

2.1.2 Erwartungen und Ziele

Vor dem Einsatz von Big Data konnten Daten erst zur Nach- bzw. zur Vergangenheitsaufbereitung verwendet werden. Vor allem auf Grund leistungsfähiger Systeme und neuer Analysetechniken, wie z. B. Business oder Predective Analytics, sind die Einsatzmöglichkeiten der Informationsverarbeitung deutlich gestiegen. Dadurch lassen sich in der Zukunft liegende Ereignisse immer präziser prognostizieren.^[11]

Parallel dazu ist auch die Erwartungshaltung an Big Data gestiegen. Allgemein lässt sich hier zwischen Kosteneinsparungs- und Umsatzwachstumszielen unterscheiden. IT-Marktanalysten rechnen für das Jahr 2016 mit einem weltweiten Umsatz von 27,3 Milliarden US-Dollar, der mit Big-Data-Lösungen generiert wird. Bis 2026 soll sich dieser mehr als verdreifachen und bei 92,2 Milliarden US-Dollar liegen.^[12] Hohe Erwartungshaltungen existieren besonders bei der Personalisierung, die im Bereich Marketing, Vertrieb aber auch im medizinischen Umfeld, bspw. beim Einsatz von Medikamenten, eine entscheidende Rolle spielt. Einen nicht weniger hohen Stellenwert besitzt die Analyse von Social-Media-Daten, z. B. erwartet man von der Auswertung von Twitter Hashtags, allgemeine Stimmungsbilder frühzeitig erkennen zu können.

Laut Bitkom durchdringt Big Data inzwischen viele Branchen. Im Bereich Energie und Ökologie sind intelligente Zähler ein prominentes Praxisbeispiel dafür. Auf Basis von in Echtzeit ausgewerteten Daten, kann hier die Energieversorgung individuell und dadurch effizient gesteuert werden, was wiederum zur Entlastung der Netze und Reduzierung des Energieverbrauchs führt.^[13] Auch im Gesundheitswesen ist das erwartete Potenzial von Big Data sehr groß. Sowohl auf globaler Ebene, z. B. zur Erkennung und Erforschung von Epidemien oder seltenen Krankheiten als auch auf nationaler Sicht, z. B. bei der Erforschung von Volkskrankheiten, werten Big-Data-Lösungen all diese unterschiedlichen Daten aus.^[14] Bekannte Projekte sind dafür u.a. das Malaria Atlas Project zur Visualisierung der Malaria-Verbreitung oder das Krebsgenomprojekt.^[15] Auch im Bereich Mobilität werden große Datenmengen über die, in modernen Verkehrsmitteln verbauten, Sensoren erfasst. Dessen Auswertung dient einerseits der Erhöhung der Sicherheit und andererseits der Verbesserung der autonomen Fortbewegung des Verkehrsmittels.^[16]

Identisch verhält es sich auch im Bereich der öffentlichen Sicherheit, bei dem Big Data durch Auswertung polizeilich erfasster Akten sowie gespeicherter Internet- und Telefonkommunikationsdaten zur Identifizierung potentieller Terroristen eine entscheidende Rolle spielt.

Die genannten Beispiele zeigen auf, dass Daten mittlerweile als vierter Produktionsfaktor neben Arbeit, Kapital und Rohstoffen genannt werden.^[17]

2.2 Datenschutz - national und international

In Deutschland beinhaltet das Bundesdatenschutzgesetzt, kurz BDSG, alle rechtlichen Regelungen zum Thema Datenschutz. Dabei wird gemäß § 1 des BDSG festgelegt, dass bei jeglicher Verarbeitung personenbezogener Daten in Deutschland deutsches Datenschutzrecht gilt. Des Weiteren garantiert es das Recht auf informationelle Selbstbestimmung und regelt somit, dass der Mensch Subjekt und nicht Objekt einer Informationsgesellschaft wird. Abgleitet ist diese Selbstbestimmung u. a. aus dem § 3 des BDSG sowie der Garantie der Menschenwürde (Artikel 1 GG) und dem allgemeinen Persönlichkeitsrecht (Artikel 2 Absatz 1 GG).^[18]

Neben diesen Grundsätzen ist für die Big-Data-Thematik insbesondere der § 3a des BDSG von Relevanz, der zur Datensparsamkeit und -vermeidung verpflichtet.^[19] Damit ist die vereinbarte bzw. rein zweckorientierte Erhebung, Verarbeitung und Nutzung personenbezogener Daten gemeint. Für die Kontrolle und Einhaltung dieser vorhandenen Gesetzmäßigkeiten ist in Deutschland der sogenannte Bundesdatenschutzbeauftragte, respektive die einzelnen Datenschutzbeauftragten in den Unternehmen, verantwortlich.

Die EU und speziell Deutschland nehmen in Sachen Datenschutz weltweit eine Vorreiterrolle ein. Außerhalb der EU gibt es entweder keine gesetzlichen Datenschutzregelungen oder nur unverbindliche Empfehlungen, wie z. B. in den USA, wo für dessen Umsetzung die informationsverarbeitende Stelle verantwortlich ist.^[20] Für den in einer globalisierten Welt essenziellen grenzüberschreitenden Datentransfer, hat die EU mit vielen Staaten bilaterale Datenschutzabkommen geschlossen. Ohne ein solches Übereinkommen ist eine Datenverarbeitung eines europäischen Bürgers in einem Nicht-EU-Staat nicht zulässig. Das bekannteste Datenschutzabkommen ist das im Jahr 2016 neu beschlossene EU-US Privacy Shield.^[21]

3 Big Data im gesellschaftlichen Diskurs

Inhalt dieses Kapitels ist die Darstellung der gesellschaftlichen Auswirkung von Big Data. Im Mittelpunkt steht dabei sowohl der Interessenskonflikt mit der einhergehenden Verantwortung der Big-Data-Akteure, als auch die Herausarbeitung daraus resultierender Handlungsempfehlungen. Die im nachfolgenden Text genannten Datenschutzrechte beschränken sich auf Deutschland bzw. das BDSG, da eine internationale Betrachtung für dieses Assignment zu umfangreich wäre.

3.1 Datenschutzrechtliche Implikationen

Implikationen für das Datenschutzrecht treten ausschließlich bei der Erhebung, Verarbeitung und Nutzung personenbezogener Daten auf, da dies zur Einschränkung des im Kapitel Fehler! Verweisquelle konnte nicht gefunden werden. beschriebenen und garantierten Rechts auf informationelle Selbstbestimmung führen kann. Dies bedeutet auch, dass Daten in statistischer, kumulierter oder anonymisierter Form, die keinen Personenbezug besitzen, keiner Datenschutzregelung unterliegen.^[22] Da bei Massendatenerhebungen die Datenquellen nicht immer eindeutig definiert und abgrenzbar sind und somit jegliche Art von Daten betroffen sein kann, bewegt sich Big Data stets in einer rechtlichen Grauzone. Ein Grundsatzurteil hinsichtlich den Themen Massendatenerhebung und informationelle Selbstbestimmung, welches sich inzwischen auch auf die aktuelle Big-Data-Problematik anwenden lässt, fällte das Bundesverfassungsgericht bereits 1983. Damals im Zusammenhang mit der schon seit vielen Jahren regelmäßig durchgeführten Volkszählung.^[23] Darin heißt es in der Urteilsbegründung u. a.: „Ist die Vielfalt der Verwendungsmöglichkeiten und Verknüpfungsmöglichkeiten damit bei der Statistik von der Natur der Sache her nicht im Voraus bestimmbar, müssen der Informationserhebung und Informationsverarbeitung innerhalb des Informationssystems zum Ausgleich entsprechende Schranken gegenüberstehen.“^[24] Dadurch werden Personen grundsätzlich vor willkürlicher Massendatenerhebung gesetzlich geschützt. Dabei ist unerheblich, ob diese von amtlicher oder wirtschaftlicher Seite oder für Forschungszwecke durchgeführt werden. Eine datenschutzrechtliche negative Implikation ist auch die Folge der stets komplexer und somit intransparenter werdenden Algorithmen. Diese ermöglichen es, Informationen von Personen zu gewinnen, die diese nie preisgegeben haben bzw. auch nie wollten. Diese Intransparenz schränkt auch wiederum das informationelle Selbstbestimmungsrecht, speziell das Auskunftsrecht, ein.^[25]

Der größte Widerspruch zwischen dem Einsatz von Big Data und dem BDSG existiert beim Grundsatz der Datenvermeidung und -sparsamkeit. Dieser Konflikt ist dem Prinzip von Big Data geschuldet: je größer die auszuwertende Menge an Daten ist, desto höher die Wahrscheinlichkeit zur Erkennung von Korrelationen. Diese aufgedeckten Zusammenhänge sind das Ziel und der eigentliche Mehrwert von Big Data. Die Zweckbestimmung, die zur Datenverarbeitung rechtlich notwendig ist, kann dadurch umgangen werden.

3.2 Ethische und moralische Verantwortung

Big Data ist, wie jede andere Technologie auch, ethisch neutral. Sowohl die ethische als auch die moralische Verantwortung ergibt sich dabei erst aus den beiden möglichen Anwendungsszenarien. Dies ist zum einen die Sammlung und Verarbeitung von großen Datenmengen zur Analyse einer einzelnen Person und zum anderen zur Analyse von Personengruppen, d.h. ohne konkreten Personenbezug.^[26] Trotz der unterschiedlichen Herangehensweise, zielen beide Ansatzpunkte jedoch auf die Erkennung von Verhaltensmustern sowie Trends ab. Obwohl die hier resultierenden Analyseergebnisse nur Prognosen mit unterschiedlich hohen Eintrittswahrscheinlichkeiten sind und keine Garantien darstellen, werden auf dessen Basis reale und z. T. tiefgreifende Entscheidungen getroffen. Gegenüber der Ethik überwiegen hier die wirtschaftlichen Interessen und der damit verbundene Mehrwert der Technologie. Aus diesem Grund rückt die moralische Verantwortung und damit die datenschutzrechtliche Komponente bei Big-Data-Lösungen zu oft zu schnell in den Hintergrund. Ohne die Kontrolle und Einhaltung gesetzlicher Rahmenbedingungen, können durch analysierte Muster positive und negative Verhaltensweisen entwickelt werden. Deren Akzeptanz würde im Worst Case einer unbewussten Gleichschaltung der öffentlichen Meinung nahekommen, was wiederum zur Einschränkung der persönlichen Entscheidungsfreiheit führen kann. Dieses moralische Bewusstsein ist der Grundstein, um die Ethik auch im IT-Umfeld stärker in den Fokus zu rücken. Auch wenn die hier geschilderte Kausalkette ein Worst-Case-Szenario darstellt, sollte der Datenschutz ein essenzieller Bestandteil der Überlegungen, sowohl bei der Einführung als auch beim Betrieb von Big-Data-Lösungen sein.

Dass das Thema einer verantwortungsvollen Datennutzung durch Big Data nicht mehr nur in Fachkreisen, sondern inzwischen auch in breiten Teilen der Wirtschaft angekommen ist und dort einen zunehmenden Stellenwert einnimmt, zeigte bereits die CeBIT 2014. Das damalige Leitthema dieser weltweit einflussreichen IT-Messe war Datability. Eine Wortkreation aus dem zentralen Begriff Big Data sowie ability, sustainability und responsibility.^[27] Den maßgeblichen Anstoß zu diesem öffentlichen Diskurs sowie zur Sensibilisierung im Umgang mit persönlichen Daten, gaben die von Edward Snowden im Jahr 2013 enthüllten Praktiken zur massenhaften Überwachung durch den US-Geheimdienstes NSA.^[28] Aus ethischer und moralischer Sicht wurde hier ein Negativbeispiel offengelegt, welches die schlimmsten Erwartungen im Zusammenhang mit der Big-Data-Nutzung wahr werden ließen. Dadurch entstand ein negativ behaftetes Bild dieser Technologie und aufgrund des Bewusstseins, dass jeder davon betroffen sein kann, auch ein generelles Misstrauen in diese. Dies verdeutlicht auch eine im Januar 2016 vom Vodafone Institut für Gesellschaft und Kommunikation herausgegebene europäische Studie, bei der knapp über die Hälfte (51 Prozent) der Befragten mehr Nach- als Vorteile in Big Data sehen und bei sogar nur 32 Prozent der Befragten die Vorteile dieser Technologie überwiegen.^[29]

3.3 Interessenskonflikt zwischen Big-Data-Akteuren

Denen im Grundlagenkapitel beschriebenen positiven Erwartungen an Big Data stehen auf der anderen Seite auch Bedenken der Big-Data-Betroffenen gegenüber. Viele attraktive und nützliche Services im World Wide Web sind unentgeltlich. Den Preis den man dafür zahlt, sind die bei der Nutzung erhobenen personenbezogenen Daten. Stefan Groß-Selbeck, ehemaliger CEO von XING, prägte dafür die Bezeichnung „Öl des 21. Jahrhunderts“.^[30] Die Werthaltigkeit dieses Gut ist der Grund für die vollkommen konträren Interessenslagen im Umgang mit Big Data. Dies spiegelt sich insbesondere bei Daten aus sozialen Netzwerken, wie z. B. Facebook, wieder. Was für die Betreiber von solchen Diensten einen monetären Mehrwert darstellt, bedeutet für die Konsumenten einen Eingriff in ihre Privatsphäre. Mittels Auswertung von verwendeten Hashtags, gesetzten Likes oder geteilten Beiträgen und Artikeln aus sozialen Netzwerken, können automatisiert auch Prognosen zu Eigenschaften einer Personen getroffen werden, die diese nie direkt preisgegeben hat. Dies können u. a. politische oder religiöse Ansichten aber auch Lebensgewohnheiten, wie Hobbys oder der Konsum spezieller Produkte sein, die dann zu einem späteren Zeitpunkt zur Diskriminierung führen kann. Dies gilt auch für datenverantwortungsbewussten Personen, bei denen Prognosen durch Verknüpfung zahlreicher Daten und Annahme von Durchschnittswerten treffen lassen.

Ähnliche Auswertungen können u. a. auch mit GPS-Daten von Smartphones oder Autos sowie Meta-Daten von E-Mails durchgeführt werden.^[31] Hiermit lassen sich individuelle Bewegungs-, Gewohnheitsprofile sowie Beziehungsnetzwerke erstellen, die für den Betroffenen auf der einen Seite sehr schützenwerte und für die leistungsanbietenden Unternehmen auf der anderen Seite sehr wertvolle Informationen darstellen. Ein weiteres konfliktreiches Beispiel ist das Thema Totalüberwachung durch Sicherheitsbehörden, wie es momentan von Geheimdiensten einflussreicher Länder bereits praktiziert wird. Dabei steht der Schutz der öffentlichen Ordnung und inneren Sicherheit im Konflikt mit dem Schutz der Privatsphäre. Durch große Datenmengen an digitalem Videomaterial und der Möglichkeit dieses automatisiert durch Erkennungs-Software auszuwerten, ist Big Brother inzwischen omnipräsent. Ein Paradebeispiel für totale Überwachung, bei der riesige Datenmengen erhoben werden, ist die Stadt London.

3.4 Handlungsalternativen

Anknüpfend an die zuvor beschriebene ethische Verantwortung sowie die Erwartungen, die mit Big-Data-Lösungen verbunden sind, lassen sich in verschiedenen Bereichen unterschiedliche Handlungsalternativen ableiten. Hierbei steht für Unternehmen die Wertschöpfung sowie Wettbewerbsfähigkeit, für Behörden die innere Sicherheit und für Big-Data-Betroffene der Schutz der Privatsphäre im Mittelpunkt. Um diese oft konträren Aspekte in Einklang zu bringen, muss vor allem die in der Gesellschaft vorherrschende Skepsis abgebaut bzw. Akzeptanz für Big Data geschaffen werden. Dies kann zum einen über gesetzliche Bestimmungen, zum anderen durch freiwillige Verpflichtungen, bspw. in Form eines Verhaltenskodex für die Akteure, erfolgen. Diese Maßnahmen sollten eine Kompromisslösung, zwischen einem pauschalem Verbot und einer generellen Einverständniserklärung personenbezogener Datenverarbeitung, darstellen.^[32] Eine konkrete Handlungsempfehlung für Anwender, zur Schaffung von mehr Transparenz, wäre dabei eine bessere Kommunikationspolitik im Umgang mit auszuwertenden Daten. Bzw. eine Verpflichtung zur Offenlegung der eingesetzten Verarbeitungspraktiken sowie den konkreten Verwendungszweck gesammelter Daten, sodass die Betroffenen bestmöglich über einen möglichst respektvollen Umgang mit ihren Daten informiert sind. Dabei sollten sie ausnahmslos das Recht zugesprochen bekommen, eine unaufgeforderte Mitteilung bei der bewussten oder unbewussten Auswertung ihrer persönlichen Daten zu erhalten. Anschließend könnte dann der Datennutzung grundsätzlich widersprochen werden.

[...]

^[1] Vgl. Siebert, S. (2016)

^[2] Vgl. Mashey, J.R. (1998), S. 1

^[3] Vgl. Bitkom 1 (2012)

^[4] 1 Zettabyte = 1 Millarde Terrabyte = 1 Billionen Gigabyte

^[5] Vgl. Heuer, S. (2013), S. 6

^[6] Vgl. Laney, D. (2001), S. 2f.

^[7] Eigene Darstellung

^[8] Vgl. Bloching, B./Luck L./Ramge, T. (2015), S. 10

^[9] Vgl. Heuberger-Götsch, O./Burkhalter, T. (2014), S. 485

^[10] Vgl. Roßnagel, A./Nebel, M. (2015), S. 455

^[11] Vgl. Brücher, C. (2013), S. 72f.

^[12] Vgl. Finos, R. (2016)

^[13] Vgl. Roßnagel, A./Nebel, M. (2015), S. 456

^[14] Vgl. Krüger-Brand, H. (2015), S. A-1026

^[15] Vgl. Hamberger, B. (2016)

^[16] Vgl. Roßnagel, A./Nebel, M. (2015), S. 455

^[17] Vgl. Bitkom 2 (2012), S. 34

^[18] Vgl. Dix, A. (2016), S. 59

^[19] Vgl. Dix, A. (2016), S. 60

^[20] Vgl. Stelzer, A (2015)., S. 3

^[21] Vgl. Europäische Kommision (2016)

^[22] Vgl. Roßnagel, A./Nebel, M. (2015), S. 458

^[23] Vgl. Sädtler, S. (2015), S. 80

^[24] BVerfG (1983), II. 2. bb), 65, 1, 48

^[25] Vgl. Dix, A. (2016), S. 61

^[26] Vgl. Roßnagel, A./Nebel, M. (2015), S. 456

^[27] Vgl. CeBIT 2014

^[28] Vgl. Stelzer, A (2015)., S. 3

^[29] Vgl. Vodafone Institut für Gesellschaft und Kommunikation (2016), S. 22

^[30] Vgl. Polwin-Plass, L. (2014)

^[31] Vgl. Roßnagel, A./Nebel, M. (2015), S. 456

^[32] Vgl. Heilmann, D./Liegl, T. (2013), S. 11