Daten und Macht - ein Essay mit Claude
Aus Wiki1
Das vorliegende Essay wurde mit Unterstützung von Claude auf Grundlage des Artikels Daten und Macht erstellt.
Aufwand für Vorbereitung, Prompting und Nachbereitung (ohne Prüfung der Quellen!) ca. 1,5 h.
Vorarbeiten durch Lesen, Schreiben des Basisartikels, Internetrecherchen und Nachdenken ca, 8 Jahre.
Datenhoheit bedeutet Macht durch Informationsdifferenz
Ein Essay zur Politischen Ökonomie der digitalen Datensammlung
I. Einleitung: Ein Skandal und seine Bedeutung
Im März 2018 erschütterte ein Datenskandal das Vertrauen der Öffentlichkeit in die großen Plattformkonzerne nachhaltig. Wie Guardian und New York Times am 17. März 2018 gemeinsam enthüllten, hatte die britische Datenanalysefirma Cambridge Analytica durch eine Psychotest-App auf Facebook die Daten von bis zu 87 Millionen Nutzerinnen und Nutzern abgeschöpft – ohne deren Wissen und Zustimmung.
- Cadwalladr, C. / Graham-Harrison, E.: Revealed: 50 million Facebook profiles harvested for Cambridge Analytica in major data breach. In: The Guardian, 17. März 2018. Online: https://www.theguardian.com/news/2018/mar/17/cambridge-analytica-facebook-influence-us-election [abgerufen am 21.02.2026].
Ermöglicht wurde dies durch die damalige API-Architektur von Facebook, die es Drittanbietern erlaubte, nicht nur Daten der eigentlichen App-Nutzer, sondern auch aller ihrer Freunde zu erheben.
- Rosenberg, M. / Confessore, N. / Cadwalladr, C.: How Trump Consultants Exploited the Facebook Data of Millions. In: The New York Times, 17. März 2018. Online: https://www.nytimes.com/2018/03/17/us/politics/cambridge-analytica-trump-campaign.html [abgerufen am 21.02.2026].
Diese Daten soll Cambridge Analytica genutzt haben, um psychografische Profile zu erstellen und damit die Wahlkampagne von Donald Trump sowie das Brexit-Referendum zu unterstützen.
Die öffentliche Empörung war groß, die Erklärungen diffus. In den Medien kursierten vage Formulierungen über „Datenschutz" und „informationelle Selbstbestimmung", die jedoch den eigentlichen Kern des Problems verfehlten. Dieser Essay argumentiert, dass der Cambridge-Analytica-Skandal nur ein Symptom eines tieferliegenden strukturellen Problems ist: der systematischen Konzentration von Informationsmacht in den Händen weniger Akteure. Die Kernthese lautet: Datenhoheit bedeutet Macht – nicht weil Daten als solche wertvoll sind, sondern weil der exklusive Zugang zu Daten Informationsdifferenzen erzeugt, und diese Differenzen strukturelle Vorteile in wirtschaftlichen, politischen und gesellschaftlichen Auseinandersetzungen begründen.
II. Das ökonomische Fundament: Informationsasymmetrie als Machtquelle
Die Idee, dass Informationsvorteile wirtschaftliche Macht begründen, ist nicht neu. Der Wirtschaftsnobelpreis des Jahres 2001 wurde an George Akerlof, Michael Spence und Joseph Stiglitz verliehen – für ihre Analysen von Märkten unter asymmetrischer Informationsverteilung.
- Königlich-Schwedische Akademie der Wissenschaften: The Prize in Economic Sciences 2001. Pressemitteilung vom 10. Oktober 2001. Online: https://www.nobelprize.org/prizes/economic-sciences/2001/press-release/ [abgerufen am 21.02.2026].
Akerlofs berühmtes Modell des „Gebrauchtwagenmarkts" zeigte, dass ein Informationsvorsprung einer Marktseite – hier: Verkäufer wissen mehr über den tatsächlichen Zustand eines Fahrzeugs als Käufer – zu systematischen Marktverzerrungen, Qualitätsverfall und letztlich zu Marktversagen führen kann.
Was im analogen Gebrauchtwagenmarkt eine theoretische Anomalie war, ist in der Plattformökonomie des digitalen Zeitalters zur strategischen Grundlage großer Konzerngeschäftsmodelle geworden. Das Gabler Wirtschaftslexikon fasst zusammen, dass Informationsasymmetrien in ökonomischen Vertragsmodellen zu opportunistisch ausbeutbaren Verhaltensspielräumen von Transaktionspartnern führen.
- Lackes, R. / Siepermann, M.: Informationsasymmetrie. In: Gabler Wirtschaftslexikon. Springer Gabler, Wiesbaden. Online: https://wirtschaftslexikon.gabler.de/definition/informationsasymmetrie-41332 [abgerufen am 21.02.2026].
Genau diese Spielräume werden von Plattformkonzernen systematisch ausgeschöpft.
Der Fall Amazon veranschaulicht diesen Mechanismus exemplarisch. Als Marktplatz und Eigenhändler zugleich verfügt Amazon über einen vollständigen Einblick in alle Transaktionsdaten seiner Plattform: Welche Produkte sich gut verkaufen, zu welchen Preisen, in welchen Regionen und zu welchen Tageszeiten. Den auf der Plattform handelnden Drittanbietern stehen diese Daten hingegen nicht zur Verfügung, auch wenn sie durch ihre eigenen Verkäufe maßgeblich zur Entstehung dieser Daten beigetragen haben. Laut einer Studie des Instituts der deutschen Wirtschaft (IW) im Auftrag des Mittelstandsverbunds ZGV hat Amazon damit strukturelle Vorteile für eigene Produkte auf dem eigenen Marktplatz geschaffen.
- Institut der deutschen Wirtschaft (IW) / Mittelstandsverbund ZGV (Hrsg.): Doppelte Marktmacht: Amazon als Händler und Marktplatzbetreiber. Köln 2021. Online: https://www.mittelstandsverbund.de/media/docs/Studie-IW-Koeln-Doppelte-Marktmacht-Amazon.pdf [abgerufen am 21.02.2026].
Den Sachverhalt brachte Lobbycontrol auf den Punkt: Amazon sei nicht nur auf dem Markt aktiv, es sei der Markt selbst.
- LobbyControl e.V.: Amazons Macht – und wie wir sie begrenzen können. Köln 2020. Online: https://www.lobbycontrol.de/wp-content/uploads/2020/09/LobbyControl-Bericht-Amazon-Macht.pdf [abgerufen am 21.02.2026].
Dieser Befund wird durch wettbewerbswissenschaftliche Analysen untermauert, die zeigen, dass Informationsasymmetrien stets einen gewissen Grad an Marktmacht gegenüber dem Ideal vollständigen Wettbewerbs erzeugen.
- Monopolkommission: Wettbewerb 2020. XXIII. Hauptgutachten der Monopolkommission. Bonn/Baden-Baden 2020, S. 37–52.
Die Plattformkonzerne haben diesen Zusammenhang verinnerlicht und nutzen ihn mit großem Erfolg.
III. Vom ökonomischen zum politischen Machtinstrument
Die aus Datenakkumulation gewonnene Macht beschränkt sich jedoch nicht auf wirtschaftliche Vorteile. Der Cambridge-Analytica-Skandal demonstrierte – wenn auch in seiner tatsächlichen Wirksamkeit wissenschaftlich umstrittener Form –, wie Datensätze über individuelles Verhalten, Vorlieben und psychologische Dispositionen politisch instrumentalisiert werden können. Cambridge Analytica hatte den Anspruch erhoben, auf Basis der gesammelten Facebook-Daten psychografische Profile von 220 Millionen US-Bürgerinnen und -Bürgern erstellt zu haben, um gezielte Wahlbotschaften zu versenden.
- Wylie, C.: Mindf*ck: Cambridge Analytica and the Plot to Break America. Random House, New York 2019, S. 152–178.
Ob und in welchem Ausmaß diese Methoden des sogenannten Microtargetings tatsächlich Wahlergebnisse beeinflussten, ist wissenschaftlich strittig. Kritiker bezweifelten die Erklärungskraft des verwendeten OCEAN-Persönlichkeitsmodells mit lediglich fünf Dimensionen.
- Lenz, G. / Simonovic, A.: Cambridge Analytica's Facebook data didn't give Trump the election – and here's why. In: The Conversation, 30. März 2018. Online: https://theconversation.com/cambridge-analyticas-facebook-data-didnt-give-trump-the-election-and-heres-why-93848 [abgerufen am 21.02.2026].
Auch Cambridge Analytica selbst bestritt später, die erhobenen GSR-Daten im US-Wahlkampf eingesetzt zu haben.
- Granville, K.: Facebook and Cambridge Analytica: What You Need to Know as Fallout Widens. In: The New York Times, 19. März 2018. Online: https://www.nytimes.com/2018/03/19/technology/facebook-cambridge-analytica-explained.html [abgerufen am 21.02.2026].
Dies schmälert jedoch nicht die prinzipielle Gefahr: Die Infrastruktur für gezielte politische Beeinflussung auf Basis massenhafter Personendaten existiert und wird weiterentwickelt.
Noch weitreichender ist das Beispiel des chinesischen Sozialkreditsystems. Seit dem Beschluss des chinesischen Staatsrats vom 14. Juni 2014, ein nationales Sozialkreditsystem aufzubauen, werden Verhaltensdaten aus Behörden, Banken, sozialen Netzwerken und physischen Überwachungssystemen zusammengeführt.
- Staatsrat der Volksrepublik China: Planungsentwurf für den Aufbau eines sozialen Kreditsystems (2014–2020), Beschluss Nr. 21, 14. Juni 2014. Übersetzung: China Law Translate. Online: https://www.chinalawtranslate.com/planning-outline-for-the-construction-of-a-social-credit-system-2014-2020/ [abgerufen am 21.02.2026].
Das resultierende System erlaubt es dem Staat, Bewährungen und Sanktionen – von Einschränkungen beim Kauf von Flug- und Bahntickets bis zur Bevorzugung bei Behördengängen – direkt an das erfasste Verhalten der Bürgerinnen und Bürger zu koppeln. Allein 2018 wurden auf dieser Grundlage der Kauf von 17,5 Millionen Flugtickets und 5,5 Millionen Zugfahrscheinen verweigert.
- National Development and Reform Commission (NDRC) der VR China: 2018 Report on the Work of Credit System Construction (inoffizielle Übersetzung). Peking 2019.
Hierbei ist methodische Sorgfalt geboten: Westliche Berichterstattung neigt zur dramatisierenden Vereinfachung. Forschungsarbeiten weisen darauf hin, dass das chinesische Sozialkreditsystem primär wirtschafts- und verwaltungspolitische Ziele verfolgt und keineswegs so einheitlich und vollständig implementiert ist, wie oft dargestellt.
- Meissner, M.: China's Social Credit System. A big-data enabled approach to market regulation with broad implications for doing business in China. Mercator Institute for China Studies (MERICS), Berlin 2017. Online: https://merics.org/sites/default/files/2020-04/171115_MERICS-China-Monitor_39_Social-Credit-System_low.pdf [abgerufen am 21.02.2026].
Dennoch bleibt das strukturelle Argument beständig: Wo ein Akteur – sei es ein Staat oder ein Konzern – lückenlose Informationen über andere akkumuliert, entsteht ein Machtgefälle von völlig neuer Qualität.
IV. Der Wert der Daten entsteht durch Konzentration
Ein zentraler, oft missverstandener Aspekt der Datenmacht ist, dass einzelne Datenpunkte für sich genommen nahezu wertlos sind. Der Wert entsteht erst durch die Aggregation und statistische Auswertung enormer Datenmengen. Informationen darüber, dass eine bestimmte Person um 14:32 Uhr eine Suchanfrage gestellt hat, sagen wenig aus. Millionen solcher Datenpunkte, über viele Personen und über lange Zeiträume erhoben, ermöglichen präzise Vorhersagen über zukünftiges Verhalten, Kaufentscheidungen und politische Präferenzen. Shoshana Zuboff beschreibt diesen Prozess als Kern des „Überwachungskapitalismus": Die Verhaltensdaten der Nutzer werden als kostenloser Rohstoff extrahiert, durch maschinelles Lernen veredelt und als Vorhersageprodukte an werbetreibende Kunden verkauft.
- Zuboff, S.: Das Zeitalter des Überwachungskapitalismus. Campus Verlag, Frankfurt/New York 2018, S. 93–127.
Dieser Mechanismus erklärt auch, warum Datenschutzmaßnahmen auf individueller Ebene strukturell wirkungslos bleiben. Wer einzelne Datenpunkte schützt, ändert nichts an der Machtasymmetrie, solange Konzerne und Staaten weiterhin auf Milliardenmengen anderer Datenpunkte zugreifen können. Datenschutz ist damit, wie der Ursprungstext treffend formuliert, nicht das eigentliche Gegenmittel. Entscheidend wäre stattdessen Transparenz: Informationen, die allen zur Verfügung stehen, begründen keine exklusiven Machtvorteile.
Dabei schützt die bestehende Rechtsordnung die akkumulierten Datenschätze der Konzerne aktiv. Urheberrechte, Betriebsgeheimnisse und Eigentumsrechte an Datenbanken verhindern, dass die gemeinsam erzeugten Daten wieder zur Allgemeinheit zurückfließen. Die Bundeszentrale für politische Bildung fasst das Dilemma zusammen: Daten werden zunehmend als wirtschaftliches Gut behandelt, obwohl sie kollektiv erzeugt und einseitig angeeignet werden.
- Bundeszentrale für politische Bildung (bpb): Datenmacht und Datenwirtschaft. In: Aus Politik und Zeitgeschichte (APuZ), Ausgabe 24–26/2019. Bonn 2019. Online: https://www.bpb.de/apuz/292783/datenmacht-und-datenwirtschaft [abgerufen am 21.02.2026].
V. Kritische Würdigung: Grenzen und Gegenargumente
Die vorgetragene Argumentation ist nicht ohne Einwände. Drei Gegenargumente verdienen ernsthafte Beachtung.
Erstens lässt sich einwenden, dass der Markt selbst Korrekturen herbeiführt. Neue Wettbewerber können mit alternativen Geschäftsmodellen entstehen, die weniger auf Datenextraktion setzen. Die Europäische Union hat mit dem Digital Markets Act (DMA) und der Datenschutz-Grundverordnung (DSGVO) Instrumente geschaffen, die Marktmacht durch Informationsvorsprung begrenzen sollen.
- Europäisches Parlament / Rat der Europäischen Union: Verordnung (EU) 2022/1925 über bestreitbare und faire Märkte im digitalen Sektor (Gesetz über digitale Märkte, DMA), 14. September 2022. In: Amtsblatt der Europäischen Union, L 265/1.
Dem ist zu entgegnen, dass regulatorische Eingriffe bislang strukturelle Informationsasymmetrien nicht beseitigt haben; die Marktkonzentration bei Suchmaschinen, sozialen Netzwerken und Cloud-Diensten hat sich trotz DSGVO weiter verstärkt.
Zweitens kann man argumentieren, dass Nutzerinnen und Nutzer freiwillig in den Datentausch einwilligen und dafür kostenlose Dienste erhalten – ein fairer Tausch also. Dieses Argument unterschätzt jedoch die strukturelle Ungleichheit zwischen den Parteien: Wer nicht weiß, welche Informationen er preisgibt, welchen Wert diese haben und wie sie verwendet werden, kann keine informierte Entscheidung treffen. Der Gesundheitsökonom Alain Enthoven bezeichnete diesen Zustand als „informed consent without informed understanding".
- Enthoven, A.: Consumer-choice health plan. In: New England Journal of Medicine, 298 (1978), S. 650–658.
Drittens wird bisweilen behauptet, dass personalisierte Dienste und zielgenaue Informationsversorgung gesellschaftliche Vorteile bringen, die die Risiken überwiegen. Dieser Einwand ist nicht von der Hand zu weisen: Medizinische Forschung, Klimamodellierung und Verkehrsoptimierung profitieren von großen Datenmengen erheblich. Der entscheidende Unterschied liegt jedoch in der Verfügungsstruktur: Daten, die im Dienst des Allgemeinwohls erhoben und ausgewertet werden, müssen auch allen zugutekommen – nicht als exklusives Eigentum weniger Konzerne.
VI. KI als Katalysator der Informationskonzentration
Die Entwicklung großer KI-Sprachmodelle (Large Language Models, LLMs) hat die beschriebene Dynamik qualitativ verändert und verschärft. Modelle wie GPT, Gemini oder Claude wurden auf enormen Mengen urheberrechtlich geschützter Texte, künstlerischer Werke und journalistischer Inhalte trainiert – ohne Einwilligung und ohne Vergütung der ursprünglichen Urheber.
- Grynbaum, M. / Mac, R.: The Times Sues OpenAI and Microsoft Over A.I. Use of Copyrighted Work. In: The New York Times, 27. Dezember 2023. Online: https://www.nytimes.com/2023/12/27/business/media/new-york-times-open-ai-microsoft-lawsuit.html [abgerufen am 21.02.2026].
Gleichzeitig schützen dieselben Konzerne ihre Modelle und deren Gewichte mit allen rechtlichen Mitteln vor dem Zugriff Dritter.
Dies stellt eine neue Dimension der Informationsenteignung dar: Nicht nur Verhaltensdaten der Nutzer werden extrahiert, sondern das kollektive Wissen und die kreative Leistung ganzer Gesellschaften wird zu privatem Kapital umgewandelt. Während frühere Formen der Datenakkumulation zumindest noch beobachtbare Datenspuren hinterließen, sind die in KI-Modellen verdichteten Wissensextraktionen für externe Beobachter weitgehend intransparent. Die Bundesregierung hat dieses Problem erkannt, setzt jedoch bislang primär auf Förderung nationaler KI-Kapazitäten statt auf strukturelle Regulierung der Datenbasis.
- Bundesministerium für Wirtschaft und Klimaschutz (BMWK): Nationale KI-Strategie 2020. Berlin 2020. Online: https://www.ki-strategie-deutschland.de [abgerufen am 21.02.2026].
VII. Fazit: Datenhoheit bedeutet Macht durch Informationsdifferenz
Die vorliegende Argumentation hat gezeigt, dass die Konzentration von Datenmacht kein technisches, sondern ein politisch-ökonomisches Problem ist. Folgende Kernpunkte lassen sich festhalten:
Der Wert von Daten entsteht nicht im einzelnen Datenpunkt, sondern durch die exklusive Kontrolle über aggregierte Datenmengen, die Vorhersagen und Steuerungskapazitäten erlauben, die anderen Akteuren verschlossen bleiben.
Informationsdifferenzen zwischen datenakkumulierenden Plattformen einerseits und Bürgerinnen, Händlern und demokratischen Institutionen andererseits begründen ein strukturelles Machtgefälle – ökonomisch, politisch und gesellschaftlich.
Datenschutz ist notwendig, aber nicht hinreichend. Solange die Asymmetrie der Datenverfügbarkeit strukturell erhalten bleibt, schützt Datenschutz allenfalls einzelne Personen, nicht jedoch die gesellschaftliche Balance der Mächte.
Transparenz als Gegenmittel bedeutet: Daten, die kollektiv erzeugt werden, sollten auch kollektiv verfügbar sein – zumindest in aggregierter, anonymisierter Form, die keine Einzelpersonen gefährdet, aber Monopolvorteile beseitigt.
KI verschärft die beschriebene Dynamik, indem sie die Verdichtung von Informationsvorsprüngen in undurchsichtige Modelle erlaubt, die zugleich vor jeglichem Wettbewerb abgeschirmt werden.
Die demokratische Gesellschaft steht vor einer grundlegenden Wahl: Sie kann die fortschreitende Privatisierung kollektiv erzeugter Informationen hinnehmen – oder sie kann die Frage der Datenhoheit als das behandeln, was sie ist: eine Machtfrage, die nach politischen Antworten verlangt. Datenhoheit bedeutet Macht. Wer diese Macht besitzt, gestaltet die Gesellschaft von morgen.
Quellenverzeichnis
Angaben nach ISO 690:2021 (E)
[1] CADWALLADR, Carole; GRAHAM-HARRISON, Emma. Revealed: 50 million Facebook profiles harvested for Cambridge Analytica in major data breach. The Guardian. 17. März 2018. [online]. Verfügbar unter: https://www.theguardian.com/news/2018/mar/17/cambridge-analytica-facebook-influence-us-election [Zugriff: 2024-01-15]
[2] SHAPIRO, Carl; VARIAN, Hal R. Information Rules: A Strategic Guide to the Network Economy. Boston: Harvard Business School Press, 1999. ISBN 978-0-87584-863-1.
[3] AKERLOF, George A. The Market for "Lemons": Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics. 1970, Bd. 84, Nr. 3, S. 488–500. ISSN 0033-5533.
[4] KHAN, Lina M. Amazon's Antitrust Paradox. Yale Law Journal. 2017, Bd. 126, Nr. 3, S. 710–805. ISSN 0044-0094. [online]. Verfügbar unter: https://www.yalelawjournal.org/note/amazons-antitrust-paradox [Zugriff: 2024-01-15]
[5] ZUBOFF, Shoshana. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. New York: PublicAffairs, 2019. ISBN 978-1-61039-569-4.
[6] ACQUISTI, Alessandro; GROSSKLAGS, Jens. Privacy and Rationality in Individual Decision Making. IEEE Security & Privacy. 2005, Bd. 3, Nr. 1, S. 26–33. ISSN 1540-7993.
[7] WYLIE, Christopher. Mindf*ck: Cambridge Analytica and the Plot to Break America. New York: Random House, 2019. ISBN 978-0-525-51247-9.
[8] LIANG, Fan; DAS, Vishnupriya; KOSTYUK, Nadiya; HUSSAIN, Muzammil M. Constructing a Data-Driven Society: China's Social Credit System as a State Surveillance Infrastructure. Policy & Internet. 2018, Bd. 10, Nr. 4, S. 415–453. ISSN 1944-2866.
[9] EUROPEAN DATA PROTECTION BOARD. Annual Report 2022. Brüssel: EDPB, 2023. [online]. Verfügbar unter: https://www.edpb.europa.eu/our-work-tools/our-documents/annual-report/annual-report-2022_en [Zugriff: 2024-01-15]
[10] HENDERSON, Peter et al. Foundation Models and Fair Use. arXiv preprint. 2023. arXiv:2303.15715. [online]. Verfügbar unter: https://arxiv.org/abs/2303.15715 [Zugriff: 2024-01-15]
[11] SOLOVE, Daniel J. The Digital Person: Technology and Privacy in the Information Age. New York: New York University Press, 2004. ISBN 978-0-8147-9846-0.
[12] LANIER, Jaron. Who Owns the Future? New York: Simon & Schuster, 2013. ISBN 978-1-4516-5467-5.
Weiterführende Literatur
- Acemoglu, D. / Robinson, J.: Warum Nationen scheitern. Die Ursprünge von Macht, Wohlstand und Armut. S. Fischer Verlag, Frankfurt 2013.
- Akerlof, G.: The Market for "Lemons": Quality Uncertainty and the Market Mechanism. In: The Quarterly Journal of Economics, 84 (3/1970), S. 488–500.
- O'Neil, C.: Weapons of Math Destruction. How Big Data Increases Inequality and Threatens Democracy. Crown Publishers, New York 2016.
- Srnicek, N.: Platform Capitalism. Polity Press, Cambridge 2016.
- Zuboff, S.: Das Zeitalter des Überwachungskapitalismus. Campus Verlag, Frankfurt/New York 2018.
Erstellt auf Grundlage des Quellartikels „Daten und Macht" (März 2018). Überarbeitung und wissenschaftliche Erweiterung Februar 2026.
