LITMIR.BIZ

Скачать книгу

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

b) Google Flu Trends

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.

2. Betroffenenbezogene Vorhersagen

      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.

3. Einzelne Anwendungsgebiete

      a) Predictive Analytic zu Marketingzwecken

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

aa) Predictive Analytic zur Neukundengewinnung

Ein Ansatz für Predictive Analytic im Marketing ist die Neukundengewinnung anhand einer systematischen und automatisierten Auswertung von Informationen aus dem Internet. Das Auffinden potenziell interessanter Kunden kann dabei unter anderem über einen Text-Mining-Algorithmus erfolgen. Dieser durchsucht zunächst Daten von bestehenden Kunden, um gewisse Zusammenhänge und Muster in diesen zu finden. In einem zweiten Schritt werden dann neue Datenbestände auf eine Überschneidung mit diesen Mustern untersucht. Je nach Grad der Übereinstimmung wird der potenzielle Neukunde anhand eines Punktesystems bewertet. Mithilfe der so ermittelten Score-Werte kann eine Vorhersage darüber aufgestellt werden, wer an Produkten interessiert sein könnte und als potenzieller Neukunde in Frage kommt.68 Ein Beispiel aus der Praxis hierfür ist die Predictive Analytic-Anwendung der Adolf Würth GmbH & Co. KG. Das Unternehmen nutzt eine Software, die das Umsatzpotenzial von Unternehmen vorhersagt, die noch keine Kunden des Unternehmens sind. Die Analyse nutzt dabei nur frei über das Internet zugängliche Daten über Unternehmen in den für den Absatz von Würths Produkten relevanten Branchen, in diesem Fall Handwerksbetriebe und Kfz-Werkstätten.69 Dieses Anschauungsbeispiel lässt sich auf beliebige Situationen übertragen und kann neben frei verfügbaren Informationen aus dem Internet auch auf Social Media-Profilen oder anderen Datenquellen beruhen. Das Beispiel zeigt, wie potenzielle Neukunden anhand von Mustern erkannt werden können. Ziel dieser Predictive Analytic ist dann, diese Personen oder Unternehmen gezielt ansprechen zu können.

bb) Predictive Analytic für personalisierte Werbung

Ein weiteres Haupteinsatzgebiet von Predictive Analytic ist die Vorhersage von Interessen für die Zwecke der personalisierten Werbung. Diese Anwendung ist für Bestandskunden gleichermaßen relevant wie für Neukunden. Vorhersagen über die Interessen von bereits bestehenden Kunden haben den Vorteil, dass für diese auf die Kundenhistorie, also die im Betriebssystem des

Скачать книгу