Überwachungs-Kapitalismus — Verhalten als Rohstoff
Shoshana Zuboff hat 2019 den Mechanismus benannt: Plattformen sammeln menschliches Verhalten als Rohstoff, raffinieren es zu Vorhersage-Modellen und verkaufen die Vorhersagen an Akteure, die das Verhalten beeinflussen wollen. Das ist kein Missbrauch einer Branche — es ist ihr Geschäftsmodell.
Wie sich das zeigt
- Cambridge Analytica (2018): 87 Mio. Facebook-Profile zu politischen Wahlkampf-Vorhersagen weiterverarbeitet. Der Skandal war nicht „Datendiebstahl", sondern dass Facebook den Datenzugang als reguläre API-Funktion bereitgestellt hatte.
- OpenAI / Anthropic / Google Gemini — Sprach-Modelle erlauben in absehbarer Zeit eine neue Stufe der Verhaltens-Inferenz: aus einem Korpus persönlicher Nachrichten lassen sich Stimmungs-Profile, Beziehungs-Muster und sogar Gesundheits-Indikatoren ableiten.
- TikTok-Empfehlungs-Algorithmus: ByteDance hat 2023 veröffentlicht, dass der For-You-Feed implizite Annahmen über Stimmung, Aufmerksamkeitsspanne und Vulnerabilität der Nutzer:innen baut, um Sehdauer zu maximieren.
- Real-Time-Bidding-System (RTB): 178 Mrd. Auktionen pro Tag in Europa, jede mit einem Profil-Datensatz, der an dutzende Bieter parallel geht — ICCL bezeichnete das als „größten Daten-Leak der Geschichte".
- Klarna, Affirm und andere Buy-Now-Pay-Later-Anbieter sammeln Kauf-Verhalten und verkaufen die abgeleitete Bonitäts-Vorhersage an Werbe-Partner — der Konsum-Akt wird so zur Vorhersage über die nächste Kauf-Entscheidung.
Shoshana Zuboff hat 2019 für ein Phänomen, das bis dahin als „Datenmissbrauch einzelner Anbieter” galt, die richtige Begriffs- Ebene gefunden: Überwachungs-Kapitalismus. Das ist keine moralische Kategorie, sondern eine ökonomische. Eine ganze Industrie baut Wertschöpfung darauf, menschliches Verhalten in Vorhersage-Modelle zu verwandeln und diese Vorhersagen an Akteure zu verkaufen, deren Geschäft Beeinflussung ist.
Der Mechanismus hat drei Schritte. Erstens: Roh-Daten werden gesammelt — Clicks, Standorte, Mikrofon-Aktivität, Apps-im- Hintergrund, Schreibgeschwindigkeit, Pausen zwischen Tastatur- Anschlägen. Zweitens: in Vorhersage-Modelle raffiniert — wie wahrscheinlich klickt diese Person, welche Stimmung deutet ihr Tippmuster an, wann wechselt sie die App. Drittens: an Werbe-Auktionen, Versicherungen, Personalabteilungen, politische Kampagnen verkauft, die diese Vorhersagen nutzen, um zu beeinflussen.
Die Stufe, die wir gerade erreicht haben, ist neu. Bisherige Profil-Bildung lief über grobe Kategorien („interessiert sich für Reisen”). Mit Large Language Models entstehen feinere Modelle, die aus einem Korpus persönlicher Nachrichten Stimmungs- und Beziehungs-Profile ziehen, aus Gesundheits-Daten Risiko- Vorhersagen, aus Konsum-Mustern Bonität. Was unter dem Begriff „Personalisierung” verkauft wird, ist die zweite Hälfte des Surveillance-Kapitalismus: nicht nur Beobachtung, sondern Verhaltensbeeinflussung.
Unsere Antwort ist nicht „Daten verbieten” — das wäre weder realistisch noch immer wünschenswert. Wir setzen an einem schwächeren Hebel an: wir wollen nicht Teil dieser Verwertungskette werden. Das heißt konkret: kein Geschäftsmodell, das die Nutzungs-Daten als Erlös-Quelle braucht (Selbstkosten- Preis). Kein technischer Zugriff des Vereins auf sensible Klartext-Inhalte (BYOK-Vault). Kein heimliches KI-Schreiben, das sich von menschlichem Schreiben nicht unterscheiden lässt (Cross-App-Timeline). Und ein Daten-Architektur-Stil, der lokal funktioniert (Local-First), damit der Default-Pfad „nicht preisgeben” ist, nicht „preisgeben, aber bitte nicht missbrauchen”.
Quellen Dritter
Was wir hier behaupten, behaupten andere zuerst und mit eigenem Namen daneben. Datum dort, wo es belegbar ist.
- Shoshana Zuboff — „The Age of Surveillance Capitalism" (PublicAffairs) 2019-01-15
- The Guardian — Cambridge Analytica Files 2018-03-17
- ICCL — „Europe's hidden security crisis: How RTB is the biggest data breach ever recorded" 2022-05-16
- Wall Street Journal — „How TikTok's Algorithm Figures You Out" 2021-07-21
Wie wir strukturell antworten
Lösungen, die diesen Problem adressieren. Keine Marketing-Versprechen, sondern Architektur-Entscheidungen mit Belegen im Code.
- Selbstkostenpreis statt Werbe-GeschäftsmodellWenn der Verein nicht von Werbe-Erlösen lebt, gibt es keinen ökonomischen Hebel, der irgendwann zu Tracking, Profiling oder Verkauf zwingen würde.
- BYOK-Vault — der Verein sieht den Klartext nichtDer einzige Anbieter, dem man Daten ohne Vertrauen anvertrauen kann, ist der, der sie technisch nicht sehen kann — auch wenn er wollte.
- Cross-App-Timeline — jede Änderung ist sichtbar, auch KI-ÄnderungenWenn jede Änderung ein attribuierter Event ist, wird Transparenz zu einem Read-Modell — kein Marketing-Versprechen, sondern eine technische Konsequenz.
- Local-First + Login-OptionalDas energie-effizienteste Rechenzentrum ist die CPU, die ohnehin schon in der Hosentasche liegt — und kein Konto ist die beste Privatsphäre.
Welche Grundsätze hier verletzt werden
Diagnose ohne Antwort ist Lamentation. Was wir baulich tun, steht im Lösungs-Hub.