e.V.
Probleme · Überwachung · geprüft 2026-05-21

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.

These
Die Akkumulation von Verhaltens-Daten ist kein Mittel zu einem Zweck. Sie ist die ökonomische Grundlage einer eigenen Industrie, deren wirtschaftliches Interesse in der Vorhersage und Steuerung menschlichen Verhaltens liegt.
Beispiele

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.
Diagnose

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”.

Diagnose ohne Antwort ist Lamentation. Was wir baulich tun, steht im Lösungs-Hub.