Der Journalist Reece Rogers forderte über das kalifornische Datenschutzgesetz eine Kopie seiner Nutzerdaten bei dem Fast-Food-Unternehmen McDonald’s an. Wie er in einem Beitrag für Wired berichtet, erhielt er daraufhin ein 515-seitiges Dokument, das detaillierte Vorhersagen über sein künftiges Kaufverhalten enthielt.
Die gesammelten Daten beschränken sich demnach nicht auf eine einfache Historie der bisherigen Bestellungen und gesammelten Treuepunkte. Vielmehr speist das Unternehmen diese Informationen in prädiktive Modelle ein, um das zukünftige Verhalten seiner Kund:innen mathematisch zu berechnen.
Prädiktive Analyse im Fast-Food-Sektor
Konkret prognostizieren die Algorithmen für den Journalisten unter anderem die genaue Anzahl der zu erwartenden Besuche sowie die durchschnittlichen Ausgaben für die kommenden sechs Wochen. Zudem berechnet das System eine Abwanderungswahrscheinlichkeit, die im Fall des Autors bei null lag, was ihn für das Unternehmen als extrem loyalen Kunden klassifiziert.
So wurde der Autor beispielsweise in spezifische interne Kategorien eingestuft, die ihn als Zielgruppe für einen essensfokussierten Nachmittagssnack („Food-Led Afternoon Snack“) oder ein schnelles Mittagessen für unterwegs („On the Go Lunch in a Rush“) klassifizieren. Zusätzlich identifizierte das System durch kontinuierliches Tracking eine große Diät-Cola als sein absolutes Lieblingsprodukt und speicherte jeden gescannten Code aus dem unternehmenseigenen Monopoly-Gewinnspiel akribisch ab. Auch interne, für Außenstehende kryptische Kundenbewertungsgruppen wie „CV2“ finden sich in dem umfassenden Dossier.
Ein Sprecher des Unternehmens erklärte auf Anfrage, dass diese Datenverarbeitung der Personalisierung des Kundenerlebnisses diene, um relevantere Angebote ausspielen zu können. Datenschützer:innen betrachten diese Praxis jedoch kritisch, da viele Konsument:innen das Ausmaß der Datenauswertung beim Beitritt in ein solches Treueprogramm nicht annähernd erfassen.
Kritik an Datenaggregation durch Treueprogramme
Jeff Chester, Direktor am Center for Digital Democracy in Washington, D.C., bezeichnet diese Form der Datennutzung im Wired-Bericht drastisch als „kommerzielle Überwachung“. Lorrie Cranor, Professorin an der US-amerikanischen Carnegie Mellon University, kritisiert zudem, dass die Datenformate für gewöhnliche Verbraucher:innen kaum verständlich seien, und fordert transparentere Aufklärungen während des initialen Registrierungsprozesses.
Die fundamentale Gefahr für die Privatsphäre liegt laut Expert:innen weniger im einzelnen Kauf eines Burgers, sondern in der systematischen, jahrelangen Verknüpfung dieser isolierten Datenpunkte. Professor Ari Ezra Waldman von der University of California warnt davor, dass der Einsatz von Künstlicher Intelligenz aus diesen Sammlungen äußerst invasive Informationen über den Tagesablauf der Nutzer:innen generiert.
Auf der Plattform Reddit diskutieren Nutzer:innen Reeces Bericht intensiv und zeigen dabei ein stark gespaltenes Stimmungsbild hinsichtlich der digitalen Privatsphäre. Während eine Gruppe die Datensammlung als branchenüblichen und erwartbaren Standard für personalisierte Rabatte ansieht, weisen andere Nutzer:innen darauf hin, dass scheinbar wertlose Einzeldaten erst in der großen Masse ihren ökonomischen Wert für die Konzerne entfalten.
Dabei entstehe ein massives Machtungleichgewicht zwischen der einzelnen Person und dem Konzern, das die Gestaltungsweise der digitalen Ökosysteme maßgeblich beeinflusse. Ryan Calo, Professor an der University of Washington, merkt an, dass diese Systeme primär auf Profitmaximierung ausgelegt sind und die langfristige Verhaltensüberwachung oft schwerer wiegt als der kurzfristige finanzielle Rabattvorteil am Schalter.
Verbraucher:innen haben jedoch zumindest in einigen Gerichtsbarkeiten die Möglichkeit, nicht nur Auskunft über ihre gespeicherten Daten zu verlangen, sondern auch deren vollständige Löschung einzufordern. Der Wired-Autor nutzte dieses gesetzliche Recht abschließend und ließ sein umfassendes Profil löschen. Dadurch gelang es ihm, den prädiktiven Algorithmus in seinem speziellen Fall aktiv zu widerlegen.
