Mit dieser Frage zu verbinden ist die Tatsache, dass beim Sammeln von Daten vornehmlich Augenmerk auf die Menge gelegt wird, denn – dies ist der Tenor – nur möglichst viele Daten garantieren erfolgreiche Analysen. Eine wichtige Eigenschaft von Big Data bringt mit sich, dass die Auswertungen in den riesigen Datenpools nach einer erfolgten Reduktion der Komplexität als Auswertung sogenannter Meta-Daten abläuft. Eventuell innerhalb dieser Daten auffindbare Muster bedingen schließlich den möglichen Anwendungszweck. Im Falle von verhaltensbezogenen Daten geht damit eine Definition von Verhaltensclustern einher. Diese Auswertung von Meta-Daten bedingt, dass viele Datenanalysten argumentieren, diese Daten seien nicht personenbezogen und würden daher nicht unter Datenschutzbestimmungen fallen.
Trotzdem kann diese Art von Auswertung als zweifach problematisch angesehen werden. Einerseits können in keinem Fall Daten, die ein Mensch mittels Nutzung digitaler Geräte und Dienste in seinem Alltag generiert, ein vollständiges Bild der Persönlichkeit abgeben – ein Aspekt, der prinzipiell positiv zu bewerten ist.
Es entstehen damit jedoch digitale Abbilder von Menschen, die in der Realität keine Entsprechung finden. Andererseits werden diese Daten trotzdem dazu verwendet, diesen Menschen bestimmte Eigenschaften zuzuordnen um damit individuell maßgeschneiderte Angebote und Informationen zu liefern. Dies wird mit unterschiedlichen psychologischen Aspekten betreffend Ausgestaltung der Anwendungen kombiniert, woraus eine neue Form von Verhaltensabhängigkeit (Alter, 2017) resultiert.
Das Wissen um diese Tatsache ist in der Gesellschaft latent vorhanden, allerdings scheint niemand dagegen aufzubegehren. Es ist wohl davon auszugehen, dass dies mit einer Art Boiling Frog Syndrom verglichen werden kann. Wer kennt nicht, den gerne in Seminaren – nicht ganz korrekt – dargestellten Vergleich mit einem Frosch, der in langsam erhitztem Wasser sitzenbleibt – so die Veränderung seiner Umgebung zu seinem Nachteil nicht bemerkt und dadurch gekocht wird. Dies entspricht einem sozialpsychologischen Phänomen, das als shifting baselines bezeichnet wird, sobald eine Gruppe von Menschen kontinuierliche Veränderungen in der Außenwelt nicht wahrnimmt. (Welzer, 2016, S 29) Es handelt sich hier möglicherweise um eine andere Art von Disruption, als sie im Zusammenhang mit der Digitalisierung so gerne genannt wird.
Die Generierung all dieser Daten benötigt die Vernetzung von Geräten, Menschen und Aktivitäten. Zeit, einen Blick auf Theorien zu werfen, die sich mit Struktur und Aufbau von Netzwerken beschäftigen, seien sie in technischem oder sozialem Kontext zu finden.
