Zusammenfassung
Big Data, also die maschinelle Erfassung und Auswertung großer Datenmengen, ist ein zentrales Schlagwort unserer Zeit. Fortschritte im Hard- und Softwarebereich haben eine immer umfassendere Verdatung der Welt nicht nur technisch möglich, sondern auch wirtschaftlich attraktiv gemacht. Bereiche, die nicht von digitalen Umwälzungsprozessen betroffen sind, sind rar. Von der Industrie 4.0 zur Präzisionsmedizin, vom Social Scoring bei der Kreditvergabe zur vorhersagenden Polizeiarbeit, von der personalisierten Werbungzur Smart City – egal ob in der Privatwirtschaft oder im öffentlichen Sektor, Big-Data-basierte Analyseverfahren gelten als Schlüsseltechnologie, mit deren Hilfe neue Erkenntnisse gewonnen und Entscheidungsprozesse optimiert werden sollen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
Anderson, Chris: The End of Theory: The Data Deluge Makes the Scientific Method Obsolete (2008), https://www.wired.com/2008/06/pb-theory/ (19.2.2021).
Anderson, Berit: The Rise of the Weaponized AI Propaganda Machine. Medium (2017), https://medium.com/join-scout/the-rise-of-the-weaponized-ai-propagandamachine-86dac61668b (19.2.2021).
Angwin, Julia/Larson, Jeff/Mattu, Surya/Kirchner, Lauren: Machine Bias (2016), https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing (19.2.2021).
Barocas, Solon/Selbst, Andrew D.: Big Data’s Disparate Impact. California Law Review, 104/3, (2016), 671–732.
boyd, danah/Crawford, Kate: Critical Questions for Big Data. Provocations for a Cultural, Technological, and Scholarly Phenomenon. Information, Communication & Society, 15/5 (2012), 662–679.
Burrell, Jenna: How the Machine ›Thinks‹: Understanding Opacity in Machine Learning Algorithms. Big Data & Society, 3/1 (2016), 1–12.
Christl, Wolfie: Corporate Surveillance in Everyday Life. Vienna, 2017. https://crackedlabs.org/en/corporatesurveillance (19.2.2021).
Duhigg, Charles: How Companies Learn Your Secrets (2012), https://www.nytimes.com/2012/02/19/magazine/shopping-habits.html (19.2.2021).
Ezrachi, Ariel/Stucke, Maurice: Virtual Competition. The Promise and Perils of the Algorithm-Driven Economy. Cambridge, Mass. 2016.
Floridi, Luciano/Taddeo, Mariarosaria: What Is Data Ethics? Philosophical Transactions of the Royal Society A, 374/2083 (2016), 1–5.
Ginsberg, Jeremy/Mohebbi, Matthew H./Patel, Rajan S./Brammer, Lynette/Smolinski Mark S./Brilliant, Larry: Detecting influenza epidemics using search engine query data. In: Nature, 457 (2009), 1012–1014.
High-Level Expert Group on Artificial Intelligence: Ethics Guidelines for Trustworthy AI. Brussels, 2019. https://ec.europa.eu/futurium/en/ai-alliance-consultation/guidelines (19.2.2021).
Kitchin, Rob: Big Data, New Epistemologies and Paradigm Shifts. Big Data & Society, 1/1 (2014), 1–12.
Kosinski, Michal/Stillwell, David/Graepel, Thore: Private Traits and Attributes Are Predictable from Digital Records of Human Behavior. Proceedings of the National Academy of Sciences of the United States of America, 110/15 (2013), 5802–5805.
Leonelli, Sabina: What Difference Does Quantity Make? On the Epistemology of Big Data Biology. Big Data & Society, 1/1 (2014), 1–11.
Mittelstadt, Brent D./Allo, Patrick/Taddeo, Mariarosaria/Wachter, Sandra/Floridi, Luciano: The Ethics of Algorithms: Mapping the Debate. Big Data & Society, 3/2 (2016), 1–21.
O’Neil, Cathy: Angriff der Algorithmen: Wie sie Wahlen manipulieren, Berufschancen zerstören und unsere Gesundheit gefährden. München 2017.
Pasquale, Frank: The Black Box Society: The Secret Algorithms That Control Money and Information. Cambridge, Mass. 2015.
Pietsch, Wolfgang/Wernecke, Jörg: Einführung: Zehn Thesen zu Big Data und Berechenbarkeit. In: Wolfgang Pietsch/Jörg Wernecke/Maximilian Ott (Hg.): Berechenbarkeit der Welt? Philosophie und Wissenschaft im Zeitalter von Big Data. Wiesbaden 2017, 13–35.
Rieder, Gernot: Tracing Big Data Imaginaries through Public Policy: The Case of the European Commission. In: Ann R. Sætnan/Ingrid Schneider/Nicola Green (Hg.): The Politics and Policies of Big Data: Big Data, Big Brother? New York/London 2018, 89–109.
Rieder, Gernot/Simon, Judith: Vertrauen in Daten oder: Die Politische Suche nach Numerischen Beweisen und die Erkenntnisversprechen von Big Data. In: Resa Mohabbat Kar/Basanta Thapa/Peter Parycek (Hg.): (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft. Berlin 2018, 159–178.
Simon, Judith: Distributed Epistemic Responsibility in a Hyperconnected Era. In: L. Floridi (ed.), The Onlife Manifesto: Being Human in a Hyperconnected Era. Cham 2015, 145–159.
Wachter, Sandra/Mittelstadt, Brent: A Right to Reasonable Inferences: Re-thinking Data Protection Law in the Age of Big Data and AI. Columbia Business Law Review, 2 (2019), 494–620.
Zuboff, Shoshana: Das Zeitalter des Überwachungskapitalismus. Frankfurt/New York 2018.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Rieder, G. (2021). Big Data. In: Grunwald, A., Hillerbrand, R. (eds) Handbuch Technikethik. J.B. Metzler, Stuttgart. https://doi.org/10.1007/978-3-476-04901-8_59
Download citation
DOI: https://doi.org/10.1007/978-3-476-04901-8_59
Published:
Publisher Name: J.B. Metzler, Stuttgart
Print ISBN: 978-3-476-04900-1
Online ISBN: 978-3-476-04901-8
eBook Packages: J.B. Metzler Humanities (German Language)