Die Datenwertschöpfung kann in einem Daten-Lebenszyklus strukturiert werden, die unterschiedlichen Ergebnisse und Wertbeiträge für das Unternehmen haben sind[1]
- Datenerzeugung und -akquirierung. Das Ergebnis besteht aus digitalisierten Informationen, d. h. Daten, die mit Metadaten angereichert sein können.
- Datenspeicherung und -management. Das Ergebnis sind Datenbanken inklusive Zugriffsregeln und entsprechenden Sicherheitsmechanismen.
- Datenanalyse und Wissensgenerierung. Das Ergebnis ist ein Datenprodukt, d. h. ein Mechanismus zur Erzeugung von Wissen aus der Datenbank oder dieses Wissen selbst mit dem Ziel, datenbasierte Wertschöpfung zu ermöglichen.
- Digitale Produkte und Services. Das Ergebnis ist die Wirkung eines Datenprodukts, d.h. die Effekte von datenbasierten Produkten oder Services auf die reale Welt außerhalb des Unternehmens.
Jede Phase ist von anderen spezifischen ethischen Herausforderungen geprägt.[2] In den ersten beiden Phasen ergeben sich die ethischen Fragen aus der Erhebung und Verarbeitung persönlicher Daten, z. B. welche Daten werden erfasst (z. B. Verhaltensdaten), wie sind die Datenschutzerklärungen formuliert, welche Cookies werden im System von Dritten platziert, wie sind die Zugriffsregeln auf die Daten, wie werden die Daten geschützt, wie werden die Daten mit Daten von Dritten kombiniert.
Für die anderen beiden Phasen liegt der ethische Fokus auf dem Mechanismus, der zur Wissenserzeugung genutzt wird. Dabei handelt es sich um alle Formen der Datenanalytik, für die auch Machine Learning und die sog. Künstlichen Intelligenz (KI) eingesetzt werden. Bei diesen "selbstlernenden" Systemen wird die Wirkungsweise des Algorithmus in hohem Maße durch die Trainingsdaten bestimmt. Sie unterliegt Veränderungen, die nicht unter allen Umständen vorhersehbar sind. Es wäre unter ethischen Gesichtspunkten zu prüfen, ob die Trainings- und Anwendungsdaten einer KI zu falschen bzw. unerwünschten Einsichten bzw. Modellen führen, d. h. ob die Nutzung zu ethisch problematischen Folgen wie Diskriminierung führen kann.[3]
Steuerberatungen als Anwendende automatisierter Prognose- oder Entscheidungsunterstützungssysteme stehen vor der Herausforderung einer ethischen Auswahl und Implementierung der Systemlösungen für die Datenanalyse und Wissensgenerierung. Es besteht in der Fach-Community Einigkeit über eine Reihe grundsätzlicher ethischer Prinzipien bei der Entwicklung und Anwendung von sog. Künstlicher Intelligenz, die in zahlreichen Leitlinien aufgegriffen und detailliert werden.[4] Eine praktische Hilfestellung bei der Auswahl, z. B. durch einen ISO-Standard oder ein "KI-Label" steht jedoch noch aus. Bisher gibt es keine Standards am Markt, die eine Überprüfung der Einhaltung solcher ethischen Prinzipien für eine KI-Software durch unabhängige Dritte zertifizieren.
In der letzten Phase des Daten-Lebenszyklus, der Bereitstellung von digitalen Produkten und Services, stehen deshalb die Kontrolle von unerwünschten Wirkungen oder Nebenwirkungen des digitalen Produkts oder Service sowie das Missbrauchspotenzial bei ihrer Anwendung im ethischen Fokus.[5]
Das ist nur ein Ausschnitt aus dem Produkt Haufe Steuer Office Excellence. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen