Inhalt

•  
   Inhaltsübersicht
•  
   Inhaltsverzeichnis
•  
   Vorwort
•  
  A. Big Data for Policy Making – Herausforderungen algorithmischer Politikgestaltung (Tim Jülicher)
•  
   I. Einleitung
•  
  II. Begriffliche Abgrenzung
•  
   1. Defizite der gängigen Big-Data-Definitionen
•  
   2. Abgrenzung zu anderen Konzepten
•  
   III. Relevante Politikfelder
•  
   IV. Big Data im Policy Cycle
•  
   V. Innovationspotential für Policy Making
•  
  VI. Limitierende Faktoren
•  
   1. Kapazitätsdefizite
•  
   2. Mangelnde Interoperabilität
•  
   3. Strukturelle Hürden
•  
   4. Datenqualität
•  
   5. Materiellrechtliche Hürden
•  
   6. Epistemologische Grenzen
•  
   7. Gesellschaftliche Implikationen
•  
   VII. Fazit
•  
   Literaturnachweise
•  
  B. Meinungsvielfalt im Big-Data-Zeitalter – die verfehlte Frage nach der Filterblase (Matthias Möller und Steffen Uphues)
•  
   I. Das Phänomen der Filterblase
•  
   II. Weg von der Begrifflichkeit – hin zu den Fragestellungen
•  
   III. Meinungsvielfalt im analogen Bereich
•  
   IV. Big Data & Meinungsvielfalt
•  
   V. Ökonomische Implikationen
•  
   VI. Meinungsvielfalt & der Mensch
•  
   VII. Die Panik vor dem Sturz der Demokratie
•  
   VIII. Die Journalisten und ihre ganz eigene „Blase“
•  
  IX. Rechtliche Fragestellungen
•  
   1. Kartellrecht
•  
   2. AGB-Recht
•  
   3. Datenschutzrecht
•  
   4. Medienrecht
•  
   5. Wahl- und Parteienrecht
•  
   X. Fazit
•  
   Literaturnachweise
•  
  C. Big Data in Social Media & Wahlkampf (Barbara Kolany-Raiser, Nils Wehkamp und Lucas Werner)
•  
   I. Einleitung
•  
   II. Wahlkampf in den sozialen Medien
•  
   1. Funktionsweise von sozialen Netzwerken
•  
   2. Die Parteien in den sozialen Medien
•  
   3. Politische Werbung von Nicht-Politikern
•  
   III. Neue Werkzeuge zur Störung des Wahlkampfes
•  
   1. Manipulation durch Bots
•  
   2. Trolle
•  
   3. Personalisierte Wahlwerbung
•  
   4. Sonstige Beeinflussungen
•  
   IV. Fake News
•  
  V. Rechtliche Einordnung
•  
   1. Einsatz von Social Bots
•  
   2. Staatliche Schutzpflichten
•  
   3. Einsatz durch die Parteien als Wahlkampfinstrument
•  
   4. Kennzeichnungspflicht aus dem Rundfunk- und Staatsvertrag
•  
   VI. Fazit
•  
   Literaturnachweise
•  
  D. Fake News und Hate Speech (Barbara Kolany-Raiser und Lucas Werner)
•  
   I. Einleitung
•  
   II. Hate Speech unter strafrechtlichen Gesichtspunkten
•  
  1. Schutz der persönlichen Ehre
•  
   a) § 185 – Beleidigung
•  
   b) § 186 – üble Nachrede
•  
   c) §§ 187, 188 – Verleumdung, üble Nachrede und Verleumdung gegen Personen des politischen Lebens
•  
   d) Verhältnis der §§ 185 – 187 untereinander
•  
   e) Zwischenfazit
•  
   2. Öffentliche Aufforderung zu Straftaten
•  
   3. Volksverhetzung
•  
   III. Rechtliche Einordnung von Fake News
•  
   1. § 823 Abs. 1 BGB
•  
   2. § 823 Abs. 1 BGB i.V.m. Art. 2 Abs. 1 i.V.m. Art. 1 Abs. 1 GG
•  
   3. § 824 BGB
•  
   4. § 826 BGB
•  
   5. § 1004 Abs. 1 S. 2 BGB analog (i.V.m. § 823 Abs. 1 BGB)
•  
   IV. Das NetzDG
•  
   V. Was tun?
•  
   VI. Fazit
•  
   Literaturnachweise
•  
  E. Microtargeting – Gezielte Wähleransprache im Wahlkampf (Barbara Kolany-Raiser und Tristan Radtke)
•  
   I. Der datengestützte Wahlkampf
•  
   II. Der Begriff des Microtargetings
•  
   III. Für und Wider des Microtargetings
•  
   IV. Gezielte Wähleransprache in den USA
•  
  V. Microtargeting in deutschen Wahlkämpfen
•  
   1. Microtargeting über soziale Netzwerke
•  
   2. Datengestützter Haustürwahlkampf
•  
   3. Fazit zu Microtargeting in deutschen Wahlkämpfen
•  
  VI. Rechtliche Grenzen des Microtargetings in Deutschland
•  
   1. Anwendbarkeit der DS-GVO in sachlicher Hinsicht und Verantwortlichkeit
•  
   2. Anwendbarkeit der DS-GVO in räumlicher Hinsicht
•  
   3. Zuständige Datenschutzbehörden unter der DS-GVO
•  
   4. Datenschutzgrundsätze unter der DS-GVO
•  
   VII. Fazit
•  
   Literaturnachweise
•  
  F. Big Social Data (Tristan Julian Tillmann)
•  
   I. Einleitung
•  
   II. Social Data vor dem Einsatz von Big-Data-Technologien
•  
  III. Big-Data-unterstützte Generierung von Informationen
•  
   1. „Schattenprofile“
•  
   2. Profilbildanalyse
•  
   3. Aussagekraft von „Likes“ und der Sprache
•  
   IV. Fazit
•  
   Literaturnachweise
•  
  G. Ich sammele, also bin ich (Social Credit) – Das Szenario eines allumfassenden Bonitätssystems am Beispiel Chinas (Barbara Kolany-Raiser und Tristan Radtke )
•  
   I. „Zero“ in der Realität
•  
   II. Begriffsklärung
•  
   III. Social-Credit-Pilotprojekte in China
•  
   IV. Ausblick auf Social Credit in China
•  
   V. Social Credit in Deutschland und Europa?
•  
   1. Räumlicher und sachlicher Anwendungsbereich der DS-GVO
•  
   2. Datenübermittlung zwischen Unternehmen und Zusammenführung zur Berechnung eines Scores als Verarbeitung
•  
   a) Reichweite des Zwecks (Art. 6 Abs. 4 DS-GVO)
•  
   b) Einwilligung (Art. 6 Abs. 1 UA 1 lit. a DS-GVO)
•  
   c) Vertragserfüllung (Art. 6 Abs. 1 UA 1 lit. b DS-GVO)
•  
   d) Wahrung berechtigter Interessen (Art. 6 Abs. 1 UA 1 lit. f DS-GVO)
•  
   e) Besondere Anforderungen an die Verarbeitung besonderer Kategorien persönlicher Daten (Art. 9 DS-GVO)
•  
   f) Betroffenen-Rechte im Allgemeinen und im Besonderen bei Verarbeitungen zu Profiling-Zwecken
•  
   3. Zulässigkeit eines Scores als Grundlage für automatisierte Entscheidungen
•  
   4. Zusammenfassende Betrachtung der Zulässigkeit eines (privaten) Social-Credit-Systems in Europa
•  
   VI. Fazit
•  
   Literaturnachweise
•  
  H. Big Data und die Versichertengemeinschaft – „Entsolidarisierung“ durch Digitalisierung? (Philip Bitter und Steffen Uphues)
•  
   I. Einleitung
•  
   II. Versicherung und Solidarität
•  
   1. Sozialversicherung
•  
   2. Individualversicherung
•  
   3. „Entsolidarisierung“?
•  
   III. Anwendungen von Big Data
•  
   IV. Ökonomische Implikationen
•  
   V. Rechtliche Rahmenbedingungen
•  
   1. Individualversicherung
•  
   2. Sozialversicherung
•  
   VI. Soziologische Implikationen
•  
   IV. Fazit
•  
   Literaturnachweise
•  
  I. Big-Data-Überwachung am Arbeitsplatz – Grenzen der Zulässigkeit durch aktuelle Gerichtsentscheidungen (Nicolai Culik und Lukas Forte)
•  
   I. Einleitung
•  
   1. Big Data im Personalwesen
•  
   2. Was ist Keylogging?
•  
   II. Aktuelles Urteil des Bundesarbeitsgerichts
•  
   1. Sachverhalt der Entscheidung
•  
   2. Hohe Anforderungen an heimliche Datenerhebung am Arbeitsplatz
•  
   III. Parallelen zu bisheriger Rechtsprechung
•  
   IV. Rückenwind aus Straßburg
•  
   V. Einordnung nach neuem Datenschutzrecht
•  
   VI. Keylogger auch Thema im US-amerikanischen Recht
•  
   VII. Fazit
•  
   Literaturnachweise
•  
  J. Ökonomische und juristische Aspekte des Mobile Payments (Christian Döpke und Philip Bitter)
•  
   I. Einleitung
•  
   II. Begriffserklärung
•  
   III. Technische Funktionsweise
•  
   IV. Ökonomische Interessenabwägung
•  
  V. Juristische Hürden
•  
   1. Bankaufsichtsrechtliche Erwägungen
•  
   2. Vertragsrechtliche Aspekte
•  
   3. Datenschutzrechtliche Erwägungen
•  
   VI. Fazit
•  
   Literaturnachweise
•  
  K. Alexa, Siri & Google Assistant – was ist erlaubt? Sprachassistenten und das Recht (Henning Brockmeyer & Verena Vogt)
•  
   I. Alles easy?
•  
   II. Alexa, wie funktionierst du?
•  
   III. Meine Daten!
•  
   1. Neue Transparenz
•  
   2. Ja, ich will!
•  
   3. Cayla ging zu weit
•  
   4. Hüte dich vor Manipulation!
•  
   IV. Alexa, kaufst du oder ich?
•  
   1. Alexa, informier mich!
•  
   2. Wenn Alexa fremdgeht!?
•  
   V. Alexa, was hast du angerichtet?
•  
   1. Der Assistent, der Entwickler oder ich?
•  
   2. Die E-Person
•  
  VI. Was ist das neue Normal? Ist es wünschenswert? Wer dürfte die Vorherrschaft erlangen?
•  
   1. Auswirkungen
•  
   2. Eigentlich unerwünschte Effekte
•  
   VII. Wo geht die Reise hin?
•  
   1. Alexa überall und immer
•  
   2. Alexa verantwortungsbewusst
•  
   VIII. Fazit
•  
   Literaturnachweise
•  
  L. Smart Home (Maurice Niehoff)
•  
   I. Einleitung
•  
  II. Einsatzbereiche im Smart Home
•  
   1. Energiemanagement
•  
   2. Unterhaltungsmedien
•  
   3. Haushaltsgeräte
•  
   4. Sicherheit
•  
   5. Gesundheit
•  
   III. Funktionsweise eines Smart Homes
•  
   1. Zentrale Systeme
•  
  2. IFTTT und deep learning
•  
   a) IFTTT
•  
   b) deep learning
•  
   IV. Der Bezug zu Big Data
•  
  V. Vorteile und Risiken
•  
   1. Vorteile
•  
   2. Risiken
•  
   a) Zweckbindungsgrundsatz, Art. 5 Abs. 1 b) DS-GVO
•  
   b) Minimierungsgrundsatz, Art. 5 Abs. 1 c) DS-GVO
•  
   c) Privacy by Design and by Default, Art. 25 DS-GVO
•  
   d) Recht auf „Vergessenwerden“, Art. 17 DS-GVO
•  
   e) Recht auf Datenportabilität, Art. 20 DS-GVO
•  
   f) Cybercrime
•  
   2. Digitale Bevormundung
•  
   VI. Fazit
•  
   Literaturnachweise
•  
  M. Personalisierte Preise – Diskriminierung 2.0? (Tristan Julian Tillmann und Verena Vogt)
•  
   I. Einleitung
•  
   II. Abgrenzung zu dynamischen Preisen
•  
   III. Ökonomische Aspekte
•  
   1. Bildung personalisierter Preise
•  
   2. Ökonomischer Nutzen und gesamtgesellschaftliche Wohlfahrt
•  
  3. Hürden
•  
   a) Technologie
•  
   b) Ablehnung durch die Verbraucher
•  
   4. Aktuelle Verwendung
•  
  IV. Rechtliche Aspekte
•  
   1. Datenschutzrecht
•  
   a) Anonyme Daten
•  
   b) Pseudonyme Daten
•  
   c) Personalisierte Datenverarbeitung
•  
   d) Profiling
•  
   2. Wettbewerbsrecht
•  
   a) Irreführungsverbot
•  
   b) Aussagen des Preises
•  
   c) Preisangabenverordnung
•  
   d) Irreführung durch Unterlassen
•  
   e) Aggressive geschäftliche Handlungen
•  
   f) Unlauterkeit wegen des Allgemeinen Gleichbehandlungsgesetzes, § 3a UWG i.V.m. § 19 AGG
•  
   g) Unlauterkeit wegen Verstoßes gegen das Datenschutzrecht
•  
   3. Kartellrecht
•  
   4. Allgemeines Zivilrecht
•  
   V. Fazit
•  
   Literaturnachweise
•  
  N. Daten-Doping: Big Data im Profisport (Christian Straker und Tristan Julian Tillmann )
•  
   I. „Daten-Doping“: Der Siegeszug der Daten im Profisport
•  
   II. Dopingverbote im Leistungssport
•  
   III. Begründungen für Dopingverbote im Profisport
•  
   IV. Big-Data-Anwendungen im Profisport
•  
   1. Fußball
•  
   2. Formel 1
•  
   3. Weitere US-Sportarten
•  
   V. Verbot technischer Hilfsmittel im Profisport
•  
   VI. Begründungen für das Verbot technischer Hilfsmittel im Profisport und Big Data
•  
   1. Chancengleichheit
•  
   2. Medizinische Gründe
•  
   3. Eigenart des Sports
•  
   VII. Fazit
•  
   Literaturnachweise
•  
   Autorenverzeichnis