Trend zu Mobile BI

Big-Data-Analysen treiben die IT-Branche derzeit zunehmend um. Dabei werden Marktforscher wie -analysten nicht müde, auf das enorme Umsatzpotential dieser Technologien hinzuweisen. So kam erst Anfang April eine vom Branchenverband Bitkom beauftragte Studie zu dem Ergebnis, dass der globale Umsatz mit Big-Data-Produkten und -Dienstleistungen im Jahr 2014 auf rund 73,5 Mrd. Euro steigen wird. Dies käme im Vergleich zum Vorjahr einem Plus von satten 66 Prozent gleich.

Um ein Stück des Kuchens abzubekommen, sind insbesondere Business-Intelligence-Anbieter gefordert, sich intensiv mit Big Data zu beschäftigen. Bei der in Rosenheim ansässigen und weltweit operierenden Cubeware-Gruppe hat man diese Notwendigkeit längst erkannt und entsprechendes Know-how aufgebaut. Dabei dürfe laut Cubeware-Chef Wolfgang Seybold jedoch niemand vergessen, dass „Big Data“ allein noch kein Allheilmittel für die Unternehmen darstellt. Denn nur, weil eine Datenbank plötzlich schneller läuft oder man Millionen von Datensätzen innerhalb von Sekunden auswerten kann, sind nicht gleich sämtliche Businessprobleme wie von Zauberhand gelöst.

IT-DIRECTOR: Herr Seybold, handelt es sich bei Big Data nicht um eine Marketingphrase – große Datenmengen gibt es doch schon lange?
W. Seybold: Das Phänomen der rapide ansteigenden Datenmengen gibt es tatsächlich seit langem. Allein eine Großbank mit rund zehn Millionen Girokonten musste und muss zig Millionen Kundeninformationen bearbeiten können. Von daher waren „Big Data“ bereits in der Vergangenheit allgegenwärtig, man nannte sie nur nicht bei diesem Namen.

Aktuell entwickelt sich der Markt allerdings dahin, dass unter Big Data weit mehr als die bloße Sammlung gigantischer Datenmengen verstanden wird. Vielmehr basieren die dahinter stehenden Methoden und Technologien auf drei komplexen Säulen, die das Feld der Business Intelligence verändern.

IT-DIRECTOR: Welche Säulen meinen Sie?
W. Seybold: Im ersten Schritt geht es, analog zur bisherigen Vorgehensweise, weiterhin darum, große Datenmengen zu sammeln. Dabei geht es, im Gegensatz zu früher, aber nicht mehr allein um strukturierte, sondern auch unstrukturierte Informationen wie Bilder, Videos, Sprachdateien etc. Moderne Technologien wie In-Memory-Datenbanken können die Anwender beim Auswerten dieser Daten dann hinsichtlich der Performance bestmöglich unterstützen.

Anschließend steht die intelligente Auswertung dieser Daten im Fokus. Hier kommen Algorithmen ins Spiel. Historisch gesehen, brachte der Google-Suchalgorithmus das Thema weltweit voran. Dieser wertet automatisiert und nahezu in Echtzeit verschiedene Indices aus, um passende Suchergebnisse zu generieren.

Im dritten Schritt rückt der Blick nach vorne in den Fokus: Welchen Business-Nutzen verfolgt die Analyse und welche konkreten Aktionen sollen angestoßen werden?

IT-DIRECTOR: Können Sie uns über den Google-Algorithmus hinaus weitere Beispiele nennen?
W. Seybold: Ein Algorithmus, der heutzutage für verschiedene Auswertungen genutzt wird, basiert auf der Lebenszeitanalyse der Krebsforschung. Hier wurde eine Formel entwickelt, um mittels vorhandener Krankheitsdaten die Überlebenschancen eines Patienten zu ermitteln.

IT-DIRECTOR: Wie kann man diese Analyse auf andere Bereiche übertragen?
W. Seybold: Auf Basis vorhandener historischer Daten und mithilfe der Lebenszeitanalyse kann etwa ein Mobilfunkanbieter ermitteln, wann ein Kunde voraussichtlich kündigen wird. Mit diesem Ergebnis können rechtzeitig entsprechende Marketingmaßnahmen aufgesetzt werden, um den Kunden bei der Stange zu halten.

Ein weiteres Beispiel betrifft das Sammeln von Maschinendaten, Stichwort „Industrie 4.0“. Anhand dieser Informationen lässt sich ermitteln, wann eine Wartung fällig oder das Gerät seinen Geist aufgeben wird. So ermitteln Big-Data-Analysen den optimalen Zeitraum für Reparaturen und können damit die Lebensdauer von Maschinen verlängern sowie  Wartungszyklen optimieren.

IT-DIRECTOR: Demnach liegt die Stärke dieser Algorithmen nicht nur darin, neue Erkenntnisse zu gewinnen, sondern auch nutzbringenden Aktionen anzustoßen ...
W. Seybold: ... was mitunter ethische Bereiche, Datenschutz sowie die Privatsphäre von Nutzern tangieren kann. Generell gilt: Nicht alles, was analysierbar ist, sollte auch ausgewertet werden. Ein heikles Thema sind an dieser Stelle beispielsweise die Auswertungen sozialer Netzwerke wie Facebook. Zwar ist die Auswertung von Nutzerdaten ein wichtiger Teil des Geschäftsmodells von Betreibern sozialer Dienste oder Netzwerke, doch immer mehr Konsumenten wehren sich dagegen und pochen auf ihr Recht auf Privatsphäre. Rückendeckung erhalten sie zumindest in Europa seitens der Justiz: So hat die Europäische Kommission kürzlich dem Facebook-Kauf von WhatsApp nur zugestimmt, wenn der US-Anbieter keine Auswertung der Benutzerdaten des Instant-Messaging-Dienstes vornimmt. Da dies dem Geschäftsmodell von Facebook komplett zuwider läuft, wird sich zeigen, wie die Übernahme weitergehen wird.

IT-DIRECTOR: Welche möglichen Gefahren sehen Sie hier für die Verantwortlichen?
W. Seybold: Ein Unternehmen, das die Auswertung persönlicher Daten übertreibt und dabei den Schutz privater Daten missachtet, kann schnell Weg vom Fenster sein, vor allem wenn die breite Öffentlichkeit davon Wind bekommt. Ein solches Vorgehen ist kontraproduktiv und geschäftsschädigend. Hier werden sich in Zukunft sicherlich einige Firmen die Finger verbrennen. Die Verantwortlichen sollten daher darüber nachdenken, welche Sachverhalte sie mit Big Data analysieren möchten und entsprechende Policies aufsetzen. An dieser Stelle besitzt Data Governance eine große Bedeutung. Dabei definiert man Regeln, die die Brücke zwischen gesetzlichen Vorgaben und Geschäftsnutzen schlagen können.

IT-DIRECTOR: Sie erwähnten die Lebenszeitanalyse – in diesem Zusammenhang geht es vor allem um die Prognosefähigkeit. Im Branchenjargon spricht man gerne von Predictive Analytics – inwieweit sind solche vorausschauenden Erhebungen überhaupt aussagekräftig und zuverlässig? Oder handelt es sich allein um unnütze Spielereien?
W. Seybold: Sie können durchaus nützlich sein. Vor kurzem haben wir im Bereich Predictive Analytcis für ein US-amerikanisches College ein Projekt aufgesetzt: Anders als viele deutsche Hochschulen finanziert sich dieses größtenteils durch Spenden. Im Zuge dessen hatte man über die Jahrzehnte hunderttausende von Adressen gesammelt, auch von Kleinspendern, die nur einmalig zehn Dollar gespendet haben. Aufgrund akuter Geldnot wollte das College seine Spender in einer großangelegten Aktion angehen. In diesem Zusammenhang erwies es sich als utopisch, hunderttausende Personen zeitgleich per Mail anzuschreiben oder gar anzurufen. Mittels unserer Software konnte der Pool an potentiellen Spendern auf wenige tausend reduziert werden – und zwar auf diejenigen Personen, bei denen die Wahrscheinlichkeit einer nochmaligen Spende am höchsten ist. Dies funktionierte wunderbar und wir konnten eine annähernd hundertprozentige Trefferquote erzielen.

Allerdings sollte man Predictive Analytics nicht als allwissende Glaskugel verstehen, mit der man die Zukunft haargenau voraussehen kann. Vielmehr geht es um Wahrscheinlichkeiten, die auf einer Mustererkennung, neudeutsch Pattern Recognition genannt, basieren. Grob gesagt bedeutet dies: In der Vergangenheit gibt es stets bestimmte Verhaltensmuster, die sich im Rahmen einer gewissen Wahrscheinlichkeit auch in der Zukunft wiederholen werden.

IT-DIRECTOR: Wie können Mitarbeiter die dafür notwendigen intelligenten Algorithmen ad hoc aus dem Ärmel schütteln?
W. Seybold: Amazon macht dies beispielslos vor: Aufgrund des früheren Kaufverhaltens sowie aktueller Klick- und Browseraktivitäten erhält der User konkrete Empfehlungen, die wiederum auf einer Wahrscheinlichkeitsberechnung basieren. Hierbei handelt es sich um einen voll automatisierten Prozess, bei dem niemand mehr Algorithmen aktiv setzen muss.

Allerdings gibt es durchaus Anwendungsszenarien, die den Faktor „Mensch“ berücksichtigen. Etwa in Finanzinstituten, wenn es um ein Risk Assessment für Darlehen geht: Hier ermittelt die Software ebenfalls in bekannter Manier gewisse Wahrscheinlichkeiten. Doch die letztliche Vergabe des Darlehens nimmt nach wie vor der betroffene Mitarbeiter vor, wobei ihn die Analysesoftware bei seiner Entscheidungsfindung unterstützt.

Die tatsächliche Entwicklung von Algorithmen ist natürlich Spezialisten vorbehalten und kann nicht von den Fachabteilungen abgefordert werden.

IT-DIRECTOR: Sie sprachen In-Memory-Datenbanken an. Seit März kooperieren Sie in diesem Zusammenhang mit Exasol, einem Anbieter einer solchen Hochleistungsdatenbank. Welche Ziele verfolgen Sie damit?
W. Seybold: Exasol liefert eine relationale, spaltenorientierte In-Memory-Datenbank, auf der wir mit unseren Analysetools aufsetzen können. Ähnliche Partnerschaften besitzen wir auch mit Anbietern anderer Datenbanken wie IBM, Infor, Microsoft, Oracle oder SAP. Allerdings arbeitet die Exasol-Datenbank gegenüber herkömmlichen Datenbanken viel schneller.

IT-DIRECTOR: Wie ist das möglich?
W. Seybold: Sämtliche Big-Data-Analysen benötigen In-Memory-Technologien. Anders ließen sich solche Auswertungen nicht realisieren, denn die Leistungsfähigkeit traditioneller relationaler Datenbanken reicht hierfür nicht aus.

IT-DIRECTOR: Weil es zu viele Rechenvorgänge wären?
W. Seybold: Um aus riesigen Datenmengen eine Mustererkennung zu generieren, müssen alle Informationen im Hauptspeicher vorliegen. Dann arbeiten komplizierte mathematische Formeln in einer extrem schnellen Geschwindigkeit zig Analysen ab, bis ein gewisses Muster erkennbar ist.

IT-DIRECTOR: Ersetzen Unternehmen aktuell ihre alten Datenbanken durch In-Memory-Systeme?
W. Seybold: Das wird kaum möglich sein, denn die klassischen Datenbanken werden nach wie vor dringend benötigt.

IT-DIRECTOR: Für welche Zwecke?
W. Seybold: Die meisten In-Memory-Datenbanken arbeiten spaltenorientiert. Das heißt, sie können Daten unheimlich schnell auslesen. Müssen die Daten jedoch in die Datenbank zurückgeschrieben werden – beispielsweise bei der Aktualisierung von Stammdaten im ERP-Bereich – arbeiten sie deutlich langsamer als etwa herkömmliche zeilenorientierte Datenbanken. Von daher dienen In-Memory-Systeme den Anwendern meist als Ergänzung.

Die Onlinehandelsplattform Ebay, die bereits früh mit In-Memory-Technologien gearbeitet hat, hat prinzipiell drei verschiedene Datenbankebenen im Einsatz: Um im Onlineportal Empfehlungen auszusprechen bzw. das Kundenverhalten zu analysieren, nutzt man spaltenorientierte In-Memory-Lösungen. Als Transaktionssystem – etwa um Daten in die Finanzsoftware zu übertragen – bleibt man einer zeilenorientierten Datenbank treu. Und der dritte Layer beinhaltet Datenbanken basierend auf Hadoop, die vorrangig zum Speichern von polystrukturierten Daten genutzt werden. Zudem ist Hadoop als quelloffenes System recht preiswert. Jeder dieser Layer hat eine spezielle Funktion, die durch den jeweils andern gar nicht oder nur unzulänglich abgedeckt wird.

IT-DIRECTOR: Demzufolge ist Hadoop keine In-Memory-Datenbank?
W. Seybold: Genau, Hadoop ist bei lesenden Zugriffen, also Abfragen, sogar relativ langsam. Hingegen ist Hadoop bei der Aufnahme von großen Mengen polystrukturierter Daten eine Nummer für sich. Es ist das perfekte System zur Archivierung großer Datenberge. Ebay speichert dort beispielsweise die Daten aller abgelaufenen Auktionen, die Jahre später eventuell nochmals ausgewertet werden sollen.

Tatsächlich wird im Hadoop-Umfeld aber gerade sehr intensiv mit der Einbindung von In-memory-Technologie getestet. Es bleibt also spannend.

IT-DIRECTOR: Welche Rolle spielt in diesem Zusammenhang die In-Memory-Datenbank SAP Hana?
W. Seybold: Die Walldorfer versuchen ein Hybridmodell am Markt zu etablieren – eine Mischung aus zeilenorientierter und spaltenorientierter Technologie. Allerdings sind rein spaltenorientierte analytische Datenbanken nicht nur preisgünstiger, sondern auch einfacher zu warten.

IT-DIRECTOR: Cubeware agiert seit langem als SAP-Partner – inwieweit unterstützen Sie Hana?
W. Seybold: Wir haben bereits konkrete Ansätze sowie Kunden, die Hana einsetzen oder gerade testen. Hinsichtlich Datenbankentechnologien sind wir generell neutral aufgestellt. Wir verfahren nach dem Best-of-Breed-Ansatz und orientieren uns am jeweiligen Kunden-Projekt und geben hierfür die sinnvollste Empfehlung – das könnte Exasol, aber auch SAP Hana sein.

IT-DIRECTOR: Ihre Kunden stammen aus dem Mittelstand oder sind Großunternehmen – wer fragt bereits konkrete Big-Data-Projekte an?
W. Seybold: Es gibt vereinzelte Projekte, allerdings fällt die Nachfrage im Vergleich zum US-amerikanischen Markt deutlich geringer aus. Der deutsche Markt ist zurückhaltender und die Unternehmen befinden sich in einer Art Wartestellung. Zwar ist Big Data im Gespräch, jedoch laufen konkrete Projekte erst langsam an. Von daher erkennen wir einen Markt, der hierzulande noch in den Kinderschuhen steckt.

IT-DIRECTOR: Mit welchen Kosten sollten die Unternehmen rechnen?
W. Seybold: Um Daten zu sammeln und zu verarbeiten, benötigt man Soft- wie Hardware, weshalb Investitionen in entsprechende Server und Softwarelizenzen an erster Stelle stehen. Zudem benötigt man Mitarbeiter-Know-how sowie Berater, die sich im Big-Data-Umfeld auskennen. Dabei sind die Kosten für Dienstleistungen vergleichbar mit den Ausgaben für Hard- und Software-Anschaffungen. Denn das notwendige Wissen ist in kaum einem Unternehmen vorhanden. Insbesondere wenn es um die Erstellung von Algorithmen geht, stoßen viele Unternehmen an ihre Grenzen. Ausnahmen sind sicherlich Banken und Versicherungen, die sowohl Mathematiker als auch Statistiker beschäftigen.

IT-DIRECTOR: Werden Big-Data-Tools in der Praxis an der IT-Abteilung vorbei eingeführt? Und spricht man dabei nicht gerne von „Self Service BI“?
W. Seybold: Self-service BI ist nicht immer gleich Self-service BI. Meist handelt es sich bei näherem Hinsehen wohl eher um eine Marketingerfindung. Denn oftmals verbirgt sich dahinter eher ein „Self-Service-Berichtswesen“. Das heißt, vorgefertigte Berichte können vom Anwender noch ein bisschen individualisiert werden. Mehr nicht. Mit „Intelligence“ hat das meist wenig zu tun. Natürlich gibt es aber in der klassischen BI auch Tools, die tiefergehende Ad-hoc-Analysen erlauben und vom Standard abweichen. Dies ist aber meist Power-Usern vorbehalten.

„Self-service Big-Data-Analytics“ ist aber dann endgültig im Märchenland anzusiedeln, denn derartige Auswertungen sind in der Regel so komplex, dass sie per Selbstbedienung nicht zu machen sind; vielmehr arbeiten hochspezialisierte Mitarbeiter daran.

IT-DIRECTOR: Neben Big-Data-Analysen fokussiert sich Cubeware auch auf mobiles BI – wie sind Sie hier aufgestellt?
W. Seybold: Dies ist für uns ein sehr interessantes Thema, wobei es sich bei mobiler Business Intelligence im Vergleich zur traditionellen BI um einen komplett anderen Ansatz handelt. Dennoch haben zahlreiche BI-Hersteller einfach ihre Desktopapplikationen etwas abgespeckt auf mobile Endgeräte übertragen. Ihnen ging es vorrangig darum, Berichte auf „kleinen“ Bildschirmen anzeigen zu lassen.

Demgegenüber verfolgen wir einen weitergehenden Ansatz. Sicherlich geht es auch bei uns um die optimale Darstellung von Berichten auf den Devices. Darüber hinaus nutzen wir jedoch aktiv die vorhandenen Funktionen der Geräte. Und wir haben verschiedene Collaboration-Möglichkeiten integriert, mit denen Berichte von unterwegs bearbeitet und kommentiert sowie mit diesen Kommentaren an Kollegen weitergeleitet werden können.

Nicht zuletzt zählen wir zu den wenigen BI-Anbietern, deren Mobile-BI-App ein Zurückschreiben von Informationen in die Datenbank ermöglicht. Ohne in den Hauptbericht einzugreifen, können die User in den mobil bereitgestellten Reports z.B. die Jahreszahlen oder die verwendeten Vertriebsregionen überschreiben und eine entsprechend neue Darstellung erhalten.

IT-DIRECTOR: Ermöglicht die App einen direkten Zugriff auf den Firmenserver?
W. Seybold: Ja, und zwar über eine verschlüsselte VPN-Verbindung. In einem unserer Projekte versorgen wir den gesamten Außendienst, knapp 1.600 Mitarbeiter, mit Informationen über unsere App. Damit können die Vertriebler vor Ort beim Kunden entsprechende Analysen aufsetzen, wodurch das mobile BI-Tool immer mehr in den Verkaufsprozess integriert wird. Es geht nicht mehr um reines Berichtswesen, sondern das Tool mutiert zu einem aktiven Instrument für die Entscheidungsfindung.

Desweiteren sehen wir im Finanzdienstleistungsbereich interessante Ansätze für Mobile BI: Will ein Bankkunde sein Konto über den festgesetzten Dispo hinaus überziehen, wird der zuständige Bankmitarbeiter via Smartphone unmittelbar darüber informiert und kann entscheiden, ob das Kreditlimit ad hoc erhöht werden soll. Dabei bekommt er dank Mobile BI gleichzeitig sämtliche Risikofaktoren aufgelistet.

IT-DIRECTOR: Wie sicher sind mobile BI-Lösungen? Stellt deren Verwendung insbesondere bei Auslandsreisen nicht ein erhöhtes Risiko dar?
W. Seybold: Für die meisten unserer Kunden stellt dies im Moment kein Problem dar. Dennoch machen wir uns über künftige Absicherungen Gedanken. So lohnen sich beispielsweise Technologien, in deren Rahmen Dokumente oder Anhänge, die an ein mobiles Gerät gesandt werden, mit einem Verfallsdatum versehen werden. Je nach Einstellung erhält der mobile Nutzer einen Zeitraum zugewiesen, um sich die Datei näher anzusehen. Ist dieser abgelaufen, wird sie automatisch sicher gelöscht. Dabei kann der Nutzer weder die Inhalte herunterladen noch auf den Löschvorgang selbst Einfluss nehmen.

IT-DIRECTOR: Ein Blick nach vorne: Wie will sich Cubeware im BI-Umfeld künftig positionieren?
W. Seybold: Wir wollen unseren internationalen Ausbau weiter vorantreiben, was auch hiesigen Kunden in die Karten spielt, da uns speziell der US-Markt hinsichtlich BI und Big Data ein bis zwei Jahre voraus ist.

Überdies steht die Anpassung unserer Software-Architektur an aktuelle Trends auf der Aufgabenliste. Ein großes Thema stellt u.a. die sogenannte operative Business Intelligence dar. Hier geht es darum, BI in Transaktionssysteme einzubetten, damit in Echtzeit operative Entscheidungen getroffen werden können. Mögliche Einsatzfelder findet man beispielsweise in der Speditionsbranche: Dort plant die Disposition alle Routen für die LKW-Fahrer. Auf Basis eines mit der Wettervorhersage verknüpften Modells kann die Planung z.B. bei Schnee- und Glatteiswarnungen geändert oder gar gestoppt werden. Damit kann man vermeiden, dass fünf von 100 LKW in einen Unfall verwickelt wären oder irgendwo im Schnee steckenbleiben.

IT-DIRECTOR: Ist es nicht logisch, bei winterlichen Wetterverhältnissen den LKW-Einsatz vorsichtiger zu planen?
W. Seybold: Sicher schickt kein Disponent seine Fahrer bei widriger Witterung auf die Straße. Die operative BI geht jedoch einen Schritt weiter und kann die damit verbundenen Folgen – z.B. die nicht möglichen Warenauslieferungen – zum einen voraussehen und zum anderen neu planen.

Ein weiteres Beispiel zeigt das in unserer Region heftige Hochwasser im vergangenen Jahr: In den Bergen nahe Rosenheim gibt es Schleusen, die beispielsweise den Zufluss von Schmelzwasser in den Inn regulieren und damit Überflutungen vorbeugen. Vergangenes Jahr haben sich die Speicherseen parallel zum regenbedingten Ansteigen der Flüsse planmäßig gefüllt. Im nächsten Schritt haben die zuständigen Mitarbeiter gemäß ihrer Richtlinien die Schleusen bei einem gewissen Pegelstand geöffnet. Da der Flusspegel jedoch aufgrund des heftigen Dauerregens gleichzeitig rapide anstieg, führte diese Aktion dazu, dass sich die Hochwassersituation deutlich verschärfte. Mittels BI-Software hätte man anhand der pro Quadratmeter fallenden Regenmengenprognose leicht erkennen können, dass man die Schleusen besser einen Tag früher oder später öffnen sollte.

IT-DIRECTOR: Trotz solch nützlicher Einsatzszenarien bleibt die Angst insbesondere vor dem Missbrauch persönlicher Daten ...
W. Seybold: Hierzu fallen mir zwei US-Beispiele ein: Zum einen erhielt eine Jugendliche eines Tages Post von einer Drogeriekette, die zahlreiche Materialien und Informationen rund um das Thema „Schwangerschaft“ enthielt. Eltern wie Tochter erfuhren erst dadurch vom künftigen Nachwuchs. Als Grundlage dieser Aktion dienten der Drogerie die letzten Einkäufe der Tochter. Denn auf Basis ihres Kaufverhaltens erkannte die Analysesoftware eine mögliche Schwangerschaft und stieß den Versand der entsprechenden Werbung an.

Zum anderen zeichnet der E-Book-Reader eines bekannten Anbieters sämtliches Leseverhalten der Nutzer auf. In der Praxis funktioniert dies wie folgt: Lädt man ein E-Book herunter und beginnt zu lesen, wird genau gemessen, wie schnell man von einer auf die nächste Seite springt. Zudem wird vermerkt, an welcher Stelle man per Fingerzeig etwas markiert, welche Passagen im Lesefluss mehrmals gelesen werden oder welche Fremdwörter man nachgeschlagen hat. Anhand dieser Daten kann der Anbieter recht zielgenau den Intelligenzquotienten des Lesers berechnen. Dabei werden die Daten im Reader offline im Hintergrund gesammelt und beim nächsten Download eines E-Books bzw. der Verbindung mit dem Internet an die Server übermittelt.

IT-DIRECTOR: Was bringt es, über den IQ eines Menschen Bescheid zu wissen?
W. Seybold: Einerseits kann der Anbieter so seine Marketingmaßnahmen weiter verfeinern und die Kundenansprache individualisieren. Andererseits könnte der IQ von weit über zehn Millionen Kunden auch in falsche Hände geraten. Betrüger und Kriminelle würden dann natürlich versuchen, die etwas weniger „hellen“ Personen mit einem IQ zwischen 80 und 90 über den Tisch zu ziehen.

Des Weiteren lässt sich auf den Gesundheitszustand und die Krankheitsbilder von Lesern schließen. Bevorzugt ein E-Book-Nutzer Literatur über Krebs, könnte man ableiten, dass entweder er selbst oder eine nahestehende Person daran erkrankt ist. Befasst er sich im nächsten Schritt verstärkt mit einer einzigen Krebsvariante, kann die Software genaue Diagnosen über das Krankheitsbild des Betroffenen ermitteln – inklusive möglicher Überlebenschancen. Meiner Ansicht nach sollten Erhebungen, die so tief in die Privatsphäre eines Menschen eingreifen, strikt verboten werden. Denn solche gesammelten Daten schreien gerade danach, missbraucht zu werden.

IT-DIRECTOR: Jeder Nutzer muss doch wohl erst den Anbieter-Nutzungsbedingungen zustimmen, bevor diese Daten gesammelt werden ...
W. Seybold: Ja, aber Hand aufs Herz: Wie oft liest man im Internet die Nutzungsbestimmungen von Onlineservices wie Facebook, iTunes oder Twitter tatsächlich vollständig durch? Und selbst wenn man die Zeit dazu hätte, wären diese Formulierungen wasserdicht, da die Anbieter sämtliche Eventualitäten von Juristen überprüfen lassen und sämtliche Folgen juristisch absichern.

Wolfgang Max Seybold
Alter: 52 Jahre
Werdegang: Wolfgang Seybold hat 30 Jahre Erfahrung in der High-Tech-Branche und als CEO. Stationen seiner Laufbahn als CEO umfassen u.a. Fox Technologies, Black Pearl und Mindware.
Derzeitige Position: Geschäftsführer bei Cubeware
Hobby: Golf und Garten