KE_2_Ethik

Die Informationstheorie untersucht die Speicherung, Quantifizierung und Kommunikation von Informationen und integriert Wahrscheinlichkeitsrechnung, Statistik und Informatik.

Sie werden in intelligenten Häusern, medizinischen Instrumenten und zur Überwachung von Wetterbedingungen genutzt, um Katastrophen wie Überschwemmungen oder Waldbrände zu vermeiden.

Volumen: Die Menge der erzeugten und gespeicherten Daten ist enorm und wächst stetig. Große Datenmengen erfordern spezielle Technologien zur Speicherung und Verarbeitung. Vielfalt: Daten existieren in unterschiedlichen Formaten, wie strukturierten, halbstrukturierten und unstrukturierten Daten (z. B. Text, Bilder, Audio, Video, Tabellen). Geschwindigkeit (Velocity): Daten werden oft in Echtzeit generiert und verarbeitet, insbesondere durch Technologien wie das Internet der Dinge (IoT). Wahrhaftigkeit (Veracity): Die Genauigkeit und Vertrauenswürdigkeit von Daten kann variieren, da sie fehlerhaft oder unvollständig sein können. Wert (Value): Der Nutzen, der aus Daten gewonnen werden kann, hängt von ihrer Analyse und den erzielten Einblicken ab. Daten sind wertvoll, wenn sie Entscheidungsprozesse unterstützen. Variabilität: Daten können sich in ihrer Bedeutung oder Struktur ändern, abhängig vom Kontext oder der Zeit. Verknüpfbarkeit: Daten können miteinander in Beziehung gesetzt werden, um neue Informationen oder Muster zu entdecken.

Daten-in-Bewegung: Velocity kann als Daten-in-Bewegung beschrieben werden. Zum Beispiel der Strom von Messungen, die von einem Sensor genommen werden, die Klicks jedes Besuchers auf einer Website, Ablesen von einem Smart-Meter usw. - Die Lebensdauer der Datennutzung: Die zweite Dimension der Geschwindigkeit befasst sich mit der Gültigkeit der Daten. Sind die Daten dauerhaft wertvoll oder altern sie schnell und verlieren ihre Bedeutung und Wichtigkeit? - Geschwindigkeit der Verarbeitung: Die letzte Dimension der Geschwindigkeit ist die Geschwindigkeit, mit der die Daten gespeichert und abgerufen werden müssen.

Soziale Medien liefern öffentlich geteilte Informationen wie Standorte und geteilte Links, die zur Entwicklung personalisierter Marketingstrategien genutzt werden.

Räumliche Daten, auch geografische Daten, beziehen sich auf Standorte und können in Vektor- und Rasterformaten dargestellt werden.

Medizinische Daten, die bei Arztbesuchen gesammelt werden, sind entscheidend für Forschung und Entwicklung, sowie für die Diagnose und Behandlung von Krankheiten.

Big Data bezeichnet große Datenmengen, die strukturiert, halbstrukturiert oder unstrukturiert sein können. Sie werden computergestützt analysiert, um Muster und Trends zu erkennen.

Dateneigentum bezieht sich auf den Besitz und die Verantwortung für Daten, einschließlich der Befugnis, diese zu erstellen, zu aktualisieren, zu teilen und den Zugriff darauf zu beschränken.

Datendiebstahl bezeichnet das unbefugte Stehlen, Kopieren oder Löschen von Daten. Formen sind z. B. Identitätsdiebstahl, Diebstahl von Kreditkarteninformationen und Forschungsergebnissen.

Der Wert von Daten bemisst sich durch ihren Nutzen für Mensch und Gesellschaft, z. B. durch personalisiertes Marketing, Optimierung von Betriebsabläufen und Kundenzufriedenheit.

Datenmissbrauch ist die Nutzung von Daten auf unerwartete oder nicht erlaubte Weise, z. B. wenn ein Krankenhaus Patientendaten an Versicherungsagenten weitergibt.

Die Übernutzung von Daten kann die intellektuelle Fähigkeit und Entscheidungsfähigkeit von Individuen beeinträchtigen und datengetriebene Katastrophen verursachen.

Ein Gleichgewicht ist notwendig, um Systeme effektiv zu führen und datengetriebene Katastrophen zu vermeiden, da menschliche Entscheidungen oft unersetzlich sind.

Big Data gilt als transformative Technologie, die Wirtschaft und Gesellschaft ähnlich wie die industrielle Revolution grundlegend verändert, indem sie Produktivitätssteigerungen und neue Arbeitsmöglichkeiten schafft, aber auch Arbeitsplätze abbauen kann.

Die vier Vs von Big Data sind Volume (Datenmenge), Velocity (Geschwindigkeit der Verarbeitung), Variety (Vielfalt der Datenquellen und Formate) und Veracity (Zuverlässigkeit der Daten).

Algorithmen sind entscheidend, da sie aus großen Datenmengen lernen, sich an neue Situationen anpassen und technologische Fortschritte antreiben.

Es schützt den Einzelnen vor der unbegrenzten Erhebung, Speicherung, Verwendung und Weitergabe persönlicher Daten durch den Staat oder andere Akteure.

Verarbeitung nur mit Zustimmung und Zweckbindung. Datensparsamkeit: nur notwendige Daten erheben. Richtigkeit und Korrektur fehlerhafter Daten. Speicherung nur so lange wie nötig. Vertraulichkeit und Schutz vor Missbrauch. Rechenschaftspflicht der Unternehmen.

Es erlaubt Nutzern, ihre Daten beim Verlassen eines Anbieters mitzunehmen, sodass sie diese bei einem neuen Anbieter weiterverwenden können.

1. Überwachung: Verlust der Privatsphäre durch lückenlose Persönlichkeitsprofile. 2. Kontrollverlust: Nutzer wissen oft nicht, welche Daten gespeichert sind. 3. Manipulation: Filterblasen und Social Bots beeinflussen die Wahrnehmung. 4. Diskriminierung: Ungleiche Behandlung durch datenbasierte Entscheidungen. 5. Negative Verteilungseffekte: Individualisierte Preise benachteiligen Verbraucher in Notlagen. 6. Machtkonzentration: Große Plattformen dominieren den Markt.

Datenschutzmaßnahmen müssen von Unternehmen direkt in Produkte und Dienstleistungen integriert werden, um Missbrauch zu verhindern.

Cookies nur nach individueller Zustimmung erlauben. Nutzer können Cookies in den Browsereinstellungen generell blockieren. Schutz der elektronischen Kommunikation vor Tracking und Missbrauch.

Die Wirtschaft wandelt sich von einem Finanz- zu einem Datenkapitalismus, in dem Daten statt Preisen zur Koordination von Wahlhandlungen genutzt werden, was effizientere Lösungen ermöglicht.

Data Science kann intelligente Städte entwickeln, Umweltprobleme wie Kohlenstoffemissionen bewältigen und das private sowie öffentliche Leben verbessern.

Herausforderungen umfassen Fairness, Verantwortung, Menschenrechte, Datenschutz und die Reduzierung menschlicher Kontrolle über automatisierte Prozesse.

Datenethik untersucht und bewertet moralische Probleme im Umgang mit Daten, Algorithmen und entsprechenden Praktiken, um ethisch gute Lösungen zu finden und Werte wie Menschenrechte zu wahren.

Datenethik verschiebt den Fokus von einer informationszentrierten Ebene (LoAI) auf eine datenzentrierte Ebene (LoAD) und konzentriert sich stärker auf die moralischen Dimensionen der Datennutzung.

Datenschutz, Anonymität, Transparenz, Vertrauen, Verantwortung sowie die Sammlung, Verarbeitung und Nutzung von Daten.

Der Übergang zeigt, dass nicht spezifische Technologien, sondern die Manipulation von Daten durch diese Technologien die zentrale Herausforderung darstellt.

Der Schutz von Daten vor Missbrauch, insbesondere durch Anonymisierung, Transparenz und Verantwortlichkeit in ihrer Verarbeitung und Nutzung.

Sie analysiert Probleme bei der Datenerzeugung, -nutzung und -weitergabe und setzt sich für verantwortungsvolle Innovation, Programmierung und berufliche Kodizes ein.

Vertrauen ist zentral, da es die Grundlage für den verantwortungsvollen Umgang mit Daten bildet und gesellschaftliches Vertrauen in datengetriebene Technologien schafft.

Sie lenken den Fokus auf Hardware und spezifische Technologien, statt auf die moralischen Dimensionen der Datennutzung, die den Kern der Herausforderungen bilden.