Daten wirken objektiv, entstehen aber immer durch Entscheidungen und sind eine Selektion. Diese Selektion formt die Basis eines Datensets. Voreingenommenheiten und Vorurteile können daraus resultieren. Data-Bias nennt sich diese Datenverzerrung.

Bias, Auswahl und Kontext

Daten sind nie neutral

Was gemessen wird, wie gemessen wird und was weggelassen wird, prägt die Aussage jeder Datenbasis.

Daten erscheinen oft neutral. Doch sie werden gesammelt, strukturiert, bereinigt, kategorisiert und interpretiert. Jeder dieser Schritte ist eine Entscheidung.

Schon die Wahl, was getrackt wird, formt das Bild der Wirklichkeit. Ein Interface, das nur Klicks misst, sieht andere Dinge als ein Forschungsteam, das zusätzlich Interviews führt. Eine Plattform, die Reichweite priorisiert, sammelt andere Signale als ein System, das auf Qualität achtet.

Für die Gestaltung bedeutet das: Zahlen sind nicht einfach «wahr». Sie sind immer auch ein Produkt aus Messlogik, Plattforminteressen und Modellannahmen. Darum benötigt Big Data kritisches Lesen. Wer gestaltet, sollte nicht nur Visualisierungen zeichnen, sondern auch die Herkunft und Grenzen der Daten mitdenken.

Je grösser eine Datenbasis wird, desto wichtiger wird diese Haltung. Denn grosse Mengen kaschieren Bias nicht automatisch – sie können ihn auch verstärken.

Frage für die Praxis: Welche Nutzer:innen, Situationen oder Perspektiven bleiben in einer Datenbasis unsichtbar?

Vertiefe dich ins ganze Kapitel

Big-Data