Dimensionen von Big Data: Eine politikwissenschaftliche Systematisierung

  • Lena Ulbricht
  • Sebastian Haunss
  • Jeanette Hofmann
  • Ulrike Klinger
  • Jan-Hendrik Passoth
  • Christian Pentzold
  • Ingrid Schneider
  • Holger Straßheim
  • Jan-Peter Voß
Chapter
Part of the Technikzukünfte, Wissenschaft und Gesellschaft / Futures of Technology, Science and Society book series (TEWG)

Zusammenfassung

Aus Big Data, der massenhaften Sammlung und Auswertung der vielfältigen Daten, die durch die Digitalisierung aller Lebensbereiche entstehen, erwachsen neue Phänomene, die zentrale politikwissenschaftliche Erkenntnisse und Konzepte infrage stellen und die durch moderne Gesellschaften bewertet und reguliert werden müssen. Ziel dieses Beitrags ist es, Big Data in seinen vielfältigen Bedeutungen für die politikwissenschaftliche Forschung zu erschließen und eine Systematik für künftige Forschung zu entwickeln. Fluchtpunkt ist dabei die These, dass sich durch Big Data die Bedingungen kollektiv bindenden Entscheidens verändern, indem soziale Wissensbestände, Normen und Regulierung einer radikalen Mikrofokussierung unterworfen werden. Seine Wirkung entfaltet Big Data, so die Annahme, indem es kollektiv geteilte Erwartungen weckt oder begrenzt – in kulturell-kognitiver, normativer und regulativer Hinsicht. Zugleich wird Big Data wiederum selbst durch kollektive Erwartungen geprägt. Die Tiefe und Reichweite der durch Big Data verursachten Änderungen ist allerdings je nach Dimension und Bereich ganz unterschiedlich.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Acquisti, A., & Gross, R. (2009). Predicting Social Security numbers from public data. Proceedings of the National Academy of Sciences of the United States of America 106(27), 10975-10980.Google Scholar
  2. Acquisti, A. (2014). The Economics and Behavioral Economics of Privacy. In J. Lane, V. Stodden, S. Bender & H. Nissenbaum (Hrsg.), Privacy, Big Data, and the Public Good (S. 76-95). New York: Cambridge University Press.Google Scholar
  3. Agho, O. (2015). New Political Actors in the Age of Big Data (Master’s Thesis, Georgetown University, Washington, D.C., United States). https://repository.library.georgetown.edu/handle/10822/760824. Zugegriffen: 05. Dezember 2016.
  4. Ajana, B. (2015). Augmented borders: Big Data and the ethics of immigration control. Journal of Information, Communication and Ethics in Society 13(1), 58-78.  https://doi.org/10.1108/jices-01-2014-0005
  5. Albrecht, J. P. (2014). Finger weg von unseren Daten! Wie wir entmündigt und ausgenommen werden. München: Knaur.Google Scholar
  6. Alemanno, A., & Sibony, A. L. (Hrsg.). (2015). Nudge and the Law: a European Perspective. Oxford: Hart Publishing.Google Scholar
  7. Amoore, L. (2011). Data Derivatives. Theory, Culture & Society 28(6), 24-43.  https://doi.org/10.1177/0263276411417430
  8. Amoore, L., & Goede, M. (2012). Introduction. Journal of Cultural Economy 5(1), 3-8.  https://doi.org/10.1080/17530350.2012.640548
  9. Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016). Machine Bias. ProPublica. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing. Zugegriffen: 13. Januar 2017.
  10. Austin, J. L. (1975 [1962]). How to do things with words. Cambridge, MA: Harvard University Press.Google Scholar
  11. Barbero, M., Coutuer, J., Jackers, R., Mouddene, K., Renders, E., Stevens, W., Toninato, Y., Peijl, S., & Versteele, D. (2016). Big data analytics for policy making: A study prepared for the European Commission DG INFORMATICS (DG DIGIT). https://joinup.ec.europa.eu/sites/default/files/dg_digit_study_big_data_analytics_for_policy_making.pdf. Zugegriffen: 13. Januar 2017.
  12. Barocas, S., & Nissenbaum, H. (2014). Big Data’s End Run around Anonymity and Consent. In J. Lane, V. Stodden, S. Bender & H. Nissenbaum (Hrsg.), Privacy, Big Data, and the Public Good (S. 44-75). New York: Cambridge University Press.  https://doi.org/10.1017/cbo9781107590205.004
  13. Barocas, S., & Selbst, A. D. (2016). Big Data’s Disparate Impact. California Law Review 104(3), 671-732.Google Scholar
  14. Beckert, J. (2016). Imagined Futures. Fictional Expectations and Capitalist Dynamics. Cambridge: Harvard University Press.Google Scholar
  15. Beer, D. (2016). How Should We Do the History of Big Data? Big Data & Society 1(3), 1-10.Google Scholar
  16. Behavioural Insights Team (2014). EAST. Four simple ways to apply behavioural insights. http://38r8om2xjhhl25mw24492dir.wpengine.netdna-cdn.com/wp-content/uploads/2015/07/BIT-Publication-EAST_FA_WEB.pdf. Zugegriffen: 09. Februar 2017.
  17. Berger, P. L., & Luckmann, T. (1980 [1966]). Die gesellschaftliche Konstruktion der Wirklichkeit. Frankfurt a. M.: Fischer.Google Scholar
  18. Berger, P.L., & Luckmann, T. (1966). The social construction of reality: A treatise on the sociology of knowledge. New York: Anchor Books.Google Scholar
  19. Biem, A., Bouillet, E., Feng, H., Ranganathan, A., Riabov, A., Verscheure, O., Koutsopoulos, H., & Moran, C. (2010). IBM infosphere streams for scalable, real-time, intelligent transportation services. In Proceedings of the 2010 ACM SIGMOD International Conference on Management of data (S. 1093-1104).Google Scholar
  20. Bimber, B. (2014). Digital Media in the Obama Campaigns of 2008 and 2012: Adaptation to the Personalized Political Communication Environment. Journal of Information Technology & Politics 11(2), 130-150.  https://doi.org/10.1080/19331681.2014.895691
  21. Bishop, J. (2014). Representations of ‘trolls’ in mass media communication: a review of media-texts and moral panics relating to ‘internet trolling’. International Journal of Web Based Communities 10, 7-24.Google Scholar
  22. Black, J. (2002). Regulatory Conversations. Journal of Law and Society 29(1), 163-196.Google Scholar
  23. Black, J. (2008). Constructing and contesting legitimacy and accountability in polycentric regulatory regimes. Regulation & Governance 2(2), 137-164.Google Scholar
  24. Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of Computational Science 2(1), 1-8.Google Scholar
  25. Bourdieu, P. (2009 [1981]). Beschreiben und Vorschreiben. Die Bedingungen der Möglichkeit politischer Wirkung und ihre Grenzen. In H. Beister, E. Kessler, J. Ohnacker, R. Schmid & B. Schwibs (Hrsg.), Politik: Schriften zur Politischen Ökonomie 2 (S. 11-22). Konstanz: UVK.Google Scholar
  26. Bourdieu, P. (2009 [1984]). Delegation und politischer Fetischismus. In H. Beister, E. Kessler, J. Ohnacker, R. Schmid, & B. Schwibs (Hrsg.), Politik: Schriften zur Politischen Ökonomie 2 (S. 23-41). Konstanz: UVK.Google Scholar
  27. Bowker, G. C. (2013). Data Flakes: An Afterword to „Raw Data“ Is an Oxymoron. In L. Gitelman (Hrsg.), „Raw Data“ Is an Oxymoron (S. 167-171). Cambridge, MA: MIT Press.Google Scholar
  28. Boyd, D., & Crawford, K. (2012). Critical questions for big data. Information, Communication & Society 15(5), 662-667.Google Scholar
  29. Brevoort, K. P., Grimm, P., & Kambara, M. (2015). Data Point: Credit Invisibles. http://files.consumerfinance.gov/f/201505_cfpb_data-point-credit-invisibles.pdf. Zugegriffen: 13. Januar 2017.
  30. Bundeskartellamt (2016a). Bundeskartellamt eröffnet Verfahren gegen Facebook wegen Verdachts auf Marktmachtmissbrauch durch Datenschutzverstöße. http://www.bundeskartellamt.de/SharedDocs/Meldung/DE/Pressemitteilungen/2016/02_03_2016_Facebook.html. Zugegriffen: 27. Januar 2017.
  31. Bundeskartellamt (2016b). Französische und deutsche Wettbewerbsbehörde veröffentlichen gemeinsames Papier zu Daten und ihren Auswirkungen auf das Wettbewerbsrecht. http://www.bundeskartellamt.de/SharedDocs/Meldung/DE/Pressemitteilungen/2016/10_05_2016_Big%20Data.html. Zugegriffen: 06. Februar 2017.
  32. Bundeskartellamt (2016c). Bundeskartellamt veröffentlicht Arbeitspapier zum Thema „Marktmacht von Plattformen und Netzwerken“. http://www.bundeskartellamt.de/SharedDocs/Meldung/DE/Pressemitteilungen/2016/09_06_2016_Think%20Tank.html. Zugegriffen: 14. Februar 2017.
  33. Butler, J. (2015). Notes Toward a Performative Theory of Assembly. Cambridge, MA: Harvard University Press.Google Scholar
  34. Butler, J. (1988). Performative acts and gender constitution: An essay in phenomenology and feminist theory. Theatre journal, 519-531.Google Scholar
  35. Callon, M. (2007). What Does It Mean to Say That Economics Is Performative? In D. MacKenzie, F. Muniesa & L. Siu (Hrsg.), Do Economists Make Markets? On the Performativity of Economics (S. 311-357). Princeton: Princeton University Press.Google Scholar
  36. Chang, R. M., Kauffman, R. J., & Kwon, Y. (2014). Understanding the paradigm shift to computational social science in the presence of big data. Decision Support Systems 63, 67-80.Google Scholar
  37. Cheney-Lippold, J. (2016).Jus Algoritmi: How the National Security agency Remade Citizenship. International Journal of Communication 10, 1721-1742.Google Scholar
  38. Chideya, F. (2015). Political Data is Everywhere — But What Does It All Mean? The Intercept. https://theintercept.com/2015/07/17/political-data-mining-2016-election. Zugegriffen: 03. Februar 2017.
  39. Christin, A., Rosenblat, A., & Boyd, D. (2015). Courts and Predictive Algorithms. http://www.datacivilrights.org/pubs/2015-1027/Courts_and_Predictive_Algorithms.pdf. Zugegriffen: 13. Januar 2017.
  40. Christl, W. (2014). Kommerzielle Digitale Überwachung im Alltag. Studie im Auftrag der österreichischen Bundesarbeitskammer. http://crackedlabs.org/dl/Studie_Digitale_Ueberwachung.pdf. Zugegriffen: 13. Januar 2017.
  41. Clarke, A., & Margetts, H. (2014). Governments and citizens getting to know each other? Open, closed, and big data in public management reform. Policy & Internet 6, 393-417.Google Scholar
  42. Clemons, E. K. (2015). The EU Files Complaints Against Google, and It’s About Time! Huffington Post. http://www.huffingtonpost.com/eric-k-clemons/the-eu-files-complaintsagainst-google_b_7069780.html. Zugegriffen: 14. August 2016.
  43. Conn, J. (2014). VA puts the ‘big’ in big data predictive analytics. VitalSigns. http://www.modernhealthcare.com/article/20140805/BLOG/308059999. Zugegriffen: 13. Januar 2017.
  44. Crawford, K., Lingel, J., & Karppi, T. (2015). Our metrics, ourselves: A hundred years of self-tracking from the weight scale to the wrist wearable device. European Journal of Cultural Studies 18 (4-5), 479-496.  https://doi.org/10.1177/1367549415584857
  45. Dahlberg, L. (2001). Computer‐mediated communication and the public sphere: A critical analysis. Journal of Computer‐Mediated Communication 7, 0-0.Google Scholar
  46. Datta, A., Tschantz, M. C., & Datta, A. (2015). Automated Experiments on Ad Privacy Settings. Proceedings on Privacy Enhancing Technologies 2015(1).  https://doi.org/10.1515/popets-2015-0007
  47. Desmarais, S. L. & Singh, J. P. (2013). Risk Assessment Instruments Validated and Implemented in Correctional Settings in the United States. https://csgjusticecenter.org/wp-content/uploads/2014/07/Risk-Assessment-Instruments-Validated-and-Implemented-in-Correctional-Settings-in-the-United-States.pdf. Zugegriffen: 17. Januar 2017.
  48. Deutscher Bundestag (2012). Datenschutz, Persönlichkeitsrechte: Fünfter Zwischenbericht der Enquete-Kommission „Internet und digitale Gesellschaft“, Bundestags-Drucksache 17/8999. http://dipbt.bundestag.de/dip21/btd/17/089/1708999.pdf. Zugegriffen: 13. Januar 2017.
  49. Deutscher Bundestag (2017). Entwurf eines Gesetzes über die Verarbeitung von Fluggastdaten zur Umsetzung der Richtlinie (EU) 2016/681: (Fluggastdatengesetz – FlugDaG) Bundestags-Drucksache 18/11501. http://dipbt.bundestag.de/doc/btd/18/115/1811501.pdf. Zugegriffen: 22. Mai 2017.
  50. Dion, M., Abdel Malik, P., & Mawudeku, A. (2015). Big Data and the Global Public Health Intelligence Network (GPHIN). Canada Communicable Disease Report 41, 209-214.Google Scholar
  51. Disch, L. (2008). The People as „Presupposition“ of Representative Democracy – An Essay on the Political Theory of Pierre Rosanvallon. Redescriptions: Political Thought, Conceptual History and Feminist Theory 12, 47-71.Google Scholar
  52. Duttweiler, S. (2016). Daten statt Worte? Bedeutungspraktiken in digitalen Selbstvermessungspraktiken. In T. Mämecke, J.H. Passoth & J. Wehner (Hrsg.), Bedeutende Daten. Verfahren und Praxis der Vermessung und Verdatung im Netz. Wiesbaden: Springer VS.Google Scholar
  53. Duttweiler, S., Gugutzer, R., Passoth, J.H., & Strübing, J. (2016). Leben nach Zahlen. Self-Tracking als Optimierungsprojekt? Bielefeld: transcript Verlag.Google Scholar
  54. Emirbayer, M., & Mische, A. (1998). What is agency? American Journal of Sociology 103(4), 962-1023.Google Scholar
  55. Espeland, W., & Stevens, M. (2008). A Sociology of Quantification. Archives Europeennes de Sociologie 2008 (3), 401-436.Google Scholar
  56. Europäischer Datenschutzbeauftragter (2014). Privacy and competitiveness in the age of big data: The interplay between data protection, competition law and consumer protection in the Digital Economy. https://secure.edps.europa.eu/EDPSWEB/webdav/site/mySite/shared/Documents/Consultation/Opinions/2014/14-03-26_competitition_law_big_data_EN.pdf. Zugegriffen: 16. Dezember 2016.
  57. Europäischer Datenschutzbeauftragter (2015). Meeting the challenges of big data: A call for transparency, user control, data protection by design and accountability. https://secure.edps.europa.eu/EDPSWEB/webdav/site/mySite/shared/Documents/Consultation/Opinions/2015/15-11-19_Big_Data_EN.pdf. Zugegriffen: 24. November 2015.
  58. Europäische Kommission (2013). The Google antitrust case: what is at stake? http://europa.eu/rapid/press-release_SPEECH-13-768_de.htm. Zugegriffen: 27. April 2017.
  59. Europäische Kommission (2014). Kartellrecht: Kommission erzielt von Google vergleichbare Anzeige konkurrierender spezialisierter Suchdienste. http://europa.eu/rapid/press-release_IP-14-116_de.htm. Zugegriffen: 27. April 2017.
  60. Europäische Kommission (2015). Kartellrecht: Kommission übermittelt Google Mitteilung der Beschwerdepunkte zu seinem Preisvergleichsdienst. http://europa.eu/rapid/press-release_MEMO-15-4781_de.htm. Zugegriffen: 27. April 2017.
  61. Europäische Kommission (2017). What can big data do for you? https://ec.europa.eu/digital-single-market/what-big-data-can-do-you. Zugegriffen: 27. April 2017.
  62. Europäische Kommission (2016a). Kartellrecht: Kommission sendet Google Mitteilung der Beschwerdepunkte zu Android-Betriebssystem und ‑Anwendungen. http://europa.eu/rapid/press-release_IP-16-1492_de.htm. Zugegriffen: 27. April 2017.
  63. Europäische Kommission (2016b). Kartellrecht: Weitere Schritte der Kommission in Untersuchungen zum Preisvergleichsdienst und zu den Werbepraktiken von Google wegen mutmaßlichen Verstoßes gegen EU-Vorschriften. http://europa.eu/rapid/press-release_IP-16-2532_de.htm. Zugegriffen: 27. April 2017.
  64. Europäische Kommission (2016c). Richtlinie (EU) 2016/681 des Europäischen Parlaments und Rates vom 27. April 2016 über die Verwendung von Fluggastdatensätzen (PNR-Daten) zur Verhütung, Aufdeckung, Ermittlung und Verfolgung von terroristischen Straftaten und schwerer Kriminalität: RL 2016/681/EU. http://eur-lex.europa.eu/legal-content/EN/TXT/?qid=1495448623854&uri=CELEX:32016L0681. Zugegriffen: 22. Mai 2017.
  65. Europäisches Parlament (2016). EU Passenger Name Record (PNR) directive: an overview. http://www.europarl.europa.eu/news/en/news-room/20150123BKG12902/eu-passenger-name-record-(pnr)-directive-an-overview. Zugegriffen: 13. Januar 2017.
  66. Europäische Zentralbank (2014). Social Media Sentiment and Consumer Confidence. Statistics Paper Series 5. http://www.ecb.europa.eu/pub/pdf/scpsps/ecbsp5.pdf. Zugegriffen: 03. Februar 2017.
  67. Ezrahi, Y. (2012). Imagined Democracies. Necessary Political Fictions. Cambridge: Cambridge University Press.Google Scholar
  68. Federal Trade Commission (2016). Big Data. A Tool for Inclusion or Exclusion? Understanding the Issues – FTC Report. https://www.ftc.gov/system/files/documents/reports/big-data-tool-inclusion-or-exclusion-understanding-issues/160106big-data-rpt.pdf. Zugegriffen: 13. Januar 2017.
  69. Feenberg, A. (2002). Transforming Technology. Oxford: Oxford University Press.Google Scholar
  70. Fihn, S. D., Francis, J., Clancy, C., Nielson, C., Nelson, K., Rumsfeld, J., Cullen, T., Bates, J., & Graham, G. L. (2014). Insights from advanced analytics at the Veterans Health Administration. Health affairs (Project Hope) 33(7), 1203-1211.  https://doi.org/10.1377/hlthaff.2014.0054
  71. Forelle, M. C., Howard, P. N., Monroy-Hernández, A., & Savage, S. (2015). Political bots and the manipulation of public opinion in Venezuela. SSRN.  https://doi.org/10.2139/ssrn.2635800
  72. Foucault, M. (1980). Power/knowledge: Selected interviews and other writings, 1972-1977. New York: Pantheon.Google Scholar
  73. Ganz, K. (2014). Nerd-Pride, Privilegien und Post-Privacy: Eine intersektional-hegemonietheoretische Betrachtung der Netzbewegung. FEMINA POLITICA – Zeitschrift für feministische Politikwissenschaft 23(2).  https://doi.org/10.3224/feminapolitica.v23i2.17613
  74. Giddens, A. (1984). The constitution of society: Outline of the theory of structuration. Berkeley, CA: University of California Press.Google Scholar
  75. Gillespie, T. (2014). The Relevance of Algorithms. In K. A. Foot, P. J. Boczkowski & T. Gillespie (Hrsg.), Inside technology. Media technologies. Essays on communication, materiality, and society (S. 167-193). Cambridge, MA: MIT Press.Google Scholar
  76. Gitelman, L., & Jackson, V. (2013). Introduction. In L. Gitelman (Hrsg.), „Raw Data“ Is an Oxymoron (S. 1-14). Cambridge, MA: MIT Press.Google Scholar
  77. Goerge, R. M. (2014). Data for the Public Good: Challenges and Barriers in the Context of Cities. In J. Lane, V. Stodden, S. Bender & H. Nissenbaum (Hrsg.), Privacy, Big Data, and the Public Good (S. 153-172). New York: Cambridge University Press.Google Scholar
  78. Gothe, H. (2014). Routinedaten im Ausland. In: E. Swart, P. Ihle, H. Gothe & D. Matusiewicz (Hrsg.), Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven (S. 260-267). Bern: Verlag Hans Huber.Google Scholar
  79. Graef, I. (2016). Blurring Boundaries of Consumer Welfare: How to Create Synergies between Competition, Consumer and Data Protection Law in Digital Markets. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2881969. Zugegriffen: 16. Dezember 2016.
  80. Graef, I. & van Alsenoy, B. (2016). Data protection through the lens of competition law. http://blogs.lse.ac.uk/mediapolicyproject/2016/03/23/data-protection-through-thelens-of-competition-law-will-germany-lead-the-way. Zugegriffen: 20. September 2016.
  81. Graff, G. M. (2016). Wie Big-Data-Startups die Prognosen zur US-Wahl revolutionieren. WIRED Germany. https://www.wired.de/collection/science/wie-big-data-startups-die-prognosen-zur-us-wahl-revolutionieren. Zugegriffen: 03. Februar 2017.
  82. Hacker, P. (2015). Nudge 2.0: The Future of Behavioural Analysis of Law in Europe and Beyond: A Review of ‚Nudge and the Law. A European Perspective‘, edited by Alberto Alemanno and Anne-Lise Sibony“. European Review of Private Law 24(2), 297-322.  https://doi.org/10.2139/ssrn.2670772
  83. Hacking, I. (1999). The Social Construction of What? Cambridge, MA: Harvard University Press.Google Scholar
  84. Hanfeld, M. (2015). Punkte für gefälliges Verhalten. Frankfurter Allgemeine Zeitung. http://www.faz.net/video/medien/punktrichter-citizen-score-ueberwachung-in-china-13848403.html. Zugegriffen: 10. Februar 2017.
  85. Hardesty, L. (2013). How hard is it to „de-anonymize“ cellphone data?. MIT News. https://news.mit.edu/2013/how-hard-it-de-anonymize-cellphone-data. Zugegriffen: 10. Februar 2017.
  86. Hardt, M. (2014). How big data is unfair. Medium. https://medium.com/@mrtz/how-bigdata-is-unfair-9aa544d739de#.l3ia947tq. Zugegriffen: 13. Januar 2017.
  87. Hasbrouck, E. (2016). What’s in a Passenger Name Record (PNR)? https://hasbrouck.org/articles/PNR.html. Zugegriffen: 13. Januar 2017.
  88. Heintz, B. (2008). Governance by Numbers. Zum Zusammenhang von Quantifizierung und Globalisierung am Beispiel der Hochschulpolitik. In G. F. Schuppert & A. Voßkuhle (Hrsg.), Governance von und durch Wissen (S. 110-128). Baden-Baden: Nomos.Google Scholar
  89. Helbing, D. (2016). Why we need democracy 2.0 and capitalism 2.0 to survive. http://ssrn.com/abstract=2769633. Zugegriffen: 10. Februar 2017.
  90. Hersh, E. (2015). Hacking the Electorate. New York: Cambridge University Press.Google Scholar
  91. Hofmann, J. (2014). Digitisation and Democracy: The challenges of shaping the Digital Society. In European Digital Forum (Hrsg.), Digital Minds for a New Europe (S. 52-54). Brüssel: Lisbon Council for Economic Competitiveness and Social Renewal.Google Scholar
  92. Hofmann, J. & Bergemann, B. (2016). Informierte Einwilligung – Ein Datenschutzphantom. Spektrum der Wissenschaft Kompakt, 50-59.Google Scholar
  93. Hofstetter, Y. (2016). Das Ende der Demokratie. Wie künstliche Intelligenz die Politik übernimmt und uns entmündigt. Gütersloh: C. Bertelsmann.Google Scholar
  94. Hood, C., Scott, C., James, O., Jones, G., & Travers, T. (1999). Regulation inside Government: Waste-Watchers, Quality Police, and Sleaze-Busters. Oxford, New York: Oxford University Press.Google Scholar
  95. House of Lords (2007). The EU/US Passenger Name Record (PNR) Agreement. http://www.statewatch.org/news/2007/jun/eu-pnr-hol-report.pdf. Zugegriffen: 13. Januar 2017.
  96. Hoyer, N., & Schönwitz, D. (2015). In der Mitte des Rasters. Wirtschaftswoche 39, 16-22.Google Scholar
  97. Hull, G. (2015). Successful failure: What Foucault can teach us about privacy self-management in a world of Facebook and big data. Ethics and Information Technology 17(2), 89-101.  https://doi.org/10.1007/s10676-015-9363-z
  98. IT-Planungsrat (2015). Nationale E-Government-Strategie Fortschreibung 2015. http://www.it-planungsrat.de/SharedDocs/Downloads/DE/NEGS/NEGS_Fortschreibung.pdf?__blob=publicationFile&v=4. Zugegriffen: 06. Februar 2017.
  99. Jenkins-Smith, H., Nohrstedt, D., Weible, C. M., & Sabatier, P. A. (2014). The Advocacy Coalition Framework: Foundations, Evolution, and Ongoing Research. In P. A. Sabatier & C. M. Weible (Hrsg.), Theories of the policy process (S. 183-224). Boulder, Colorado: Westview Press.Google Scholar
  100. Johnson, B. (2010). Privacy no longer a social norm, says Facebook founder. The Guardian. https://www.theguardian.com/technology/2010/jan/11/facebook-privacy. Zugegriffen: 03. Februar 2017.
  101. Jungherr, A. (2015). Analyzing political communication with digital trace data. Cham, Switzerland: Springer.Google Scholar
  102. Just, N., & Latzer, M. (2016). Governance by algorithms: reality construction by algorithmic selection on the Internet. Media, Culture & Society.  https://doi.org/10.1177/0163443716643157
  103. Karpf, D. (2016). This Election Violates Everything We Thought We Knew About Data. https://backchannel.com/this-election-violates-everything-we-thought-we-knew-aboutdata-935605ecf1b#.8s5hr4rhy. Zugegriffen: 05. Dezember 2016.
  104. Katzenbach, C. (2012). Technologies as institutions: Rethinking the role of technology in media governance constellations. In N. Just & M. Puppis (Hrsg.), Trends in Communication Policy Research: New Theories, Methods and Subjects (S. 117-138). Bristol, UK: Intellect Books.Google Scholar
  105. Keller, R., Hirseland, A., Schneider, W., & Viehöver, W. (2005). Die diskursive Konstruktion von Wirklichkeit. Konstanz: UVK Verlagsgesellschaft.Google Scholar
  106. Kimmich, D., & Schahadat, S. (2016). Diskriminierung. Versuch einer Begriffsbestimmung. Zeitschrift für Kulturwissenschaften 2016(2), 9-21.Google Scholar
  107. Kitchin, R. (2013). Big data and human geography: Opportunities, challenges and risks. Dialogues in Human Geography 3(3), 262-267.  https://doi.org/10.1177/2043820613513388
  108. Kitchin R. (2014a). The Data Revolution: Big Data, Open Data, Data Infrastructures & their Consequences. London: Sage.Google Scholar
  109. Kitchin, R. (2014b). The real-time city? Big data and smart urbanism. GeoJournal 79(1), 1-14.Google Scholar
  110. Kitchin, R., Coletta, C., Evans, L., Heaphy, L., Perng, S. Y., Bradshaw, B., & Lauriault, T. P. (2015). How vulnerable are smart cities to cyberattack? http://progcity.maynoothuniversity.ie/2015/12/how-vulnerable-are-smart-cities-to-cyberattack/. Zugegriffen: 05. Dezember 2016.
  111. Kleinberg, J., Ludwig, J., Mullainathan, S., & Obermeyer, Z. (2015). Prediction Policy Problems. Papers and proceedings of the annual meeting of the American Economic Association 105(5), 491-495.  https://doi.org/10.1257/aer.p20151023
  112. Koelwel, D. (2017). Herausforderung für den Online-Handel: Mehr Verbraucherschutz im Internet. http://www.e-commerce-magazin.de/herausforderung-fuer-den-online-handel-mehr-verbraucherschutz-im-internet. Zugegriffen: 06. Februar 2017.
  113. Korff, D., & George, M. (2015). Passenger Name Records, data mining & data protection: the need for strong safeguards. http://docplayer.net/16673463-Passenger-name-records-data-mining-data-protection.html. Zugegriffen: 17. Januar 2017.
  114. Kosinski, M., Stillwell, D. & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences 110, 5802-5805.Google Scholar
  115. Krieg, G. (2015). No-fly nightmares: The program’s most embarrassing mistakes. CNN. http://edition.cnn.com/2015/12/07/politics/no-fly-mistakes-cat-stevens-ted-kennedyjohn-lewis/. Zugegriffen: 13. Januar 2017.
  116. Kreiss, D. (2012). Yes we can (profile you). A brief primer on campaigns and political data. Stanford Law Review Online 64(70), 70-74.Google Scholar
  117. Kreiss, D., & Howard, P. N. (2010). New challenges to political privacy: Lessons from the first US Presidential race in the Web 2.0 era. International Journal of Communication 2010(4), 1032-1050.Google Scholar
  118. Krogerus, M., & Grassegger, H. (2016). Ich habe nur gezeigt, dass es die Bombe gibt. Das Magazin, Heft 48. https://www.dasmagazin.ch/aktuelles_heft/n-48-3/?reduced=true.
  119. Kuchler, H. (2016). How ‘big data’ analysts are counting on your vote. Financial Times. https://www.ft.com/content/fc1879be-1ed4-11e6-b286-cddde55ca122. Zugegriffen: 03. November 2016.
  120. Kucklick, C. (2014). Die granulare Gesellschaft: Wie das Digitale unsere Wirklichkeit auflöst. Berlin: Ullstein Hardcover.Google Scholar
  121. Kuner, C., Cate, F. H., Millard, C., Svantesson, D. J. B., & Lynskey, O. (2014). When two worlds collide: the interface between competition law and data protection. International Data Privacy Law 4(4), 247-248.Google Scholar
  122. Kurz, C., & Rieger, F. (2012). Die Datenfresser. Bonn: bpb.Google Scholar
  123. Lane, J., Stodden, V., Bender, S., & Nissenbaum, H. (Hrsg.). (2014). Privacy, Big Data, and the Public Good. Cambridge, UK: Cambridge University Press.Google Scholar
  124. Larson, J., Mattu, S., Kirchner, L., & Angwin, J. (2016). How We Analyzed the COMPAS Recidivism Algorithm. ProPublica. https://www.propublica.org/article/how-we-analyzed-the-compas-recidivism-algorithm. Zugegriffen: 13. Januar 2017.
  125. Latour, B. (2003). What if we talked politics a little? Contemporary Political Theory 2, 143-164.Google Scholar
  126. Latour, B. (2005). Reassembling the Social: An introduction to actor-network-theory. Oxford, UK: Oxford University Press.Google Scholar
  127. Law, J. (2009). Seeing like a survey. Cultural Sociology 3, 239-256.Google Scholar
  128. Law, J. (2012). Collateral realities. In: F.D. Rubio & P. Baert (Hrsg.), The Politics of Knowledge (S. 156-178). London: Routledge.Google Scholar
  129. Law, J., Ruppert, E., & Savage, M. (2011). The Double Social Life of Method. CRESC Working Paper Series. Milton Keynes: Centre for Research on Socio-Cultural Change. http://research.gold.ac.uk/7987/1/The%20Double%20Social%20Life%20of%20Methods%20CRESC%20Working%20Paper%2095.pdf. Zugegriffen: 03. Februar 2017.
  130. Law, J., & Urry, J. (2004). Enacting the social. Economy and society 33, 390-410.Google Scholar
  131. Lemov, R. M. (2005). World as laboratory: experiments with mice, mazes, and men. New York: Hill and Wang.Google Scholar
  132. Link, J.(2006). Versuch über den Normalismus. Wie Normalität produziert wird. Göttingen: Vandenhoeck & Ruprecht.Google Scholar
  133. Lodge, M., & Wegrich, K. (Hrsg.). (2014). The problem-solving capacity of the modern state: Governance challenges and administrative capacities. Oxford: Oxford University Press.Google Scholar
  134. Lowry, S., & MacPherson, G. (1988). A Blot on the Profession. British Medical Journal 296(6623), 657-658.Google Scholar
  135. Lupton, D. (2014). The commodification of patient opinion: the digital patient experience economy in the age of big data. Sociology of Health & Illness 36(6), 856-869.  https://doi.org/10.1111/1467-9566.12109
  136. Lupton, D. (2016). The Quantified Self. Cambridge, MA: Polity Press.Google Scholar
  137. Lyon, D. (2006). Airport Screening, Surveillance, and Social Sorting: Canadian Responses to 9/11 in Context. Canadian Journal of Criminology and Criminal Justice 48(3), 397-411.  https://doi.org/10.1353/ccj.2006.0030
  138. Lyon, D. (2014). Surveillance, Snowden, and Big Data: Capacities, consequences, critique. Big Data & Society 2014, 1-13.Google Scholar
  139. Mager, A. (2012). Algorithmic Ideology: How capitalist society shapes search engines. Information, Communication & Society 15(5), 769-787.Google Scholar
  140. Mahr, B. (2003). Modellieren. Beobachtungen und Gedanken zur Geschichte des Modellbegriffs. In S. Krämer & H. Bredekamp (Hrsg.), Bild, Schrift, Zahl (S. 59-86). München: Wilhelm Fink Verlag.Google Scholar
  141. Majone, G. (1997). From the Positive to the Regulatory State: Causes and Consequences of Changes in the Mode of Governance. Journal of Public Policy 17(2), 139-167.Google Scholar
  142. Maki, K. (2011). Neoliberal deviants and surveillance: Welfare recipients under the watchful eye of Ontario Works. Surveillance & Society 9(1), 47-63.Google Scholar
  143. Mantelero, A. (2017). Guidelines on the protection of individuals with regard to the processing of personal data in a world of Big Data. https://rm.coe.int/CoERMPublicCommonSearchServices/DisplayDCTMContent?documentId=09000016806ebe7a. Zugegriffen: 06. Februar 2017.
  144. Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Hung Byers, A. (2011). Big data: The next frontier for innovation, competition, and productivity. http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation. Zugegriffen: 13. Januar 2017.
  145. March, S., Rauch, A., Bender, S., & Ihle, P. (2014). Datenschutzrechtliche Aspekte bei der Nutzung von Routinedaten. In E. Swart, P. Ihle, H. Gothe & D. Matusiewicz (Hrsg.), Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven (S. 291-303). Bern: Verlag Hans Huber.Google Scholar
  146. Marcuse, H. (1965). Industrialisierung und Kapitalismus. In O. Stammer & Deutsche Gesellschaft für Soziologie (Hrsg.), Max Weber und die Soziologie heute: Verhandlungen des 15. Deutschen Soziologentages in Heidelberg 1964 (S. 161-180). Tübingen: Mohr Siebeck.Google Scholar
  147. Margetts, H., Hale, S. A., & Yasseri, T. (2014). Big Data and Collective Action. In M. Graham & W. H. Dutton (Hrsg.), Society and the Internet: How Networks of Information and Communication are Changing Our Lives (S. 223-237). Oxford: Oxford University Press.Google Scholar
  148. Marres, N., & Gerlitz, C. (2016). Interface methods: Renegotiating relations between digital social research, STS and sociology. The Sociological Review 64, 21-46.Google Scholar
  149. McKenna, E., Richardson, I., & Thomson, M. (2012). Smart meter data: Balancing consumer privacy concerns with legitimate applications. Energy Policy 41, 807-814.  https://doi.org/10.1016/j.enpol.2011.11.049
  150. Merkel, A. (2016). Rede von Bundeskanzlerin Merkel beim 10. Nationalen IT-Gipfel am 17. November 2016, Saarbrücken. https://www.bundeskanzlerin.de/Content/DE/Rede/2016/11/2016-11-17-rede-merkel-it-gipfel.html. Zugegriffen: 06. Februar 2017.
  151. Merton, R. K. (1948). The self-fulfilling prophecy. The Antioch Review 8, 193-210.Google Scholar
  152. Merz, C. (2016). Predictive Policing – Polizeiliche Strafverfolgung in Zeiten von Big Data (ABIDA-Dossier). http://www.abida.de/sites/default/files/Dossier_Predictive_ Policing.pdf. Zugegriffen: 10. Februar 2017.
  153. Miller, P. (2001). Governing by Numbers: Why Calculative Practices Matter. Social Research 68(2), 379-396.Google Scholar
  154. Mitcham, C. (2014). Agency in humans and in artifacts: A contested discourse. In P. Kroes & P.-P. Verbeek (Hrsg.), The moral status of technical artefacts (S. 11-29). Dordrecht: Springer Netherlands.Google Scholar
  155. Moenchel, E. (2010). Flugdaten: US-Heimatschutz belügt EU. Futurezone. http://www.fuzo-archiv.at/artikel/1659227v2. Zugegriffen: 13. Januar 2017.
  156. Morozov, E. (2014): The Rise of Data and the Death of Politics. The Guardian. https://www.theguardian.com/technology/2014/jul/20/rise-of-data-death-of-politics-evgeny-morozov-algorithmic-regulation. Zugegriffen: 19. Januar 2017.
  157. Napoli, P. M. (2014). Automated media: An institutional theory perspective on algorithmic media production and consumption. Communication Theory 24(3), 340-360.Google Scholar
  158. Narayanan, A., & Shmatikov, V. (2006). How To Break Anonymity of the Netflix Prize Dataset. https://arxiv.org/abs/cs/0610105. Zugegriffen: 14. Februar 2017.
  159. Nickerson, D. W., & Rogers, T. (2014). Political Campaigns and Big Data. Journal of Economic Perspectives 28(2), 51-74.  https://doi.org/10.1257/jep.28.2.51
  160. Nixon, R. (2016). Visitors to the U.S. May Be Asked for Social Media Information. New York Times. http://www.nytimes.com/2016/06/29/us/homeland-security-social-media-border-protection.html?_r=2. Zugegriffen: 13. Januar 2017.
  161. Noursalehi, P., & Koutsopoulos, H. N. (2016). Real-time Predictive Analytics for Improving Public Transportation Systems’ Resilience. Presented at the Data For Good Exchange 2016. https://arxiv.org/papers/1609/1609.09785.pdf. Zugegriffen: 13. Januar 2017.
  162. O’Connor, B., Balasubramanyan, R., Routledge, B.R., & Smith, N. A. (2010). From tweets to polls: Linking text sentiment to public opinion time series. The International Conference on Web and Social Media 11, 1-2.Google Scholar
  163. OECD 2015. Data-Driven Innovation: Big Data for Growth and Well-Being. Paris: OECD. http://dx.doi.org/10.1787/9789264229358-en
  164. Open Government Partnership (2011). Open Government Declaration. http://www.opengovpartnership.org/about/open-government-declaration. Zugegriffen: 14. Februar 2017.
  165. Osborne, T., & Rose, N. (1999). Do the social sciences create phenomena? The example of public opinion research. The British Journal of Sociology 50, 367-396.Google Scholar
  166. Pariser, E. (2012). The Filter Bubble: How the New Personalized Web Is Changing What We Read and How We Think. Reprint edition. London: Penguin Books.Google Scholar
  167. Pasquale, F. (2015). The Black Box Society: The Secret Algorithms That Control Money and Information. Cambridge, MA: Harvard University Press.Google Scholar
  168. Pitkin, H. F. (1967). The concept of representation. Berkeley and Los Angeles: University of California Press.Google Scholar
  169. Portmess, L., & Tower, S. (2015). Data barns, ambient intelligence and cloud computing: The tacit epistemology and linguistic representation of Big Data. Ethics and Information Technology 17(1), 1-9.  https://doi.org/10.1007/s10676-014-9357-2
  170. Pozzato, V. (2014). 2014 Opinion of the European Data Protection Supervisor: Interplay Between Data Protection and Competition Law. Journal of European Competition Law & Practice 5(7), 468-470.  https://doi.org/10.1093/jeclap/lpu067
  171. Puschmann, C., & Burgess, J. (2014). Metaphors of Big Data. International Journal of Communication 2014 (8), 1690-1709.Google Scholar
  172. Quetelet, A. (1914). Soziale Physik oder Abhandlung über die Entwicklung der Fähigkeit des Menschen. Berlin: Fischer.Google Scholar
  173. Raghupathi, W., & Raghupathi, V. (2014). Big data analytics in healthcare: promise and potential. Health Information Science and Systems 2, 3-12.Google Scholar
  174. Rehder, B., & Schneider, I. (2016). Gerichtsverbünde, Grundrechte und Politikfelder in Europa. Baden Baden: Nomos.Google Scholar
  175. Reisch, L., Büchel, D., Joost, G., & Zander-Hayat, H. (2016). Digitale Welt und Handel. Verbraucher im personalisierten Online-Handel. https://www.bmjv.de/SharedDocs/Downloads/DE/Artikel/01192016_Digitale_Welt_und_Handel.pdf. Zugegriffen: 10. Februar 2017.
  176. Rip, A. (1987). Controversies as Informal Technology Assessment. In Knowledge: Creation, Diffusion, Utilization 8, 349-371.Google Scholar
  177. Ritzi, C. (im Erscheinen). Dezision statt Konvention. Die Politisierung von Privatheit im digitalen Zeitalter. In T. Thiel & D. Jacob (Hrsg.), Politische Theorie und Digitalisierung. Baden-Baden: Nomos.Google Scholar
  178. Rosanvallon, P. (2002). Le Peuple introuvable. Histoire de la représentation démocratique en France. Paris: Gallimard.Google Scholar
  179. Rosanvallon, P. (2006). Democracy past and future. New York: Columbia University Press.Google Scholar
  180. Roßnagel, A. (2013). Big Data – Small Privacy? Konzeptionelle Herausforderungen für das Datenschutzrecht. Zeitschrift für Datenschutz 3(11), 562-567.Google Scholar
  181. Roßnagel, A., Geminn, C., Jandt, S., & Richter, P. (2016). Datenschutzrecht 2016 „Smart“ genug für die Zukunft? Ubiquitous Computing und Big Data als Herausforderungen des Datenschutzrechts. http://www.uni-kassel.de/upress/online/OpenAccess/978-3-7376-0154-2.OpenAccess.pdf. Zugegriffen: 13. Januar 2017.
  182. Rouvroy, A. (2016). Council of Europe,“Of Data and Men“ Fundamental Rights and Freedoms in a World of Big Data, Bureau of the Consultive Committee of the Convention for The Protection of Individuals with Regard to Automatic Processing of Personal Data. https://works.bepress.com/antoinette_rouvroy/64/. Zugegriffen: 13. Januar 2017.
  183. Ruppert, E. (2012). Seeing Population: Census and Surveillance by Numbers. In K. Ball, K. Haggerty & D. Lyon (Hrsg.), Routledge International Handbook of Surveillance Studies (S. 209-216). London: Routledge.Google Scholar
  184. Ruppert, E., Law, J., & Savage, M. (2013). Reassembling the Social Science Methods. Theory, Culture & Society 30(4), 22-46.Google Scholar
  185. Russell Neuman, W., Guggenheim, L., Mo Jang, S., & Bae, S. Y. (2014). The dynamics of public attention: Agenda‐setting theory meets big data. Journal of Communication 64, 193-214.Google Scholar
  186. Sales, N. A. (2015). Big Data at the border: balancing visa-free travel and security in a digital age. ECPR Conference Université de Montréal 26.-29. August. https://ecpr.eu/Events/PaperDetails.aspx?PaperID=26167&EventID=94. Zugegriffen: 13. Januar 2017.
  187. Savage, M., & Burrows, R. (2007). The coming crisis of empirical sociology. Sociology 41, 885-899.Google Scholar
  188. Saward, M. (2006). The representative claim. Contemporary Political Theory 5, 297-318.Google Scholar
  189. Scharpf, F. W. (2006). Interaktionsformen: Akteurzentrierter Institutionalismus in der Politikforschung. Unveränderter Nachdruck der 1. Auflage. Wiesbaden: VS, Verlag für Sozialwissenschaften.Google Scholar
  190. Scherer, M. (2012). Inside the Secret World of the Data Crunchers Who Helped Obama Win. Time. http://swampland.time.com/2012/11/07/inside-the-secret-world-of-quants-anddata-crunchers-who-helped-obama-win. Zugegriffen: 03. Februar 2017.
  191. Schmidt, V. A. (2008). Discursive Institutionalism: The Explanatory Power of Ideas and Discourse. Annual Review of Political Science 11(1), 303-326.  https://doi.org/10.1146/annurev.polisci.11.060606.135342
  192. Schintler, L. A., & Kulkarni, R. (2014). Big Data for Policy Analysis: The Good, The Bad, and The Ugly. Review of Policy Research 31(4), 343-348.  https://doi.org/10.1111/ropr.12079
  193. Schneier, B. (2015). Data und Goliath: Die Schlacht um die Kontrolle unserer Welt : wie wir uns gegen Überwachung, Zensur und Datenklau wehren können. München: Redline Verlag.Google Scholar
  194. Schrems, M. (2017). Europe versus Facebook. http://europe-v-facebook.org/EN/en.html. Zugegriffen: 14. Februar 2017.
  195. Schulzki-Haddouti, C. (2016). Des Kaisers neue Kleider: Wie sieht eine angemessene Datenschutzkontrolle aus? In DatenDebatten Bd. 1. Zukunft der informationellen Selbstbestimmung (S. 111-126). Berlin: Erich Schmidt Verlag.Google Scholar
  196. Schwartz, P. M., & Solove, D. J. (2011). The PII Problem: Privacy and a new concept of personally identifiable information. New York University Law Review 86, 1814-1894.Google Scholar
  197. Scott, J. C. (1999). Seeing Like a State. New Haven, CT: Yale University Press.Google Scholar
  198. Scott, W. R. (2008). Institutions and organizations: Ideas and interests. 3 Auflage. Los Angeles: Sage.Google Scholar
  199. Seaver, N. (2013). Knowing algorithms. Presentation held at Media in Transition 8. http://nickseaver.net/papers/seaverMiT8.pdf. Zugegriffen: 05. Dezember 2016.
  200. Selke, S. (2016). Lifelogging. Digitale Selbstvermessung und Lebensprotokollierung zwischen disruptiver Technologie und kulturellem Wandel. Wiesbaden: Springer VS.Google Scholar
  201. Semsrott, A., zum Felde, J., & Palmetshofer, W. (2016). „Rohstoff der Zukunft“: Was bringt das Open-Data-Gesetz? https://www.okfn.de/blog/2016/10/opendata-gesetz/. Zugegriffen: 14. Februar 2017.
  202. Skeem, J. L., & Lowenkamp, C. T. (2016). Risk, Race and Recidivism: Predictive Bias and Disparate Impact. Criminology 54(4), 680-712.  https://doi.org/10.1111/1745-9125.12123
  203. Smith, R. J. (2014). Missed Miracles and Mystical Connections: Qualitative Research, Digital Social Science and Big Data, In M. Hand & S. Hillyard (Hrsg.), Big Data? Qualitative Approaches to Digital Research (S. 181-204). Bingley, UK: Emerald Group Publishing Limited.Google Scholar
  204. Stiftung Neue Verantwortung (2016). Impuls für Open Government in Deutschland. http://www.stiftung-nv.de/publikation/impuls-f%C3%BCr-open-government-deutschland. Zugegriffen: 06. Februar 2017.
  205. Straßheim, H., Jung, A., & Korinek, R. L. (2015). Reframing Expertise: The Rise of Behavioural Insights and Interventions in Public Policy. In A. B. Antal, M. Hutter & D. Stark (Hrsg.), Moments of Valuation. Exploring Sites of Dissonance (S. 249-268). Oxford: Oxford University Press.Google Scholar
  206. Straßheim, H. (im Erscheinen). Behavioural Expertise and Regulatory Power in Europe. In M. Lee, A. de Ruiter & M. Weimer (Hrsg.). Regulating Risks in the European Union. Oxford: Hart Publishing.Google Scholar
  207. Streeck, W., & Thelen, K. A. (2005). Introduction: Institutional Change in Advanced Political Economies. In W. Streeck & K. A. Thelen (Hrsg.), Beyond continuity: institutional change in advanced political economies. Oxford: Oxford University Press.Google Scholar
  208. Sunstein, C. R. (2015). Choosing Not to Choose: Understanding the Value of Choice. Oxford: Oxford University Press.Google Scholar
  209. Sunstein, C. R. (2014). Why nudge? The Politics of Libertarian Paternalism. New Haven/London: Yale University Press.Google Scholar
  210. Süßmilch, J. P. (1761). Die göttliche Ordnung in den Veränderungen des menschlichen Geschlechts aus der Geburt, dem Tode und der Fortpflanzung desselben. Erster Theil.Google Scholar
  211. Swart, E., Ihle, P., Gothe, H., & Matusiewicz, D. (Hrsg.). (2014). Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. 2. vollständig überarbeitete Auflage. Bern: Verlag Hans Huber.Google Scholar
  212. Swan, M. (2013). The Quantified Self: Fundamental Disruption in Big Data Science and Biological Discovery. Big Data 1, 85-99.Google Scholar
  213. Sweeney, L. (2013). Discrimination in Online Ad Delivery. Communications of the Association of Computing Machinery 56(5), 44-54.  https://doi.org/10.1145/2447976.2447990
  214. Tallacchini, M., Boucher, P., & Nascimento, S. (2014). Emerging ICT for Citizens’ Veillance: Theoretical and Practical Insights. Brüssel: Publications Office of the European Union.Google Scholar
  215. Thaler, R. H., & Sunstein, C. R. (2009). Nudge: Improving Decisions About health, wealth and happiness. London: Penguin Books.Google Scholar
  216. Theile, C. (2016). Nirgendwo auf der Welt arbeiten so paranoide Menschen wie hier. Interview mit Emmanuel Mogenet. Tagesanzeiger. http://www.tagesanzeiger.ch/digital/internet/nirgendwo-auf-der-welt-arbeiten-so-paranoide-menschen-wie-hier/story/19360540. Zugegriffen: 05. Dezember 2016.
  217. Tufekci, Z. (2014). Engineering the public: Big data, surveillance and computational politics. First Monday 19(7).  https://doi.org/10.5210/fm.v19i7.4901
  218. Tumasjan, A., Sprenger, T. O., Sandner, P. G., & Welpe, I. M. (2010). Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment. The International Conference on Web and Social Media 10, 178-185.Google Scholar
  219. Ulbricht, L. (2017). Big Data und Diskriminierung – Impulse aus den USA für eine deutsche Debatte. In ads aktuell 1 – Newsletter der Antidiskriminierungsstelle des Bundes.Google Scholar
  220. Van Dijck, J. (2014). Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology. Surveillance & Society 12(2), 197-208.Google Scholar
  221. Vormbusch, U., & Kappler, K. (2016). Leibschreiben. Zur medialen Repräsentation des Körperleibes im Feld der Selbstvermessung. T. Mämecke, J.H. Passoth & J. Wehner (Hrsg.), Bedeutende Daten. Verfahren und Praxis der Vermessung und Verdatung im Netz. Wiesbaden: Springer VS.Google Scholar
  222. Voß, J.-P., & Amelung, N. (2016). Innovating public participation methods: Techno-scientization and reflexive engagement. Social Studies of Science 26, 749-772.Google Scholar
  223. Washington, A. L. (2014). Government Information Policy in the Era of Big Data. Review of Policy Research 31(4), 319-325.  https://doi.org/10.1111/ropr.12081
  224. Wehner, J. (2008). Taxonomische Kollektive. Zur Vermessung des Internet. In H. Willems (Hrsg.), Weltweite Welten: Internet-Figurationen aus wissenssoziologischer Perspektive (S. 363-383). Wiesbaden: VS Verlag für Sozialwissenschaften.Google Scholar
  225. Weichert, T. (2013). Big Data und Datenschutz. https://www.datenschutzzentrum.de/bigdata/20130318-bigdata-und-datenschutz.pdf. Zugegriffen: 06. Februar 2017.
  226. Weltbank (2015). World Development Report 2015: Mind, Society, and Behavior. http://www.worldbank.org/en/publication/wdr2015. Zugegriffen: 10. Februar 2017.
  227. Wewer, G. (2016). Open Government, Staat und Demokratie. Berlin: Edition Sigma.Google Scholar
  228. White House (2014). Big data: seizing opportunities, preserving values. http://purl.fdlp.gov/GPO/gpo64868. Zugegriffen: 06. Dezember 2016.
  229. White House (2016). Big Data: A Report on Algorithmic Systems, Opportunity, and Civil Rights. https://www.whitehouse.gov/sites/default/files/microsites/ostp/2016_0504_data_discrimination.pdf. Zugegriffen: 13. Januar 2017.
  230. White, M. C. (2016). Orbitz Shows Higher Prices to Mac Users. Time. http://business.time.com/2012/06/26/orbitz-shows-higher-prices-to-mac-users/. Zugegriffen: 13. Januar 2017.
  231. Wright, D., & de Hert, P. (2012). Privacy Impact Assessment (1. Auflage). Law, Governance and Technology Series 6. Dordrecht: Springer Netherlands.Google Scholar
  232. Yeung, K. (2016). ‘Hypernudge’: Big Data as a mode of regulation by design. Information, Communication & Society, 1-19.Google Scholar
  233. Zuboff, S. (2015). Big other. Surveillance capitalism and the prospects of an information civilization. Journal of Information Technology 30 (1), 75-89.Google Scholar
  234. Zuiderveen Borgesius, F., Trilling, D., Möller, J., Bodó, B., de Vreese, C., & Helberger, N. (2016). Should we worry about filter bubbles? Internet Policy Review 5(1).  https://doi.org/10.14763/2016.1.401.

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  • Lena Ulbricht
    • 1
  • Sebastian Haunss
    • 2
  • Jeanette Hofmann
    • 1
  • Ulrike Klinger
    • 3
  • Jan-Hendrik Passoth
    • 4
  • Christian Pentzold
    • 5
  • Ingrid Schneider
    • 6
  • Holger Straßheim
    • 7
  • Jan-Peter Voß
    • 8
  1. 1.Wissenschaftszentrum Berlin für Sozialforschung (WZB) - Projektgruppe InternetBerlinDeutschland
  2. 2.Unicom-Gebäude, Raum: 7.4500Universität Bremen - SOCIUM Forschungszentrum Ungleichheit und SozialpolitikBremenDeutschland
  3. 3.Medien&PolitikUniversität Zürich - Institut für Kommunikationswissenschaft und Medienforschung (IKMZ, ehemals IPMZ),ZürichSchweiz
  4. 4.Munich Center for Technology in Society (MCTS)Technische Universität MünchenMünchenDeutschland
  5. 5.Zentrum für Medien-, Kommunikations- und Informationsforschung (ZeMKI),Universität BremenBremenDeutschland
  6. 6.MIN-Fakultät, Fachbereich InformatikUniversität HamburgHamburgDeutschland
  7. 7.Institut für Sozialwissenschaften, Abt. Politische Soziologie und SozialpolitikHumboldt-Universität BerlinBerlinDeutschland
  8. 8.Institut für SoziologieTechnische Universität BerlinBerlinDeutschland

Personalised recommendations