Skip to main content

Situierte Konventionen: Transformationen, Ungenauigkeiten und die Grenzen der Messung im Feld der Selbstvermessung

  • 1119 Accesses

Part of the Soziologie der Konventionen book series (SOZKON)

Zusammenfassung

Wie wird Gesundheit in eine messbare Größe verwandelt? Basierend auf empirischen Untersuchungen werden wir die Quantifizierung von Gesundheit in zwei verschiedenen Bereichen analysieren: Diet- und Mood-Tracking. Aus der Perspektive der Ökonomie der Konventionen (Économie des Conventions, EC) betrachtet, investieren SelbstvermesserInnen hier in neue Formen und Messungen der Äquivalenz, wobei sich ihnen drei bedeutende Hindernisse stellen: die Ungenauigkeit des Messens, die sperrige Materialität von Objekten und alltäglichen Praktiken sowie das unscharfe Verhältnis von alltäglichem Tun und Quantifizierung. Einerseits streben SelbstvermesserInnen nach der Herstellung eines praktischen Konsenses, wie eine „genaue“ Messung aussehen sollte bzw. in welchen Fällen Ungenauigkeiten nicht toleriert werden können. Auf der anderen Seite stützen sich SelbstvermesserInnen auf je feldspezifische Kriterien für eine angemessene Genauigkeit, je nachdem, wie sie ihre Vermessungspraktiken in den Alltag integrieren. In der EC kommt Objekten konzeptionell eine zentrale Rolle zu, indem sie kompetente Alltagsakteure bei ihren Koordinationsbemühungen sowie bei der Bewältigung normativer und ethischer Fragen unterstützen. Wir schlagen eine Sichtweise vor, in der Technologien wie Sensoren, mHealth-Anwendungen und Smartphones als intermediäre Objekte in variierenden Engagements und Aushandlungsprozessen in den Alltag des Selbstvermessens eingebunden werden. In beiden genannten Feldern der Selbstvermessung entsteht so eine ganz eigene Konfiguration von Messungen, Objekten, Widerständen und Engagements, welche die gegenwärtigen Konventionen von Gesundheit schwer fassbar und fragmentiert und damit für Gesundheitsorganisationen, politische EntscheidungsträgerInnen und NutzerInnen gleichermaßen unverfügbar machen.

Dieser Beitrag basiert auf einer Übersetzung und Bearbeitung von Noji et al. (2021).

1 Einleitung

Im letzten Jahrzehnt beobachten wir eine beeindruckende Ausbreitung „soziokalkulativer Praktiken“ (Vormbusch 2012), am sichtbarsten wahrscheinlich an der Hervorbringung von Taxonomien und Berechnungspraktiken, die den menschlichen Körper, das Subjekt und seine Alltagsroutinen rahmen. Obwohl bereits aus der Vergangenheit relevante Quantifizierungs- und Vermessungsbemühungen bekannt sind (Zillien et al. 2016; Fröhlich 2019), hat die Digitalisierung des (Selbst-)Vermessens deren Tiefe und Umfang dramatisch erweitert und Diskussionen über den Nutzen, die Angemessenheit und die Ethik der damit verbundenen Messverfahren und Taxonomien angeheizt (Vormbusch 2020).

Auch wenn die Geschichte der Moderne mit der Geschichte eines zunehmenden instrumentellen Wissens über den menschlichen Körper und seinen „Gesundheitszustand“ in inniger Weise verbunden ist – das Werk von Michel Foucault stellt in diesem Zusammenhang sicherlich die bekannteste Referenz dar –, so blieb dieses Wissen doch immer vom lebenden Körper und den subjektiv erlebten Vorstellungen von Wohlbefinden und Gesundheit durch einen tiefen epistemischen Graben getrennt. Die Ursache ist darin zu suchen, dass dieses Wissen in einem idealen Sinne ein formales Wissen blieb, das mit dem Erleben und der Alltagspraxis des Individuums nur durch logische Annahmen, formale Regeln und wissenschaftliche Verfahren verbunden ist, ähnlich dem, was Alain Desrosières und Laurent Thévenot (1979) „logical classifications“ nennen. Sie weisen darauf hin, dass solche logischen Klassifikationen und Kategorien erst dann zu wirklich gültigen Beschreibungen des Geschehens werden, wenn sie in den alltäglichen Klassifikationspraktiken verwurzelt sind, mit denen gewöhnliche Akteure beschäftigt sind. Rainer Diaz-Bone (2016, S. 52) drückt es so aus:

No social classification can be built only on logical principles alone and no social classification can be built on empirical data alone.

Man könnte argumentieren, dass die moderne Medizin seit Generationen ihr Bestes gibt, um dies zu widerlegen, und dass die sich abzeichnende Selbstquantifizierung der Gesundheit ein Ansatz ist, um die verlorengegangene Autonomie des Wissens um sich selbst durch die selbstbewusste Vermittlung von quantifiziertem Wissen, verkörperten Erfahrungen und alltäglicher Praxis wiederzuerlangen. Um dies zu erreichen, müssen notwendigerweise neue Formen zur Messung von Gesundheit entwickelt werden, die sich mit dem tiefen Graben zwischen leibgebundenen menschlichen Empfindungen und kalkulatorischem Wissen befassen. Aus der Sicht der Praxis ist die Übersetzung eines kognitiv weitgehend unzugänglichen Körperleibes eine der wichtigsten Herausforderungen der Selbstquantifizierung. Dies gilt vor allem für unseren lebendigen Körper, wie das folgende Zitat veranschaulicht:

Die meisten Menschen wissen, wie sich Hunger anfühlt. Aber wissen sie auch, wie sich ein Kaloriendefizit von 500 Kalorien anfühlt – im Vergleich zu einem Defizit von 750 Kalorien? (Sophie)

Und was bedeutet ein Unterschied in ihrer Stimmung, wenn sie ihr Glück auf einer Skala von 1 bis 10 mit 7 vs. 8 bewerten? (Anna)Footnote 1

Im Zusammenhang von Selbstvermessungspraktiken tauchen typischerweise genau solche Fragen auf. Sie weisen auf ein zentrales Thema in diesem Bereich hin: die Entstehung und Etablierung von Konventionen für die Zuordnung von Zahlenwerten zu Körpern, Verhaltensmustern und – nicht zuletzt – Emotionen von Menschen. Im Folgenden wird beleuchtet, wie Forminvestitionen innerhalb spezifischer Communities of Practice der Selbstquantifizierung eingeführt werden. Dabei befassen wir uns mit dem Problem, wie Gesundheitskonventionen im Alltag der einzelnen Akteure situiert sind, und gehen dabei auf Koordinationsprobleme ein, die für heutige Gesellschaften charakteristisch sind. Die Ökonomie der Konventionen (Économie des Conventions, EC) betont generell die praktischen Fähigkeiten von Akteuren, die in Konventionen verstrickt sind (Desrosières 2011; Diaz-Bone und Salais 2011; Diaz-Bone und Didier 2016). Konventionen im Sinne der EC und der Soziologie der Kritik (Boltanski und Thévenot 2007) sind „Logiken der Koordination“. Gleichwohl dürfen diese nicht als schlichte Instrumente für gegebene Zwecke betrachtet werden; sie haben vielmehr starke normative Wurzeln und Implikationen. Daher sind Konventionen mindestens ebenso sehr moralische Rahmen für Interpretationen und Bewertungen wie sie rechtliche und kognitive Rahmen darstellen.

Im Folgenden verfolgen wir die These, dass im Feld der Selbstvermessung gesellschaftlich etwas Neues ausgehandelt und ins Leben gerufen wird: kollektiv gültige Wertordnungen für individuelle Alltagsaktivitäten, für an den Körper und seine Geschichte gebundene Kompetenzen, d. h. für an das Subjekt gebundenes immaterielles Kapital, für dessen vielfältige Aspekte bisher keine allgemein akzeptierten Formen der Repräsentation und Bewertung gefunden wurden. Die Selbstvermessung kann somit als ein gigantisches, über den Globus verteiltes Laboratorium verstanden werden, in dem Menschen technische Verfahren und normative Kriterien integrieren, anpassen oder entwickeln, anhand derer sie ihre konkreten Unterschiede kategorisieren und vergleichen. Selbstvermessungspraktiken beruhen einerseits auf der nachdrücklichen Betonung der eigenen Unverwechselbarkeit („N = 1!“), andererseits könnten sie aber letztlich auch kollektiv verbindliche Taxonomien des Selbst hervorbringen. Selbstvermessung impliziert also eine spezifische Forminvestition (Thévenot 1983), die die Subjekte in einer geteilten Praxis hervorbringen, um miteinander und mit der zeitgenössischen Wirtschaft und Kultur im Allgemeinen in Verbindung zu treten. Obwohl die Aktivitäten der SelbstvermesserInnen oft privat bleiben, sind sie dennoch soziologisch relevant. Insbesondere Laurent Thévenot

enlarged the notion of coordinative powers to personal capacities or abilities that imply coordinating with oneself and are a prerequisite for coordination with others (Thévenot 2014, S. 11).

Damit soziale Koordination überhaupt möglich ist, müssen die Erwartungen an das Verhalten anderer berücksichtigt werden. Auf einer anderen Ebene beziehen sich Erwartungen aber auch darauf, wie sich die Akteure mit sich selbst koordinieren. Nach Thévenot (2002, S. 69) erfordert die öffentliche Rechtfertigung sowohl eine emotionale Beteiligung als auch eine moralische Infrastruktur. Thévenot führt hier – in einem konzeptionellen Schritt zur Differenzierung spezifischer Regime der Interaktion mit der Welt – eine „duale Sichtweise“ ein: Die eine konzentriert sich auf Rechtfertigungen in der Öffentlichkeit und stützt sich dabei auf obligatorische, wenn auch in der Regel unbewusst angewendete Konventionen, die andere auf Formen der Koordination mit sich selbst:

Such a dual view is needed if we want to account for the interrelated metamorphoses of modes of government and of selves … (Thévenot 2014, S. 9).

Macht und Selbst müssen miteinander verknüpft werden und Thévenots „Regime des Engagements“ kann man so verstehen, dass sie die verborgenen Formen enthüllen, wie das Selbst mit sich selbst interagieren kann, was wiederum eine – ebenso wichtige wie oftmals übersehene – Voraussetzung dafür ist, sich überhaupt öffentlich engagieren zu können. Diese Engagements basieren „on a variety of relations to the world“ (Thévenot 2014, S. 11). Die Akteure können sich auf einen individuellen Plan einlassen, in dessen Verlauf sie die Welt funktional sehen, um ein gesetztes Ziel zu erreichen. Sie können sich auf Vertrautes einlassen, was bedeutet, dass sie die Welt im Hinblick auf Merkmale wie Einfachheit oder Bequemlichkeit schätzen. Hier entwickeln die Akteure eine Bindung, wie in engen Freundschaften oder in Bereichen der Intimität. Oder sie können sich auf das Entdecken einlassen, eine spielerische Annäherung an die Welt, die Spannung und Überraschung mit sich bringt (Thévenot 2014). Die Betonung liegt – wie bei allen Arten des konventionellen Denkens – nach wie vor auf der Kompetenz der Akteure, insofern sie ihr Engagement je nach Situation verändern können. Die Möglichkeiten des Engagements wie auch die Kontinuität des Selbst hängen jedoch von spezifischen Umwelten ab, die vorbereitet bzw. formatiert sein müssen (Thévenot 2014, S. 12). Aber solche „Formen“ und „Formate“ zur Koordinierung von Aktionen treten nicht in Kraft, ohne die Welt zu verändern. Tatsächlich besteht ihr eigentlicher Zweck darin, die Entitäten der sozialen Welt so umzugestalten, dass eine Koordination überhaupt erst möglich wird:

Shaping people and things in conventional forms produces capacities – or powers – to communicate and coordinate, that are needed for living in human communities. (Thévenot 2014, S. 10)

Dementsprechend werden wir in unseren Fällen feldspezifische Forminvestitionen analysieren, indem wir uns auf diesen Prozess der Neuordnung konzentrieren. Wir betrachten dies als eine „doppelte Transformation“ von Materialitäten und Handlungen in Zahlen und Berechnungen. Wir werden zwei spezifische Praktiken analysieren: das „Diet-Tracking“ und das „Mood-Tracking“, die sich in Bezug auf die Standardisierung der entsprechenden Forminvestition unterscheiden. Anhand der spezifischen Forminvestitionen im Feld des Diet- und Mood-Trackings untersuchen wir die Widerständigkeit von Körpern und Objekten. Insbesondere thematisieren wir hierbei die Ungenauigkeit des Messens, die sperrige Materialität von Objekten und Alltagspraxis und das unscharfe Verhältnis von alltäglicher Messpraxis. Forminvestition bedeutet vor allem, in die Kohärenz der beteiligten Entitäten zu investieren, damit Menschen und Objekte „in homogenous ways across contexts“ behandelt werden können (Thévenot 2002, S. 56). Erst die in der Auseinandersetzung mit solchen Widerständigkeiten gefundenen praktiksche Kompromisse erlauben es, die Grenzen der Bewertung auf immaterielle Kapazitäten (Gesundheit) auszudehnen und damit die bestehenden „margins of accounting“ zu verschieben (Miller 1998).

In diesem Sinne spielen Werte und die Quantifizierung von Gesundheit eine zentrale Rolle in der aktuellen institutionalistischen Forschung zur Gesundheitsökonomie (z. B. Batifoulier et al. 2013; Batifoulier 2018; Da Silva 2018). Dabei wird z. B. eine Verschiebung von wohlfahrtsstaatlichen hin zu marktwirtschaftlichen Organisationsprinzipien beobachtet, insbesondere in französischen und anderen europäischen Gesundheitssystemen (Da Silva 2018; Batifoulier 2018). Zentral hierfür ist die Einführung einer evidenzbasierten Medizin in den 1980er Jahren, in Form von klinischer Erfahrung (practicioners’ clinical experience), modernster klinischer Forschung und Datenerhebung über aktuelle Behandlungen als Faktengrundlage (Staii 2018, S. 199). Diese kontinuierlichen Standardisierungsbemühungen (Da Silva 2011) auf Grundlage statistischer Verteilungen und unter Einbeziehung kollektiver Daten (Staii 2018, S. 200) zur Generierung medizinisches Wissens wurden kontinuierlich ausgebaut und auf politischer Ebene durch Standardisierungsbemühungen schrittweise erweitert (Da Silva 2011).

Dieser epistemologische Wandel durch die Datafizierung von Gesundheit (Ruckenstein und Schüll 2017) geht mit neuen Dateninfrastrukturen einher. Die Vernetzung von neuen (individualisierten) Daten mit alten Gesundheitsdaten fördert insbesondere die individualisierte, prädiktive und präventive Medizin. Als mündige PatientInnen werden so die Akteure zunehmend in die Verantwortung für ihre Gesundheit genommen (Staii 2018, S. 199), gleichzeitig wird aber ihre Orientierung am Gemeinwohl nicht berücksichtigt (Batifoulier et al. 2011, S. 153; Ruckenstein und Schüll 2017, S. 272). Darüber hinaus werden – unter dem Deckmantel der Patientenermächtigung oder der „digitally engaged patients“ (Lupton 2013) – aktive, gut informierte PatientInnen gefördert und mit Marktmacht ausgestattet und somit Gesundheit als Markt zugänglich gemacht (Batifoulier et al. 2011). Swan charakterisiert diese patientenorientierte Gesundheitsdienste als

having an increased level of information flow, transparency, customization, collaboration and patient choice and responsibility-taking, as well as quantitative, predictive and preventive aspects (Swan 2009, S. 492).

Dabei werden die gesundheitlichen Folgen bzw. Ergebnisse je nach diskursiver und taxonomischer Zuordnung als Heilung, Verbesserung, Normalisierung, Prävention beziehungsweise Selbstdarstellung verstanden. Auf Selbstvermessung basierende patientengenerierte Inhalte tragen zu patientenorientierten Gesundheitsmodellen bei, die nicht nur die Rolle der PatientInnen, sondern auch die der ÄrztInnen, der Krankenkassen, der Wissenschaft oder den Gesundheitsbegriff verändern (Swan 2009; Lupton 2013). Mit der neu entstehenden Datenökonomie wird daher der Mangel an offenen Aushandlungsprozessen über gemeinsame Ziele, Werte und Qualitäten im Gesundheitsbereich weiter verschärft (Ajana 2017): Zum einen wegen der neuen Akteure und Infrastrukturen im Gesundheitssektor (Staii 2018, S. 202) und zum anderen, weil deren Anliegen durch die Datenverarbeitungsprozesse und -technologien noch stärker verdeckt werden.

Tamar Sharon (2018) zeigt auf, wie die gegenwärtige Gesundheitsforschung großer Konsumgütertechnologiekonzerne verschiedenen moralischen Logiken folgt und dementsprechend unterschiedliche Vorstellungen vom Gemeinwohl integriert. In diesem Zusammenhang ist in den letzten Jahren eine ganze Reihe von weitgehend standardisierten Produkten zur angeblichen Verbesserung der individuellen Gesundheit durch Selbstquantifizierung populär geworden (z. B. Google Fit, Apple Health, Samsung S-Health, etc.). Dabei stützen sich diese Produkte auf eine Kombination von Konventionen, die nach Sharon für die Gesundheitsforschung dominant sind. Einerseits wird Gesundheit im vitalistischen Register als Allgemeingut hochgehalten, sowohl für den Einzelnen als auch für soziale Gruppen und die Menschheit als Ganzes:

Here, good health, life and vitality are upheld as the highest values, (human) life and its proliferation is understood as having intrinsic value, the pursuit of the good life is framed in terms of the quest for Health. (Sharon 2018, S. 7)

Andererseits soll dieses Streben nach Gesundheit nun mit quantitativen Mitteln ermöglicht werden und damit werden industrielle Logiken der Effizienz und Optimierung in den Alltag der Anwender transportiert:

The industrial repertoire is a dominant one in the context of healthcare today, where digital technologies promise to propel medicine forward through early diagnosis, the development of precision treatments and the rendering efficient of inefficient healthcare systems. (Sharon 2018, S. 6)

Hierbei entsteht durch Selbstvermessung ein neues Moment, denn es sind nicht die ÄrztInnen, die über klinische Messmethoden Wissen über Patienten generieren, sondern es sind die SelbstvermesserInnen selbst, die Wissen über sich hervorbringen und damit zu Experten von sich selbst werden.

Mit der Frage, inwieweit diese industrielle Logik durch Quantifizierung Eingang in den Alltag der AnwenderInnen findet, folgen wir der von Rainer Diaz-Bone und Emmanuel Didier (2016) vorgeschlagenen internalistischen Perspektive als Ausgangspunkt für eine Soziologie der Quantifizierung. Diese geht davon aus, dass Kategorien und Quantifizierungen von kompetenten Akteuren interpretiert und angewendet werden und somit diese Entitäten nur in Situationen entstehen können. Oder wie Robert Salais es ausdrückt: „Quantification is plural“ (Salais 2016, S. 132). Das bedeutet, dass

any quantification process has to be situated, for the choices of what and how to quantify depend of the situation, the activity, the people, and their principles of justice. (Salais 2016, S. 132)

In der Praxis bedeutet dies, dass NutzerInnen zwar direkt von einem vitalistischen Aufruf zu individueller Gesundheit betroffen sein können, Messtechniken jedoch Vorstellungen von Genauigkeit und Effizienz transportieren, deren Integration in das tägliche Leben sich als recht mühsam gestalten kann. Dementsprechend müssen NutzerInnen ein angemessenes Gleichgewicht zwischen der Genauigkeit der Messungen und der Vitalität des Alltagslebens finden. Oder anders ausgedrückt: ein Gleichgewicht zwischen den Konventionen, die durch die Objekte vermittelt werden, und ihren persönlichen Möglichkeiten, sich zu engagieren, z. B. sich auf einen individuellen Plan einzulassen oder sich mit Vertrautem zu beschäftigen. Der Begriff der Angemessenheit steht dabei in direktem Zusammenhang mit normativen Vorstellungen darüber, wie und warum die Messung durchgeführt werden soll. Während sich die NutzerInnen von Anwendungen im Diet-Tracking auf eine Reihe von bereits standardisierten Maßen wie Kalorien und Gewicht stützen können, ist dies beim Mood-Tracking nicht der Fall, da verschiedene Ansätze miteinander konkurrieren und es unklar ist, wie Gefühle am besten in Zahlen übersetzt werden können. Daher gehen Unsicherheiten über die richtige Art und Weise der Messung und Darstellung mit Unsicherheiten über das richtige Maß für Gefühle und Wohlbefinden im Allgemeinen einher.

2 Methodischer Ansatz: Transformationsprobleme und die Grenzen des Messens

Das methodische Design folgt den Prinzipien der Grounded Theory (Strauss 1987; Strauss und Corbin 1996), um die entstehenden und sich verändernden Praktiken und Taxonomien der Selbstvermessung in einem flexiblen und methodisch offenen Verfahren zu untersuchen. Die zugrunde liegende induktive Forschungslogik und die abwechselnden Phasen der Datenerhebung und Datenanalyse erlaubten eine kontinuierliche Anpassung des methodischen Vorgehens, der Daten (-sättigung) und – in Grenzen – auch der zugrunde liegenden Forschungsfrage. Insofern hat sich die Grounded Theory als das geeignete Instrument zur Untersuchung eines sich mitunter rasant entwickelnden Forschungsgegenstandes erwiesen, der sich nicht nur durch die teilweise recht volatilen, kurzfristigen und wechselnden Selbstvermessungspraktiken, sondern auch durch die steigende Einbindung von Sensoren in Alltagsgegenstände wie Uhren oder Mobiltelefone auszeichnet. Den Gütekriterien der Gegenstandsangemessenheit und der theoretischen Durchdringung (Strübing et al. 2018) folgend wurden dafür immer wieder neue Forschungsfragen aus dem empirischen Material generiert.

Insgesamt wurden mehr als 100 Daten gesammelt, darunter Interviews und Gruppendiskussionen mit SelbstmesserInnen, Beobachtungen ihrer Selbstvermessungspraktiken sowie ExpertInneninterviews mit InteressenvertreterInnen (wie z. B. EntwicklerInnen von Selbstvermessungsgeräten) und teilnehmende Beobachtungen in der Quantified-Self-Bewegung in Deutschland. Sie decken verschiedene Bereiche der Selbstvermessung – wie Fitness, Leistung, Sport, Gefühle und Gesundheit – sowie verschiedene Ebenen der Selbstvermessungsexpertise ab – von Gelegenheits- bis zu professionellen SelbstvermesserInnen. Die folgenden Beschreibungen und Ergebnisse basieren hauptsächlich auf Interviews und einer Gruppendiskussion mit Kraftsportlern zum Thema Diet-Tracking sowie auf Interviews und Show-and-Tell-Talks der Quantified-Self-Bewegung zum Thema Mood-Tracking.

Auf der Grundlage dieser empirischen Forschung stellen wir zwei Anwendungsbereiche der Selbstvermessung gegenüber: Diet-Tracking und Mood-Tracking. Beide Bereiche nehmen Einfluss auf die Gesundheit. Sie unterscheiden sich jedoch in vielen Aspekten stark voneinander. Während Diet-Tracker auf eine lange Geschichte des Messens im Sport- und Gesundheitsbereich zurückblicken und weitgehend unhinterfragt standardisierte Größen wie Kalorien oder Kilogramm verwenden können, ist dies bei Mood-Trackern nicht der Fall, da Versuche, Gefühle zu quantifizieren, als recht neu und unerforscht gelten können (Vormbusch und Kappler 2014). Mit anderen Worten: Diet-Tracker können auf Forminvestitionen zugreifen, die für Mood-Tracker (noch) nicht zur Verfügung stehen. Daraus folgt, dass wir ganz unterschiedliche Ansätze zur Transformation von Materialität und „doings“ in Zahlen beobachten können. Einerseits ist beim Diet-Tracking von einer doppelten Transformation auszugehen, da es in den meisten Fällen darum geht, den Input und den Output zu berücksichtigen. Dementsprechend versuchen Diet-Tracker sowohl für die Nahrungsaufnahme als auch für durch Aktivität verbrauchten Kalorien Rechenschaft abzulegen. Mood-Tracker hingegen sind mit einer großen Vielfalt von Werten und Maßeinheiten konfrontiert, da die quantifizierende Messung der Gefühle noch nicht standardisiert ist. Was wir im Folgenden als Transformationsproblem charakterisieren, ist aus der Perspektive der TeilnehmerInnen eine Herausforderung, mit verschiedenen Formen von Ungenauigkeiten umzugehen oder, wie im Falle des Mood-Trackings, die Frage, was überhaupt gemessen werden kann und soll. Ausgehend von diesen Transformationsproblemen zeigt sich, wie die NutzerInnen im Alltag Forminvestitionen begegnen (Diaz-Bone und Didier 2016; Thévenot 1983; Desrosières 2007) und, je nach deren Grad der Standardisierung sowie den dabei auftretenden materiellen und praktischen Hindernissen, wie sie damit umgehen, wie sie sie ausweiten oder anpassen oder auch wie sie damit brechen.

3 Diet-Tracking: die Widerständigkeit etablierter numerischer Forminvestitionen in alltäglichen Gesundheitspraktiken

Beim Diet-Tracking messen Menschen ihre Ernährung anhand verschiedener Parameter wie Kalorien, Mikro- und Makronährstoffe. Damit können unterschiedliche Ziele verfolgt werden. Einige NutzerInnen möchten sich einen Überblick über ihre Ernährung verschaffen. Andere wollen sich einem gesünderen Lebensstil oder einem Aussehen annähern, das sie für attraktiver oder leistungsfähiger halten. Solche Ziele sind in der Regel mit dem Parameter Gewicht als abhängige Variable verbunden. Gleichzeitig dient das Gewicht als Test für die Wirksamkeit der Vermessungspraktiken, da es das Gewicht ist, das sich ändern soll. Eine häufig verwendete Formel, um Gewichtsveränderungen berechenbar zu machen, ist die Berechnung und Bilanzierung der aufgenommenen und verbrannten Kalorien. Sie wird als „calories in, calories out“ (CICO) bezeichnet. Die meisten verbreiteten Anwendungen zum Diet-Tracking funktionieren nach diesem Prinzip, z. B. MyFitnessPal oder FoodDataBase. Aber nicht nur die Apps haben dies populär gemacht. Die Karriere der Kalorien begann Ende des 19. Jahrhunderts, als Wilbur Olin Atwater begann, Ernährungsstudien mit einem Kalorimeter durchzuführen:

a device previously used to measure the combustive efficiency of explosives and engines (Cullather 2007, S. 340).

Dieses Gerät, das so groß wie ein Raum war, ermöglichte die energetische Messung der Nahrungsaufnahme und des Energieverbrauchs durch Aktivitäten. Hunderte von ähnlichen Experimenten folgten:

Proceeding from a Taylorist conception of a mechanomorphic body, Atwater led an effort by manufacturers, municipalities, and the federal government to set scientific ‘standards of living’ that could be used to contain wage levels while maintaining a healthy, contented workforce. (Cullather 2007, S. 343)

Die Quantifizierung von Nahrung und Aktivitäten fand ihr Gegenstück in der Messung des Körpergewichts in Kilogramm (Zillien et al. 2016, S. 125). Ratgeber wie Diet and Health von Lulu Hunt Peters griffen das Konzept der Kalorien auf und popularisierten bereits 1918 die Kalorienzählung. Obwohl es nie frei von Kritik war, wurde das Kalorienzählen zu einer zunehmend empfohlenen Methode, Gewicht zu verlieren. Um jedoch verlässliche Aussagen über das Gewicht zu machen, ist in der Regel eine Waage erforderlich, die wiederum auf eine Geschichte der Domestizierung zurückgeht, die mit den Waagen an öffentlichen Orten zu Beginn des 20. Jahrhunderts ihren Anfang nahm. Um ihre normalisierende Kraft zu entwickeln, bedurfte es jedoch einer weiteren Ergänzung, nämlich Tabellen, die das Körpergewicht im Verhältnis zur Körpergröße normalisierten:

Together, the scale and the height and weight chart became a powerful dual technology for defining normalcy. (Crawford et al. 2015, S. 483)

Zusammengenommen deuten diese Entwicklungen darauf hin, dass sich Diet-Tracker auf erhebliche Forminvestitionen verlassen können, da sich die Apps auf wissenschaftlich ausgearbeitete Klassifikationen und Berechnungen beziehen. Während das Grundprinzip einfach zu sein scheint, treten bei der Umsetzung Schwierigkeiten auf.

Eine Seite des – wie wir es nennen – doppelten Transformationsproblems beim Diet-Tracking besteht also darin, eine angemessene Schätzung der aufgenommenen Kalorien zu erhalten. Einerseits müssen die NutzerInnen herausfinden, wie viel Gramm eines bestimmten Lebensmittels sie essen, meist durch das Wiegen jeder einzelnen Zutat mit einer Küchenwaage. Zum anderen müssen sie Informationen über die Kaloriendichte und andere relevante Inhaltsstoffe haben. Um diese Informationen zur Verfügung zu stellen, umfassen die Anwendungen zum Diet-Tracking Datenbanken. Diese Datenbanken können von den NutzerInnen selbst befüllt werden (womit die NutzerInnen sowohl als Produzent als auch als Konsument relevanter Daten fungieren), sodass fehlende Zutaten laufend aktualisiert werden können, z. B. indem die entsprechenden Informationen von der Verpackung abgelesen oder im Internet recherchiert und anschließend in die Datenbank eingespeist werden. Einige Apps bieten die Möglichkeit, Barcodes zu scannen, sodass Nährwertdaten zeitsparend ergänzt werden können. Es ist jedoch nicht ungewöhnlich, dass es für eine bestimmte Zutat oder ein Fertiggericht unterschiedliche Informationen gibt, was auf einen Mangel an Standardisierung hinweist. Die meisten NutzerInnen entscheiden sich für eine dieser Optionen aus dem Bauch heraus, es sei denn, sie halten die Packung mit den Nährwerttabellen gerade in der Hand. Hinzu kommt, dass die Datenbanken in der Regel nur online verfügbar sind, sodass eine Nachverfolgung nicht möglich ist, wenn kein Internetzugang vorhanden ist. Die NutzerInnen müssen diese dann später eingeben. Wenn ihnen die Nährwertinformationen und -mengen nicht mehr vorliegen, schätzen sie diese oft.

Die andere Seite der doppelten Transformation besteht darin, dass diese Kalorienaufnahme für eine Gewichtszunahme/-abnahme höher/niedriger sein muss als die Summe des Kalorienverbrauchs durch tägliche Aktivitäten und des Grundumsatzes. Folglich müssen diese Aktivitäten auch in Kalorien umgerechnet werden, um sie mit den tatsächlich aufgenommenen Kalorien in Beziehung setzen zu können. Gängige Diet-Tracking-Applikationen versuchen, den Prozess der Bilanzierung so einfach wie möglich zu gestalten. Zur Berechnung des Grundumsatzes müssen Geschlecht, Alter und Körpergewicht angegeben werden. Abhängig von diesen Parametern werden Schritte, die über Schrittzähler aufgezeichnet wurden, in zusätzlich verbrauchte Kalorien umgerechnet. Um das Zählen von Schritten zu vereinfachen und weil die NutzerInnen nicht immer ihr Smartphone dabeihaben, können die Apps mit Wearables gekoppelt werden, die die Schritte und manchmal auch die Herzfrequenz unabhängig vom Smartphone erkennen. Die Pulsmessung erhöht zwar die Genauigkeit, verringert aber auch die Lebensdauer der Batterie, weshalb viele NutzerInnen die Pulsmessung ausschalten. Es stellen sich auch Fragen über die Position des Sensors am Körper. Wearables am Handgelenk oder das Smartphone in der Hosentasche an der Hüfte, die Pulsmessung am Handgelenk oder der Brustgurt, sie alle haben unterschiedliche Vor- und Nachteile im Hinblick auf Präzision und Alltagstauglichkeit. Beispielsweise haben optische Pulsmessungen am Handgelenk oft mit dem Problem zu kämpfen, dass sie durch den Schweiß zwischen Sensor und Haut immer ungenauer werden. Das Zusammenspiel von Schrittzählung und Pulsmessung zeigt auch, dass diese Anwendungen meist für das alltägliche Gehen und Laufen entwickelt wurden. Sportarten, die nicht im Wesentlichen auf Beinbewegungen basieren, können auf diese Weise nicht dargestellt werden. Ein von uns interviewter Kraftsportler berichtet, dass sein Fitbit sein Bankdrücken nicht aufzeichne. Er erzählt uns, dass das Fitbit den Puls nur in längeren Zeitintervallen überprüfe, sodass es die kurzen Belastungsphasen nicht bemerke, es sei denn, sie gingen mit einem schnellen Anstieg der Schrittfrequenz einher, der dem Gerät als Signal diene. Grundsätzlich können demnach nur Laufsportarten automatisch gemessen werden. Um andere Aktivitäten zu verfolgen, müssen NutzerInnen die Art der Aktivität aus einer Liste auswählen, die Dauer der Aktivität eingeben und manchmal eine Intensitätsbewertung vornehmen. Letztere kann alternativ auch durch die Pulsmessung ersetzt werden. Die App berechnet dann eine Schätzung auf der Grundlage des metabolischen Äquivalents der Aktivität (engl. Metabolic Equivalent of Task, MET), d. h. auf Grundlage des Energieaufwands im Verhältnis zur Masse einer Person – ein MET entspricht in etwa ruhigem Sitzen (Ainsworth et al. 1993).

In diesem Zusammenhang sind materielle Widerständigkeiten, die Messprozesse erschweren, in unseren Daten allgegenwärtig. Die NutzerInnen unterscheiden sich deutlich in der Art und Weise, wie sie praktisch solche Schwierigkeiten handhaben, d. h. wie sie mit Ungenauigkeiten, mit widerständigen Materialitäten und mit dem Messprozess umgehen. Um dies zu demonstrieren, konzentrieren wir uns auf eine Gruppe von Kraftsportlern, deren Ziel der Muskelaufbau und in dieser Hinsicht die Gewichtszunahme ist. Ihre Motivation ist sehr sport- und leistungsorientiert. Einige unter ihnen haben jedoch aus gesundheitlichen Gründen mit dem Diet-Tracking begonnen – von latentem Untergewicht bis hin zu starkem Übergewicht. Wir kontrastieren ihre Aussagen zudem mit den Praktiken des Diet-Trackings gesundheitsorientierter SelbstvermesserInnen, die besonders auf ihre Ernährung achten, eine Ernährungsumstellung überwachen oder Gesundheitsprobleme durch Gewichtsreduktion und -kontrolle angehen. Im Laufe unserer Interviews tauchen sehr unterschiedliche Bewertungen von Messungenauigkeiten auf, die in widersprüchlichen Konstruktionen wie „annähernd genau“ (Alex) gipfeln. Einerseits scheint es für einige Befragte und in manchen Perioden des Diet-Trackings wichtig zu sein, dass z. B. Kalorienmessungen möglichst genau durchgeführt werden, da sie die Grundlage für die Nahrungsaufnahme unter veränderten Bedingungen (z. B. für die Kraftsportler Tage, an denen man hart trainiert hat) sind. Andererseits finden wir in den Interviews etliche Aussagen, die sich auf – wie man es nennen könnte – „akzeptable Messungenauigkeit“ beziehen. Alex stellt zum Beispiel fest, dass „Brokkoli ohnehin nur 20 Kalorien“ (Alex) habe und insofern eine vernachlässigbare Kalorienmenge darstelle. Trotzdem wird Brokkoli „schnell gewogen“ (Alex) und daher in die Messung einbezogen. Derselbe Kraftsportler akzeptiert jedoch auf der anderen Seite der CICO-Formel eine grobe Schätzung von 500 verbrannten Kalorien für sein Krafttraining. Obwohl Krafttraining nicht automatisch verfolgt werden kann, erscheint es dennoch als ein ungewöhnliches Ungleichgewicht in der Genauigkeit im Gegensatz zu dem, was nach einer industriellen Bewertungslogik erwartet werden könnte, insofern eine solche Logik tendenziell verlangt, dass alle relevanten Parameter mit höchster Präzision erfasst werden. Wäre dies nicht möglich, könnte man erwarten, dass die Legitimität der Praxis infrage gestellt wird. Tatsächlich rechtfertigt eine unserer gesundheitsorientierten SelbstvermesserInnen den Verzicht auf die Selbstvermessung unter anderem mit diesem Gedanken:

Du musstest ja vorher auch alles abwiegen und dann überlegen, ja, nehme ich das bisschen jetzt noch dazu und dann hast du dir gedacht: Ach, scheiß drauf, das sind bloß 10 Kalorien wahrscheinlich und dadurch wurde es überhaupt nicht exakt. Das hat auch an Sinn verloren. (Barbara)

Während Barbara nicht in der Lage war, die Selbstvermessung mit ihrem Anspruch auf angemessene Genauigkeit und ihrer Vorstellung von einer gesunden Ernährung in Einklang zu bringen, zweifelt die Gruppe der Kraftsportler trotz offensichtlicher Ungenauigkeiten nicht an der Nützlichkeit der Selbstvermessung. Wie also rechtfertigen die Athleten solche Unausgewogenheiten zwischen der Genauigkeit der Messungen und teilweise recht groben Schätzungen? Zunächst ist anzumerken, dass die Gruppe der Kraftsportler digitales Diet-Tracking als eine enorme Erleichterung und Zeitersparnis auffasst, da sie seit langem Ernährungsbilanzen mit Papier und Bleistift durchgeführt und Trainings- und Ernährungspläne in Excel-Tabellen erstellt haben, an die sie sich ihrem Selbstverständnis nach strikt zu halten hatten. Durch ihre langjährige Auseinandersetzung mit den Themen Sport, Ernährung, Muskelaufbau und Fettabbau haben sie sich viel Fachwissen angeeignet. Vor diesem Hintergrund begründen sie ihre Selbstvermessungspraktiken zunächst damit, dass sie ihnen die Arbeit erleichtern:

Interviewer: Und du sagst, du hast dich schon vorher mehr damit beschäftigt. Was ist denn, also wie kann man dein Vorwissen beschreiben?

Max: Ähm ich habe das zum Beispiel tabellarisch dann halt einfach und mit einem Taschenrechner ausgerechnet. Wieviel ich jetzt gegessen habe und dann Vergleiche angestellt beziehungsweise halt einen Plan oder Plan nachvollziehen können oder eine Entwicklung. Und das ist jetzt natürlich mit der App wesentlich leichter, weil die berechnet einfach alles automatisch. Also man gibt nur das ein, was man jetzt zu sich genommen hat, dann wird das direkt umgerechnet und dann auf den Tagesbedarf ausgelegt. Und das ist eine Rechenarbeit von, weiß ich nicht, einer Viertelstunde oder etwas mehr, die mir jeden Tag oder jeden Abend dann halt einfach genommen wird. (Max)

Es sei angemerkt, dass andere NutzerInnen, die wenig Erfahrung mit der CICO-Rechnung haben, die Praxis, jede Mahlzeit zu messen, recht mühsam finden können, wie im Fall von Barbara. Die Kraftsportler schätzen jedoch die Mobilität und die Flexibilität, die die Ernährungsvermessung auf dem Smartphone bietet. Besonders auf das Echtzeit-Feedback wird dabei Wert gelegt, das im Vergleich zu einem Ernährungsplan und der handschriftlichen Notation der Mahlzeiten eine flexible Anpassung des individuellen Tagesablaufs an die Kalorienbilanz ermöglicht:

So sonst, sonst bleibt dir halt nur die vorgerechnete Menge, die irgendwer dir aufschreibt. Ja, du kannst 100 Gramm Reis essen, zwei Stücke Pute, einen Quark und dann kannst du dich in den Schlaf weinen. Weißte? Und wenn du das halt flexibel machst mit einer Tracking App, kannst du halt, wenn du es selber überwachst, kannst du es dir aussuchen. Kannst mit Leuten ein Stück Kuchen essen gehen, weißt es passt noch so viel, und dann kannst du, kannst den restlichen Tag anpassen. Mit mehr Umsatz also mehr Aktivität. Das ist halt viel, viel, viel besser. (Alex)

Wie genau das Gleichgewicht ausfallen muss, hängt von der spezifischen Phase ab, in der sich die Kraftsportler gerade befinden. Sie wechseln zwischen Phasen des Muskelaufbaus – was nach ihrer Aussage ohne Gewichts- und Fettzunahme unmöglich ist – und Phasen der Fettabnahme. So wechseln sie periodisch zwischen einem Kalorienüberschuss, in dem sie Muskeln, aber zwangsläufig auch Fett aufbauen, und einem Kaloriendefizit, in dem sie das Fett wieder loswerden. In Überschussphasen werden beide Seiten des Transformationsproblems vergleichsweise ungenau gemessen, weil den Kraftsportlern zufolge nur das Vorhandensein eines Bilanzüberschusses wichtig ist:

Also im Überschuss ist mir das egal. Im Überschuss tracke ich auf jeden Fall kein Gemüse, weil das macht zwar 300 [Kilokalorien] aus und ob ich jetzt äh in der Woche 1 oder 1,5 kg zu mir nehme, ist mir dann letzten Endes auch Wurst. (Alex)

In Defizitphasen wird jedoch „alles über der Kaloriendichte einer Zwiebel“ (Alex) gemessen. Es werden also viel strengere Genauigkeitsanforderungen gestellt – zumindest was die Gewissenhaftigkeit der Vermessung von Lebensmitteln betrifft, da die Schätzungen des Trainings unverändert bleiben. Zudem ist es der Körper selbst, der auf beiden Seiten des Transformationsproblems Ungenauigkeiten ins Spiel bringt, weshalb sich Ungenauigkeiten ohnehin nicht vermeiden lassen. Einerseits hängt der Kalorienverbrauch der Aktivitäten von der allgemeinen Fitness der SelbstvermesserIn ab, die ohne größeren Aufwand nur grob geschätzt werden kann. Zum anderen hängt die Kalorienaufnahme vom Stoffwechsel ab. In diesem Sinne fasst einer unserer Kraftsportler zusammen:

Man hat sowieso, Lebensmittel haben sowieso eine Schwankung, Training hat eine leichte Schwankung, alles ist Schwankungen unterworfen. Deswegen man kann es nicht 100% machen. Man muss dann auch entscheiden für sich selber wie viel Aufwand man darein stecken will, ne? (Alex)

Für die Kraftsportler ist der Anspruch auf Genauigkeit dem untergeordnet, was sie für sinnvoll oder akzeptabel halten, um in ihren Alltag integriert zu werden. Auch wenn das Engagement in ihren individuellen Plan wichtig ist (genaue Nachverfolgung, um Gewichtsziele zu erreichen), so muss es doch gegen das Engagement im Vertrauten abgewogen werden. Dementsprechend würde der höchstmögliche Grad an Präzision – der Logik der industriellen Konvention folgend (Boltanski und Thévenot 2007) – zu viel Aufwand erfordern. Daher impliziert die Praxis des Diet-Trackings eine ständige Abwägung von Aufwand und Präzision der Selbstvermessungspraktiken. Der Test, der den oben geschilderten Prozess der Bilanzierung leitet, besteht für die Kraftsportler in der Tatsache, dass die Selbstvermessung „einfach funktioniert“ bzw. dass das Ergebnis trotz aller Ungenauigkeiten dem angestrebten Ergebnis entspricht. So schildert Alex:

Also, wo ich auf Erhaltungskalorien war, habe ich auf jeden Fall nicht zugenommen, deswegen denke ich mal, habe ich das erstens akribisch genau gemacht und zweitens funktioniert die App auch ganz gut mit der Einschätzung. (Alex)

Dieses „gut genug“ zeigt auch, dass die Kraftsportler auf das Ergebnis und nicht so sehr auf die Zahlenwerte selbst achten. Dementsprechend stellen die Kraftsportler in der Gruppendiskussion ihre Vermessungspraktiken und die Beziehung zu Ungenauigkeiten der Messung wie folgt dar:

Wenn man das nimmt und dann sagt okay mit dem Wert habe ich jetzt ein bisschen abgenommen, aber nicht das was ich möchte, ich möchte schneller abnehmen, dann erhöhe ich das ein bisschen. Man kann die halt gut nutzen, vor allen Dingen kann man die nehmen, nicht unbedingt um den genauen Kalorienbedarf zu sehen, aber zum Beispiel äh seine Aktivität zu vergleichen, wenn man weiß wie die funktionieren ne. Die sind ja auch zum Beispiel ähm anfällig für Handbewegungen und wenn ich äh gucke, dass ich das da nicht bescheiße, habe ich ein Feedback darüber wie aktiv bin ich. Das heißt, wenn ich nicht mehr abnehme, war ich vielleicht weniger aktiv, so. Aber dafür nutzen das glaube ich nur ganz, ganz wenige. (Peter)

Die Kraftsportler nutzen die Selbstvermessung, um in einer Art Trial-and-Error-Verfahren Vergleiche mit sich selbst anzustellen und so Erfahrungen über ihren Kalorienhaushalt zu sammeln, mit denen sie möglichst zielsicher die Kontrolle über Gewichtszunahme und -abnahme gewinnen. Der Test für die CICO-Formel besteht darin, „genau genug“ zu sein, um das Ziel zu erreichen. Dies ist die Mindestanforderung und alle darüberhinausgehenden Ungenauigkeiten scheinen toleriert zu werden. In diesem Sinne wird die Forminvestion im Rahmen der industriellen Konvention durch eine ständige Schleife zwischen Test und Nachjustierung gedämpft.

In diesen permanenten Feedbackschleifen setzen sich die Diet-Tracker mit Widerständen und den damit verbundenen Ungenauigkeiten auf beiden Seiten des Transformationsproblems auseinander, oft durch die Entwicklung von Gegenpraktiken. Zum Beispiel meiden die Kraftsportler gastronomische Angebote, wie Mensen oder Restaurants, da es manchmal schwierig ist, die richtigen Kalorieninformationen zu erhalten. Eine andere Anpassung ist der zunehmende Verzehr von Fertiggerichten, da das Scannen der entsprechenden Barcodes Ungenauigkeiten reduziert und Zeit bei der Messung spart. In ähnlicher Weise tendieren andere Diet-Tracker dazu, schlicht ganze Packungen von Lebensmitteln zu essen, z. B. einen ganzen Beutel von tiefgefrorenem Brokkoli, und bevorzugen verpacktes Gemüse gegenüber Frischgemüse. Dies führt im Extremfall zu einer Standardisierung von Lebensmitteln, wie sie aus der Systemgastronomie bekannt ist. Insofern können die Messmethoden in den Alltag eingreifen. Dies steht im Einklang mit Thévenots Feststellung, dass

an environment has to be prepared or shaped within proper ‘formats’ to support a particular regime of engaging with it (Thévenot 2014, S. 12).

Meistens zeigen sich jedoch Aushandlungsprozesse, in denen ein Gleichgewicht zwischen den Anforderungen der Messmethoden und den Erfordernissen des eigenen Lebensstils, zwischen dem planvollen, vertrauten oder auch entdeckenden Engagement hergestellt wird.

4 Mood-Tracking: Widerständigkeit bei der Etablierung numerische Forminvestitionen in alltäglichen Gesundheitspraktiken

Mood-Tracking ist eine Praxis, bei der Menschen ihre Gefühle messen, entweder durch proaktive Eingabe ihres aktuellen subjektiven Gefühlsempfindens oder durch die automatische Erkennung physiologischer Parameter, die als Annäherung an den Gefühlszustand genommen werden. Die Motivation, die eigene Gefühle zu vermessen und passendere Formen dafür zu finden, ergibt sich entweder aus medizinischen und klinischen Bedürfnissen, wie der Beurteilung und Kontrolle emotionaler Störungen, oder aus dem Interesse und dem Streben nach Glück.

Historisch gesehen hat die Art und Weise, wie Menschen sich auf sich selbst und ihre Gefühle beziehen, eine Vielzahl von Formen angenommen, insbesondere bevor Zahlen und Berechnungen zum Messen des Selbst angewandt wurden (Noji und Vormbusch 2018). So wurde zum Beispiel im Rahmen der Beichte eine der ersten Institutionen der Selbstinspektion geschaffen (Hahn 1982). In diesem Zusammenhang erfolgten zwei wichtige Entwicklungsschritte der Beichte als frühe gesellschaftliche Institution der Selbstthematisierung: Erstens verlagerte sich der Schwerpunkt der Sündenanalyse im 12. Jahrhundert. Es waren nun nicht mehr äußere Handlungen, die im Fokus standen, sondern innere Absichten und Motive, wodurch Gefühle sozialisiert (Hahn 2000) und der Sinn für die eigene Subjektivität gesteigert wurden; zweitens wurden seit der Zeit der europäischen Reformation die Beobachtung und Beichte auf den gesamten Lebenszusammenhang ausgeweitet, systematisiert und in den Alltag integriert, meist in Form von Tagebüchern, was sich auch seit dem 18. Jahrhundert im Genre des Romanschreibens widerspiegelt. Folglich ist die Praxis der Beichte und der Selbstthematisierung schon seit längerem institutionalisiert und lenkt die Aufmerksamkeit auf die Erforschung des eigenen Innenlebens, der eigenen Emotionen, Gefühle und Stimmungen. Diese Verbindung zwischen Selbstbefragung und Selbstkontrolle findet sich auch im Mood-Tracking (Pritz 2016, S. 131). Trotz dieser Geschichte der Selbstthematisierung sowie der Beschreibung und Aufzeichnung von Gefühlen und im Gegensatz zu den Kraftsportlern, die sich mit Kalorien und Gewichtsangaben (sowohl als Körpergewicht als auch als Gewicht in Bezug auf die Leistung, z. B. beim Bankdrücken) auf standardisierte Messgrößen beziehen, enthält das Mood-Tracking eine Reihe tief greifender Unsicherheiten. Da Gefühle meist in Form von Sprache thematisiert werden, bleibt die Frage offen, was die angemessenen Messgrößen sein können und in welchen Verfahren und Darstellungsformen diese Messgrößen angewendet werden können.

In diesem Sinne lassen sich eine Vielzahl unterschiedlicher Formen des Messens und der Reflexion von Gefühlen beobachten (Pritz 2016). Auf der einen Seite gibt es viele Anwendungen, die die aktive Mitarbeit ihrer Nutzer erfordern. Diese Apps bitten die SelbstvermesserInnen – manchmal proaktiv, ein paar Fragen zu ihrem aktuellen Gefühlszustand zu beantworten. Je nach App können die Gefühle beschrieben werden, indem man den passenden Begriff aus einer Reihe vorgegebener Wörter auswählt, einen Wert aus einer Ordinalskala auswählt (von 1 bis 8, 1 bis 10 oder sogar 1 bis 100 wie im Fall der App „trackyourhappiness“ (www.trackyourhappiness.org)) oder den entsprechenden „Smiley“ oder Emoticon auswählt (siehe Pritz 2016, S. 132; Vormbusch und Kappler 2014). Als Faustregel gilt, dass die niedrigen Werte mit „unglücklich“ und die hohen Werte mit „glücklich“ assoziiert werden. Ausgereiftere Dienste erlauben eine komplexere Abbildung des Glückszustandes, beispielsweise durch Kreuztabellen, die zwei Dimensionen kombinieren: Auf der einen Seite wird der Grad der „Erregung“ abgetragen, der von „wütend“ bis „entspannt“ reicht. Auf der anderen Seite wird das „Gefühl“ eingetragen, das zwischen „traurig“ und „glücklich“ variieren kann (vgl. Interview mit Steve). Je nachdem, wo die SelbstvermesserInnen ihre Gefühle auf diesem xy-Achsensystem abtragen, ändert sich die Farbe des gesamten Quadrats und dem jeweiligen Glückszustand wird ein spezifisches Adjektiv, wie beispielsweise „frustriert“, zugeordnet.

Auf der anderen Seite gibt es erste Ansätze, die versuchen, Gefühle automatisch zu messen, indem sie Körperinformationen durch Sensoren erkennen und aus dem gemessenen Körperwert einen Gefühlszustand ableiten (Oh und Lee 2015, S. 54). Wearables ermöglichen die sofortige Erfassung physiologischer Daten, beispielsweise neuronale Aktivitäten, Herzfrequenzvariabilität (engl. heart rate variability, HRV) oder Hautleitfähigkeit (Malhi et al. 2017, S. 104). Mithilfe dieser automatisierten Messtechniken werden Veränderungen ermittelt, die dann analytisch mit Gefühlen assoziiert werden (Vormbusch und Kappler 2018, S. 220). Andere Ansätze nutzen von Smartphones erfasste Aktivitätsdaten – beispielsweise die Anzahl besuchter Orte, Kommunikations- oder Bewegungsmuster, Telefonnutzungsaktivitäten, die Anzahl an Telefonaten, den Grad der körperlichen Aktivität – um die Gefühle der NutzerInnen und insbesondere das Vorliegen und den Schweregrad einer depressiven Phase abzuleiten (Servia-Rodríguez et al. 2017; Malhi et al. 2017).

Ziel dieser Vielfalt von Ansätzen ist ein meist grafisch dargestellter statistischer Überblick über die eigene Gefühlswelt und Befindlichkeit in Form von Wortwolken, Progressionskurven oder Häufigkeitsverteilungen, die mittels spezieller Software auf dem Computer, Tablet oder Smartphone benannt und dokumentiert werden (Pritz 2016, S. 133). Aus unseren Interviewdaten und Beobachtungen der Quantified-Self-Bewegung lässt sich jedoch kein Konsens oder Standard über angemessene Messgrößen, Verfahren und Darstellungsformate erkennen. Eine unserer Interviewpartnerinnen beschreibt, wie Emoticons zur Messung der Gefühle verwendet werden, da es offensichtlich unsicher ist, welchen Punkt auf einer Skala man wählen soll:

[…] and then I have this slider, which goes from zero to... I think it is actually divided in the middle, so you get five points to the left and then that is the best mood, for example, and to the right, and it is a good mood. And I also have this little smiley feedback. So, I put the slider and then I can see the smiley and it helps me to adjust, I think ‘No, not that happy, or...’, you know, so that gives me kind of feedback to see, if I scored right on the scale. […] it is just on the continuum happy versus not happy. (Sandra)

Ein weiterer Indikator für den mangelnden Konsens beim Mood-Tracking sind die kontroversen Debatten unter den Mood-Trackern über die jeweiligen Vorteile einer numerischen oder einer textbasierten Darstellung ihrer Gefühle:

[...] I also feel very reductionist if I would do it by numbers, so if I would score it. I am just curious if other people have experiences with things that are a bit more elaborated than a number, but not as free flow as words or things. [...] The structure does not help you with emotions, because it is a structure, you do not need a structure but a flow. (Deborah)

Was hier öffentlich diskutiert wird, ist die Frage, wie Gefühle angemessen erfasst werden können. Die bisher etablierten Erzählformate wie Tagebücher scheinen für Deborah zu frei und unstrukturiert. Zahlen hingegen scheinen zu viel Struktur zu geben und sind dementsprechend zu reduzierend. Stattdessen sucht sie nach einem Format, das einen „flow“ ermöglicht, sodass Gefühle nicht unterdrückt und dennoch in irgendeiner Weise strukturiert werden. Offensichtlich scheinen ihr die bisher etablierten Formate nicht geeignet, deshalb sucht sie nach neuen Formen.

Neben der Zuweisung eines Wertes zu einem wahrgenommenen „Glückszustand“ erlauben die meisten Apps, diesen mit weiteren Informationen über den sozialen Kontext, z. B. wo man sich befindet, was man tut oder mit wem man zusammen ist, zu verknüpfen. Zusätzlich ist es üblich, den wahrgenommenen Gefühlszustand mit anderen Messdaten zu korrelieren, um herauszufinden, welche Faktoren das empfundene Glück beeinflussen. John verknüpft seine Gefühlsdaten mit psychologischen Theorien, um Informationen über Faktoren zu erhalten, die seinen emotionalen Zustand beeinflussen könnten:

So what I am trying to do is to derive my personal formula that includes all the different variables and factors in my life that kind of influence and define happiness. Last December, I started tracking data points in my everyday life in order to test some psychological and behavioral theories of happiness. (John)

Die Beziehung zwischen seinem Tagesablauf und seinem Gesundheitszustand testet John mit Hilfe psychologischer und Verhaltenstheorien. Er verfolgt dabei den Ansatz, eine Art Glücksformel zu finden. Dies könnte analog zur Suche und Herleitung der CICO-Formel verstanden werden, aber John scheint hierbei an Grenzen zu stoßen:

So, my theory was, I will see how the way I live my life, by everyday activities, is related to my happiness. I put together a list of activities that I usually do during the day, about fourteen or fifteen, and at the end of each day, I took a look on how much time I spend on these activities in minutes. And then I also computed an average happiness level for that day. And then I just ran the correlations, [...] The problem with this model is, it is kind of difficult, even for me, […] it is kind of hard to say, sometimes, what variable is the cause and which is the effect. Did I feel unhappy because I worked hard/too much or did I have to work much because I was not happy. […] So, based on this formula, based on these results I kind of derived a partial formula. It was inconclusive. [...] So, at this point, what I know is there is no solid conclusion yet, there is no final product, there is no data, there is no formula of happiness. But I did learn that happiness can be quantified and so can be the factors that influence the happiness. (John)

John erklärt, dass es selbst für ihn schwierig wäre festzustellen, welche Variable tatsächlich welchen Effekt verursache. Interessanterweise scheinen diese Misserfolge John nicht dazu zu veranlassen, den Glauben an die Möglichkeit, Glück zu messen, aufzugeben. Im Gegenteil, John glaubt gelernt zu haben, dass man Glück quantifizieren könne, nur habe er es versäumt, die notwendige Forminvestition zu leisten. Dennoch wird die Frage, ob sich Glückserlebnisse mithilfe einer integrierten „world happineess formula“ (John) – analog zur CICO-Formel beim Diet-Tracking – berechnen lassen, von vielen SelbstvermesserInnen bezweifelt. Auch das Ziel einer konsistenten Quantifizierung von Gefühlserfahrungen ist höchst umstritten.

Folglich und trotz vieler Bemühungen und Absichten gibt es derzeit keine einheitlichen Modelle in Form von Metriken, Praxisformen und Regeln, um Gefühle oder Glück zugänglich, bewertbar und damit auch optimierbar zu machen (Vormbusch und Kappler 2018, S. 208). Die derzeitige Form des „Gefühlsschreibens“ ist daher sehr volatil, instabil und wenig standardisiert, mit weiterhin ganz unterschiedlichen dazugehörigen Forminvestitionen. Diese Schwierigkeiten bei der Suche nach der richtigen „Formel“ und geeigneten Formen im Allgemeinen deuten auch darauf hin, dass der immaterielle Gegenstand der Messung weit weniger eindeutig zu sein scheint, als es beim Diet-Tracking mit Kalorien der Fall ist. Dazu gehört auch die weitreichende Unsicherheit über den Gegenstand des Mood-Trackings selbst. Für die von uns interviewten Mood-Tracker ist nicht einmal klar, was, d. h. welcher Gegenstand, gemessen werden soll und was dadurch sichtbar gemacht werden kann:

What I measured was happiness and I sort of wondered, is it really happiness or should I be measuring satisfaction, or accomplishments or, you know. (Deven)

To me, that is more like looking at the level of frustration or some sort of... like the level of how liberated I am every day. (Marc)

Zufriedenheit, das Erreichen von Zielen, Frustration und Freiheit, all diese Gefühle werden mit dem Begriff „Glück“ assoziiert. Die Mood-Tracker scheinen sich also nicht sicher zu sein, was sie messen sollen: Glück, Zufriedenheit, Frustration und viele andere Möglichkeiten. Dies könnte etwas damit zu tun haben, dass, wie der nächste Interviewausschnitt zeigt, Glück offenbar nicht gemessen werden kann, ohne den Glückszustand selbst zu beeinflussen:

What I learnt – I can’t measure happiness without affecting it. (Deven)

Es scheinen somit noch keine geeigneten „konventionellen Formen“ gefunden worden zu sein, die eine Selbstkoordination in Bezug auf Gefühle ermöglichen. Dennoch hat der Versuch, Gefühle zu messen, performative Effekte – zumindest auf die zu messende Gefühle selbst. Im Gegensatz zum Diet-Tracking, bei dem einige Akteure ihre Praktiken mehr oder weniger bewusst ändern, indem sie z. B. keine Restaurants mehr besuchen, scheint dies beim Mood-Tracking aufgrund der unsicheren Form weit weniger kontrollierbar zu sein.

5 Diskussion

Vergleicht man Diet- und Mood-Tracking, so kann hier in unterschiedlichem Maße auf etablierte Forminvestitionen zurückgegriffen werden. Während die Vermessungspraxis von Diet-Trackern über weitgehend standardisierte Maße wie Kalorien oder Gewicht in Relation zur Körpergröße verfügt, ist im Bereich des Mood-Trackings noch unklar, welche Form der Quantifizierung sinnvoll ist, mit welchen Variablen sie in Beziehung gesetzt werden soll und welche repräsentativen Formate dafür verwendet werden sollen. Dies ist einer der Gründe, warum in der Quantified-Self-Bewegung das Diet-Tracking als relativ unspektakulär gilt und viele Diskussionen sich eher noch nicht etablierten Feldern wie dem Mood-Tracking zuwenden. Da die Maßeinheit und das Messverfahren noch nicht standardisiert sind, sind Fragen zur Integration in den Alltag und damit zu Widerständen und (Un-)Genauigkeiten – wie sie bei der Ernährungsvermessung diskutiert werden – hier weniger naheliegend, weil zunächst einmal geklärt werden muss, was überhaupt gemessen werden soll und wie. Während die Grenzen des Messens beim Diet-Tracking vor allem in der Bequemlichkeit und einer widerständigen Materialität liegen, die nicht wie gewünscht gemessen werden kann und manchmal performativ angepasst wird, geht es beim Mood-Tracking immer noch um Fragen wie die, ob das Glück aufgrund seiner Immaterialität und Flüchtigkeit überhaupt messbar ist (Vormbusch und Kappler 2014). Nichtsdestotrotz gibt es ein ständiges Bemühen, Gefühle einer Quantifizierung zugänglich zu machen – bis hin zum Versuch, eine Art Glücksformel zu erstellen, wie wir am Beispiel von John gesehen haben. Wir erwarten, dass mit zunehmender Standardisierung auch vermehrt Fragen der adäquaten Umsetzung im Alltag aufkommen werden, so wie dies beim Diet-Tracking bereits der Fall ist.

Dementsprechend variiert, was in den jeweiligen Bereichen des Diet- und Mood-Trackings als angemessen angesehen wird. Wir betrachten die diesbezüglichen Überlegungen jedoch nicht nur als private Angelegenheit. Thévenot (2014, S. 13) argumentiert, dass es die etablierten Unterscheidungen zwischen öffentlich und privat sowie zwischen individuell und kollektiv schwierig machen, die Komposition bzw. Identität und das Engagement einer Person vollständig zu erfassen. Unter Bezugnahme auf das Konzept des Engagements und um es weiter voranzutreiben, schlagen wir vor, dass Individuen auch im Privaten öffentliche Bewertungen in Betracht ziehen. Für das Regime des individuellen Plans bedeutet dies zum Beispiel abzuschätzen, welche Ziele es wert scheinen, ausgewählt zu werden, und welche Mittel dafür erlaubt oder seriös sind. Für das Regime des Handelns im Vertrauten bedeutet dies, sich zu fragen, welche Personen und Gegenstände in intime Beziehungen integriert werden können oder dürfen und welche Formen der Anerkennung dadurch möglicherweise verletzt werden. Auch SelbstvermesserInnen beschäftigen sich mit den öffentlichen Diskursen, die ihr Tun und Wirken begleiten. Viele SelbstvermesserInnen nehmen dementsprechend schon fast routinemäßig mögliche Kritik vorweg und spielen die Rigidität ihrer Aktivitäten aktiv herunter oder stellen umgekehrt die Selbstvermessung als die richtige Lösung für Probleme dar, die andere nicht richtig angehen. Die Kraftsportler in unserer Gruppendiskussion sprachen sich zum Beispiel gegen invasive Formen der medizinischen Intervention (z. B. Magenverkleinerung) aus. Wenn man an der Selbstvermessung festhalte und sich nicht selbst etwas vormache, so das Argument, könne man mit kleinen Änderungen in der Lebensführung viel erreichen, auch ohne einen starren Ernährungsplan, der den Willen vieler übersteige.

Tatsächlich handelt es sich bei Selbstvermessungs-Apps um flexible Technologien. Wir verstehen sie als intermediäre Objekte, d. h. als Objekte, die verschiedene Koordinationssituationen miteinander verbinden und dadurch „die raumzeitliche Reichweite und Kohärenz der Koordination stützen“ (Diaz-Bone 2019, S. 81). Intermediäre vermitteln zwischen unterschiedlichen Bewertungslogiken. Wir denken dabei nicht nur an eine Vermittlung in Rechtfertigungssituationen, sondern auch an eine Vermittlung unterhalb von Rechtfertigungsordnungen. Wenn die Kraftsportler sich von starren Ernährungsplänen distanzieren und stattdessen betonen, dass die Selbstvermessung es ihnen erlaube, ihren Plan zu verfolgen und gleichzeitig flexibel zu bleiben, um vertrauten oder spontanen Alltagsgeschehnissen zu folgen, zeigt dies, wie diese Technologien zwischen ihrem Engagement im planenden Handeln und ihrem Wunsch vermitteln können, nicht alles andere diesem Plan unterzuordnen, sondern Raum für Einfachheit und Spontaneität zu lassen. Gleichzeitig könnten sie als jene Art von souveränen Akteuren klassifiziert werden, die ihre zukünftigen Ziele mithilfe der Technologie und der in sie integrierten Standards erreichen. Insbesondere im Gesundheitsbereich überschneiden sich die institutionellen Anforderungen an die Befähigung der PatientInnen mit den Bestrebungen zur Selbstermächtigung der NutzerInnen entsprechender Apps und in diesem Sinne überschneiden sich die kollektiven mit den individuellen Koordinationslogiken. Im Bestreben, gesund zu sein, vermischen sich öffentliche Forderungen nach der Übernahme von Verantwortung für die eigene Gesundheit mit individuellen Bemühungen, Ziele zu verfolgen, sowie mit dem Alltagsleben, in dem Vertrauen und Vertrautheit eine große Rolle spielen. An unserer Analyse kann man sehen, inwiefern Technologien in diesem Prozess Intermediäre sind, die einerseits in sie eingeschriebene Logiken und Standards in den Alltag der Akteure tragen, andererseits diese Akteure in ihren verschiedenen Engagements unterstützen. Diese Logiken müssen jedoch situiert werden. Dies wiederum hängt von den Fähigkeiten der Akteure und ihrer Bereitschaft ab, die Technologien in ihren Alltag zu integrieren. Dies wird zum Beispiel bei Barbara deutlich, die ihre Vermessung mit einem gesunden Lebensstil rechtfertigt. Für sie ist die Vermessung eine Maßnahme zur Überwachung einer Ernährungsumstellung, die ihr helfen soll, ihre Gesundheit und Energie zu verbessern. Aber ihrer Meinung nach erfordert die App eine hohe Messgenauigkeit, die mit dem, was sie als angenehm und machbar empfindet, stark kollidiert, sodass sie schließlich sogar vollständig mit der Vermessung aufhört. Die Technologie hätte eine große performative Anpassung ihrer Alltagsgewohnheiten und dessen, was sie als angenehme Alltagsroutine empfindet, bedeutet. Die Kraftsportler begnügen sich damit, ihre Messungen nicht so präzise wie möglich durzuführen. In einem Trial-and-Error-Verfahren finden sie heraus, wie viel Präzision erforderlich ist, um sich zumindest in die grobe Richtung ihrer Ziele zu bewegen. Für jeden Messvorgang können die Kraftsportler Argumente dafür vorbringen, wie viel Präzision notwendig ist oder warum es gerade ausreicht, hier und da nicht so präzise zu sein und sich mit einer Schätzung zufrieden zu geben, weil z. B. alles andere zu komplex und zu lästig wäre. Am Ende ist nicht das Wichtigste, dass es perfekt funktioniert, sondern dass es „gut genug“ funktioniert. Für viele SelbstvermesserInnen ist das Handeln im Vertrauten ein legitimer Grund, ihre Vermessungsbemühungen einzuschränken. In diesem Fall liegt der Schwerpunkt auf dem Engagement im Vertrauten (das alltägliche Leben mit Leichtigkeit zu leben). Wir finden aber auch explorative Momente in der Selbstvermessung (spielerisches Ausprobieren) sowie öffentliche Rechtfertigungen (Kraftsportler sprechen/diskutieren mit anderen, um ihnen den richtigen Weg zu zeigen) (Kappler et al. 2018). SelbstvermesserInnen haben es regelmäßig mit widersprüchlichen moralischen Anforderungen zu tun, wie z. B. selbstevidente Sorgen um die eigene Gesundheit, verschiedene Leistungsanforderungen, industrielle Logiken der Effizienz, Genauigkeit und Planung sowie die Auseinandersetzung mit den verschiedenen Anforderungen des Alltags.

Als Community of Practice verschieben SelbstvermesserInnen die etablierten Arten und Weisen, mit sich selbst umzugehen und sich so für andere zugänglich zu machen. Da „different objects […] support distinct modes of coordination“ (Thévenot 2002, S. 60), ist zu erwarten, dass Techniken der Selbstvermessung spezifische und neue Formen der Koordination mit sich selbst und anderen ermöglichen. Zahlen und Berechnungen als Mittel der Selbstbeobachtung erlauben andere Zugänge zu sich selbst und zu anderen als dies durch Erzählungen der Fall ist (Noji und Vormbusch 2018). Damit kommen wir zu der von Thévenot (2014) vorgeschlagenen doppelten Sichtweise. Als intermediäre Objekte lenken Selbstvermessungstechnologien die Aufmerksamkeit der AnwenderInnen auf bestimmte Fakten – während andere verborgen bleiben. Intermediäre entfalten ihre eigenen repräsentativen Formate, ihre eigene Sprache des Denkens und Kommunizierens über Körper, Gefühle, Absichten usw. – und damit andere Möglichkeiten, sich auf sich selbst zu beziehen. Sie ermöglichen es den Menschen, sich auf spezifische Weise zu koordinieren. Wie Sophie im einleitenden Zitat andeutet, macht es einen Unterschied, ob man das Hungergefühl spürt oder ob man Hunger in quantitativer Form erfassen kann, zum Beispiel 500 Kalorien oder 750 Kalorien, denn Sophie hat offensichtlich gelernt, wie sich 500 Kalorien Hunger anfühlen. Die Taxonomien der Selbstvermessung definieren, was als relevanter Unterschied gilt. Und gleichzeitig manifestieren sie koordinierende Kräfte mit all ihren potenziell ermächtigenden oder unterdrückenden Implikationen. Aus der Perspektive der Gouvernementalität könnte die Selbstvermessung als eine neue Form des „Schreibens des Körpers“ interpretiert werden (Vormbusch 2020).

Diese neue Form des Schreibens von Wert fällt nicht einfach vom Himmel. Vielmehr drücken sich in ihr vielfältige, historisch gewachsene Ambitionen aus, die Welt auf neue Weise zu messen und zu „schreiben“. In diesem Zusammenhang könnte es hilfreich sein, daran zu erinnern, dass die gesellschaftliche Form des Wertschreibens seit Beginn des 12. Jahrhunderts grundlegende Transformationen erfahren hat (vgl. Hoskin und Macve 1986). Es begann mit Neuerungen auf dem Gebiet der räumlichen Strukturierung von Texten. Diese wurden zunehmend durch die Gliederung in Kapitel und Abschnitte, durch Kapitelüberschriften und Akzentuierungen sowie durch die Etablierung von Anhängen, Inhaltsverzeichnissen und Registern strukturiert. In der Folge schrumpfte die gesellschaftliche Flexibilität bei der Interpretation dieser Texte (Vormbusch 2012, S. 110). Insbesondere in der Wirtschaft und im Finanzwesen stellt die doppelte Buchführung den Höhepunkt dieser Entwicklung dar, die in hohem Maße durch Rechtsnormen geregelt ist. Man könnte argumentieren, dass die Repräsentation von Gefühlen, Körperempfindungen und Alltagshandlungen im Bereich der Selbstvermessung analog als eine Praxis der Repräsentation „in the making“ verstanden werden kann. Im Gegensatz zu den seit langem etablierten Normen des Schreibens von ökonomischem Wert ist z. B. die Repräsentation von Gefühlen derzeit noch sehr experimentell im Hinblick auf ihr Wissensobjekt, das kognitive Interesse, die Metrik und die Institutionalisierung; SelbstvermesserInnen kombinieren oft entsprechende Repräsentationen aus verschiedenen Zeichensystemen. Es wird buchstäblich in kleinen sozialen Gruppen mit neuen „Schreibweisen“ des Glücks experimentiert. Folglich kann die Selbstvermessung auf der Ebene der Analyse zeitgenössischer Gesellschaften als eine sich herausbildende Praxis beschrieben werden, in der die Akteure auf grundlegende, wirtschaftliche wie kulturelle Unsicherheiten reagieren (Vormbusch 2016). Vor dem Hintergrund einer wachsenden Verunsicherung versuchen sie, sich auf Normen und Kriterien zu verständigen, nach denen sie selbst und ihre Lebenspraxis kollektiv beurteilt und verändert werden könnten. Gesellschaftlich innovativ an der Selbstquantifizierung ist die Art und Weise, wie neue Formen der Koordination verteilten Handelns entstehen. Sie folgen dabei durchaus etablierten Vorstellungen vom Selbst, von Individualismus, Authentizität und Optimierung, aber gleichzeitig transformieren sie diese Vorstellungen durch neue Formen einer quantifizierten Identitätspolitik. Technologie und Kalkulation sind nicht nur in die Art und Weise eingeschrieben, wie Selbstquantifizierer mit sich selbst und der Welt umgehen. Da das Selbst davon abhängt, wie es angesprochen und „geschrieben“ wird, argumentieren wir, dass SelbstquantifiziererInnen die Bedeutung von Identität, Selbst und Gesundheit regelrecht „umschreiben“, indem sie Bedeutung in numerische Werte umwandeln – was sie nicht ersetzen, sondern beides auf innovative Weise vermischen soll. In diesem Zusammenhang müssen wir die erhebliche Freiheit berücksichtigen, die die Menschen haben, wenn sie auf Handlungsprobleme der heutigen modernen Gesellschaften reagieren, indem sie spezifische Wege zur Koordination ihrer Handlungen wählen. In diesem Sinne führen sie nicht einfach nur ein klar umrissenes Programm aus oder reproduzieren unbewusst einen bestimmten Diskurs. Was sie tun, ist, auf bestimmte Forderungen zu antworten (die Forderung nach Freiheit, die Forderung nach Optimierung oder, was in unserem Kontext wichtig ist, die Forderung, mit sich selbst in einer gesunden und nachhaltigen Weise umzugehen), indem sie sich auf Konventionen und – insbesondere – auf ihre Engagements mit der Welt stützen.

Notes

  1. 1.

    Aus Gründen der Anonymisierung und zum besseren Verständnis sind die Namen der befragten Personen fiktiv.

Literatur

  • Ainsworth, Barbara/Haskell, William/Leon, Arthur/Jacobs, David/Montoye, Henry/Sallis, James/Paffenbarger, Sallis. 1993. Compendium of physical activities: classification of energy costs of human physical activities. Medicine & Science in Sports & Exercise 25(1), S. 71–80.

    CrossRef  Google Scholar 

  • Ajana, Btihaj. 2017. Digital health and the biopolitics of the Quantified Self. Digital Health 3, S. 1–18.

    CrossRef  Google Scholar 

  • Batifoulier, Philippe/Domin, Jean-Paul/Gadreau, Maryse. 2011. Market Empowerment of the Patient. The French Experience. Review of Social Economy, 69(2), S. 143–162.

    Google Scholar 

  • Batifoulier, Philippe/Braddock, Louise/Latsis, John. 2013. Priority setting in health care: from arbitrariness to societal values. Journal of Institutional Economics 9(1), S. 61–80.

    CrossRef  Google Scholar 

  • Batifoulier, Philippe. 2018. Réformes de la santé: une diversité de privatisations. L’Économie politique 80(4), S. 50–61.

    CrossRef  Google Scholar 

  • Boltanski, Luc/Thévenot, Laurent. 2007. Über die Rechtfertigung. Eine Soziologie der kritischen Urteilskraft. Hamburg: Hamburger Edition.

    Google Scholar 

  • Crawford, Kate/Lingel, Jessa/Karppi, Tero. 2015. Our metrics, ourselves: A hundred years of selftracking from the weight scale to the wrist wearable device. European Journal of Cultural Studies 18(4–5), S. 479–496.

    CrossRef  Google Scholar 

  • Cullather, Nick. 2007. The Foreign Policy of the Calorie. American Historical Review 112(2), S. 337–364.

    CrossRef  Google Scholar 

  • Da Silva, Nicolas. 2011. Motivations médicales et politiques d’incitations. La motivation intrinsèque contre la théorie de l’agence? Journal de gestion et d’économie médicales 29, S. 351.

    Google Scholar 

  • Da Silva, Nicolas. 2018. L’industrialisation de l’économie libérale: une approche par l’économie des conventions. Management & Avenir Santé 1(3), S. 13–30.

    Google Scholar 

  • Desrosières, Alain. 2007. Surveys versus administrative records: Reflections on the duality of statistical sources. Courrier des statistiques. English series 13, S. 7–19.

    Google Scholar 

  • Desrosières, Alain. 2011. The economics of convention and statistics: the paradox of origins. Historical Social Research 36(4), S. 64–81.

    Google Scholar 

  • Desrosières, Alain/Thévenot, Laurent. 1979. Les mots et les chiffres: les nomenclatures socio-professionnelles. Economie et Statistique 110, S. 49–65.

    CrossRef  Google Scholar 

  • Diaz-Bone, Rainer. 2016. Convention Theory, classification and quantification. Historical Social Research 41(2), S. 48–71.

    Google Scholar 

  • Diaz-Bone, Rainer. 2019. Valuation an den Grenzen von Datenwelten: Konventionentheoretische Perspektiven auf Quantifizierung und Big Data. In: Kropf, Jonathan/Laser, Stefan (Hrsg.), Digitale Bewertungspraktiken: Für eine Bewertungssoziologie des Digitalen. Wiesbaden: Springer VS, S. 71–96.

    CrossRef  Google Scholar 

  • Diaz-Bone, Rainer/Didier, Emmanuel. 2016. The Sociology of Quantification – Perspectives on an Emerging Field in the Social Sciences. Historical Social Research 41(2), S. 7–26.

    Google Scholar 

  • Diaz-Bone, Rainer/Salais, Robert. 2011. Economics of convention and the history of economies: towards a transdisciplinary approach in economic history. Historical Social Research, 36(4), S. 7–39.

    Google Scholar 

  • Fröhlich, Gerrit. 2019. Medienbasierte Selbsttechnologien 1800, 1900, 2000. Vom narrativen Tagebuch zur digitalen Selbstvermessung. Bielefeld: transcript.

    Google Scholar 

  • Hahn, Alois. 1982. Zur Soziologie der Beichte und anderer Formen institutionalisierter Bekenntnisse: Selbstthematisierung und Zivilisationsprozess. Kölner Zeitschrift für Soziologie und Sozialpsychologie 34(3), S. 407–434.

    Google Scholar 

  • Hahn, Alois. 2000. Konstruktionen des Selbst, der Welt und der Geschichte. Aufsätze zur Kultursoziologie. Frankfurt am Main: Suhrkamp.

    Google Scholar 

  • Hoskin, Keith W./Macve, Richard H. 1986. Accounting and the Examination: A Genealogy of Disciplinary Power. Accounting, Organizations and Society 11(2), S. 105–136.

    CrossRef  Google Scholar 

  • Kappler, Karolin/Krzeminska, Agnieszka/Noji, Eryk. 2018. Resonating self-tracking practices? Empirical insights into theoretical reflections on a “sociology of resonance”. In: Btihaj, Ajana (Hrsg.), Metric Culture: Ontologies of Self-Tracking Practices. Bingley: Emerald Publishing, S. 77–96.

    CrossRef  Google Scholar 

  • Lupton, Deborah. 2013. The digitally engaged patient: Self-monitoring and self-care in the digital health era. Social Theory & Health 11(3), S. 256–270.

    CrossRef  Google Scholar 

  • Malhi, Gin S./Hamilton, Amber/Morris, Grace/Mannie, Zola/Das, Pritha/Outhred, Tim. 2017. The promise of digital mood tracking technologies: are we heading on the right track? Evidence-based mental health 20(4), S. 102–107.

    CrossRef  Google Scholar 

  • Miller, Peter. 1998. The margins of accounting. In: Callon, Michel (Hrsg.), The Laws of the Markets. Oxford: Blackwell Publishers, S. 174–193.

    Google Scholar 

  • Noji, Eryk/Vormbusch, Uwe. 2018. Kalkulative Formen der Selbstthematisierung und das epistemische Selbst. psychosozial 41(2), S. 16–34.

    Google Scholar 

  • Noji, Eryk/Kappler, Karolin/Vormbusch, Uwe. 2021. Situating conventions of health. Transformations, Inaccuracies and the limits of measuring in the field of self-tracking. Erscheint in: Historical Social Research.

    Google Scholar 

  • Oh, Jeungmin/Lee, Uichin. 2015. Exploring UX issues in Quantified Self technologies. Eighth International Conference on Mobile Computing and Ubiquitous Networking (ICMU), S. 53–59.

    Google Scholar 

  • Pritz, Sarah M. 2016. Mood Tracking. Zur digitalen Vermessung der Gefühle. In: Selke, Stefan (Hrsg.), Lifelogging. Digitale Selbstvermessung und Lebensprotokollierung zwischen disruptiver Technologie und kulturellem Wandel. Wiesbaden: Springer VS, S. 127–150.

    Google Scholar 

  • Ruckenstein, Minna/Dow Schüll, Natasha. 2017. The Datafication of Health. Annual Review of Anthropology 46, S. 261–278.

    CrossRef  Google Scholar 

  • Salais, Robert. 2016. Quantification and objectivity: from statistical conventions to social conventions. Historical Social Research 41(2), S. 118–134.

    Google Scholar 

  • Servia-Rodríguez, Sandra/Rachuri, Kiran K./Mascolo, Cecilia/Rentfrow, Peter J./Lathia, Neal/Sandstrom, Gillian M. 2017. Mobile Sensing at the Service of Mental Well-being. In: Barrett, Rick/Cummings, Rick/Agichtein, Eugene/Gabrilovich, Evgeniy (Hrsg.), Proceedings of the 26th International Conference on World Wide Web – WWW ’17. The 26th International Conference. Perth, Australia, 03.04.2017 – 07.04.2017. New York: ACM Press, S. 103–112.

    Google Scholar 

  • Sharon, Tamar. 2018. When digital health meets digital capitalism, how many common goods are at stake? Big Data & Society 5(2), S. 1–12.

    CrossRef  Google Scholar 

  • Staii, Adrian. 2018. Connected health. Between common aspirations and specific interests. In: Paganelli, Céline (Hrsg), Confidence and legitimacy in health information and communication (1). New York: Wiley, S. 195–221.

    Google Scholar 

  • Strauss, Anselm. 1987. Qualitative Analysis for Social Scientists. Cambridge: Cambridge University Press.

    CrossRef  Google Scholar 

  • Strauss, Anselm/Corbin, Juliet. 1996. Grounded Theory: Grundlagen Qualitativer Sozialforschung. Weinheim: Psychologie Verlags Union.

    Google Scholar 

  • Strübing, Jörg/Hirschauer, Stefan/Ayaß, Ruth/Krähnke, Uwe/Scheffer, Thomas. 2018. Gütekriterien qualitativer Sozialforschung. Ein Diskussionsanstoß. Zeitschrift für Soziologie 47(2), S. 83–100.

    CrossRef  Google Scholar 

  • Swan, Melanie. 2009. Emerging Patient-Driven Health Care Models: An Examination of Health Social Networks, Consumer Personalized Medicine and Quantified Self-Tracking. International Journal of Environmental Research and Public Health 6(2), S. 492–525.

    CrossRef  Google Scholar 

  • Thévenot, Laurent. 1983. L’économie du codage social. Critiques de l’économie politique 23/24, S. 188–222.

    Google Scholar 

  • Thévenot, Laurent. 2002. Which Road to Follow? The Moral Complexity of an “Equipped” Humanity. In: Law, John/Mol, Annemarie (Hrsg.), Complexities. Social Studies of Knowledge Practices. Durham/London: Duke University Press, S. 53–87.

    Google Scholar 

  • Thévenot, Laurent. 2014. Voicing concern and difference: from public spaces to common-places. European Journal of Cultural and Political Sociology 1(1), S. 7–34.

    CrossRef  Google Scholar 

  • Vormbusch, Uwe. 2012. Die Herrschaft der Zahlen. Zur Kalkulation des Sozialen in der kapitalistischen Moderne. Frankfurt am Main/New York: Campus.

    Google Scholar 

  • Vormbusch, Uwe. 2016. Taxonomien des Selbst. Zur Hervorbringung subjektbezogener Bewertungsordnungen im Kontext ökonomischer und kultureller Unsicherheit. In: Duttweiler, Stefanie/Gugutzer, Robert/Passoth, Jan-Hendrik/Strübing, Jörg (Hrsg.), Leben nach Zahlen: Self-Tracking als Optimierungsprojekt? Bielefeld: transcript, S. 41–58.

    Google Scholar 

  • Vormbusch, Uwe/Kappler, Karolin Eva. 2018. „‚Value-veillance‘: opening the black box of surveillance in emergency management“. In: Boersma, Kees; Fonio, Chiara (Hrsg.), Big Data, Surveillance and Crisis Management. New York: Routledge, S. 179–197

    Google Scholar 

  • Vormbusch, Uwe. (erscheint in 2020). Accounting for who we are and could be. Inventing Taxonomies of the Self in an Age of Social Unrest. In: Mennicken, Andrea/Salais, Robert (Hrsg.), The New Politics of Numbers. Quantification, Administrative Capacity and Democracy. London et al.: Palgrave Macmillan.

    Google Scholar 

  • Vormbusch, Uwe/Kappler, Karolin. 2014. „Froh zu sein bedarf es wenig …?“ Quantifizierung und der Wert des Glücks. Sozialwissenschaften und Berufspraxis 37(2), S. 267–281.

    Google Scholar 

  • Zillien, Nicole/Fröhlich, Gerrit/Kofahl, Daniel. 2016. Ernährungsbezogene Selbstvermessung. Von der Diätetik bis zum Diet Tracking. In: Duttweiler, Stefanie/Gugutzer, Robert/Passoth, Jan-Hendrik/Strübing, Jörg (Hrsg.), Leben nach Zahlen: Self-Tracking als Optimierungsprojekt? Bielefeld: transcript, S. 119–136.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Eryk Noji .

Editor information

Editors and Affiliations

Rights and permissions

Open Access Dieses Kapitel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.

Die in diesem Kapitel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.

Reprints and Permissions

Copyright information

© 2022 Der/die Autor(en)

About this chapter

Verify currency and authenticity via CrossMark

Cite this chapter

Noji, E., Kappler, K., Vormbusch, U. (2022). Situierte Konventionen: Transformationen, Ungenauigkeiten und die Grenzen der Messung im Feld der Selbstvermessung. In: Cappel, V., Kappler, K.E. (eds) Gesundheit – Konventionen – Digitalisierung. Soziologie der Konventionen. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-34306-4_9

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-34306-4_9

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-34305-7

  • Online ISBN: 978-3-658-34306-4

  • eBook Packages: Social Science and Law (German Language)