Beyond Ohnmacht: Workshop am Winterkongress

“Google und Facebook zerschlagen, dann erledigen sich viele Probleme von selbst!” Man mag diese Forderung unterstützen oder nicht, im schweizerischen Rahmen ist eine solche Regulierung schlicht nicht durchführbar. So bleibt die Frage: Braucht es Updates oder gleich neue Gesetzgebungen in der Schweiz für digitale Konzerne? Und wenn ja, was soll diese bewirken?

In diesem Rahmen organisierten Markus Schmidt und ich von der AG Netzpolitik der Grünen Schweiz am Winterkongress einen Workshop zum Thema “Beyond Ohnmacht – Wie Digitalkonzerne regulieren?” Das Warm-Up positionierten sich alle Teilnehmenden zu verschiedenen Thesen anhand ihrer Zustimmung – wobei sich die Meinungen zu zwei der drei Thesen ziemlich stark aufteilten. Nur bei These zwei war man sich einig: Die grossen Unternehmen lösen ihre ethischen und sozialen Herausforderungen früher oder später selber – NICHT!

Eine gute Ausgangslage, um Diskussionen darüber zu führen, unter welchen Bedingungen Digitalkonzerne wirtschaften sollen – vor allem aber auch, welche alternativen Konzepte und Standards wir im Netz (fördern) wollen. Die Teilnehmenden haben in Kleingruppen verschiedene Ansätze diskutiert und einen Text zum Einstieg erhalten. Die Gruppen hatten folgenden Fokus:

  1. Elizabeth Warren: Digitalkonzerne zerschlagen (Text)
  2. Alternativen entwickeln und pushen (Text)
  3. Offene Standards und Interoperabilität als Lösung? (Text)
  4. Divestment: Die Macht der (öffentlichen) Investor*innen (Text)
  5. Ein Zertifikat für ethisches Design (Text)
  6. Öko-System schaffen durch Teilen von Daten (Text)
  7. Die Aufmerksamkeitsausbeutungssteuer (Text)
  8. Freie Gruppe

Ziel der Gruppen war es, am Ende der Diskussion eine Kurzforderung zu formulieren (maximal 140 Zeichen). Über diese Forderungen stimmten die Teilnehmenden am Ende online ab:

  • Gruppe 8 – (15 Stimmen) GNU-Net statt 70er-Jahre-Internetprotokoll / anonymer Online-Einkauf / Kultur der Nichtverwendung digitaler Technologien / keine Unternehmen im Internet / Datensammeln ist nachrichtendienstliche Tätigkeit
  • Gruppe 2 – (11 Stimmen) Der Staat soll dezentrale Open-Source-Infrastruktur fördern und dafür sensibilisieren, vor allem in Verwaltungen und Schulen.
  • Gruppe 5 – (5 Stimmen) Wir fordern ein internationales, unabhängiges Gremium, das aktive Transparenz, Verzicht auf manipulierende Techniken, Sensibilisierung und leicht verständliche AGBs zertifiziert
  • Gruppe 7 – (5 Stimmen) Nicht Aufmerksamkeit, sondern Umsätze in der Schweiz besteuern
  • Gruppe 6 – (4 Stimmen) Daten, Systeme und Services müssen entkoppelt werden.
  • Gruppe 1 – (3 Stimmen) Die Ballung der Marktmacht ist nicht wünschenwert. Massnahmen dagegen müssen allerdings auf supra-nationaler Ebene ergiriffen werden, damit sie eine Chance haben.
  • Gruppe 3 – (2 Stimmen) Wir fordern eine staatliche Grund-Infrastruktur, um  Interoperabilität, Datenhaltung und Datenhohheit der datengetriebenen Plattformen sicherzustellen.
IMG_0647
Bild: Diana Hornung

Vor allem der Massnahmekatalog der freien Gruppe konnte viele Stimmen auf sich vereinigen – wobei aufgrund der Vielfältigkeit die Aussage des Votums noch einige Interpretationsleistung verlangt. Als weiterer wichtiger Punkt wurde die Förderung von Open-Source-Projekten als Alternativen identifiziert. Steuerfragen sowie die Zertifizierung von ethischem Design sind präsente Themen, bei denen auch die Schweiz mitreden kann – und vielleicht sogar vorangehen soll.

Wie erwartet ohne fixfertiges Positionspapier, aber um viele Ideen und eine interessante Diskussionen reicher haben wir den Workshop abgeschlossen. Herzlichen Dank allen Mitdenker*innen! Die Ergebnisse werden wir in die Gruppe Netzpolitik tragen und in unser Programm einfliessen lassen.

Hier geht’s zu den Folien mit allen Thesen, Themen und Forderungen.

Beyond the Buzzword-Bingo: Digitale Nachhaltigkeit

Karl Digital #6 fragte, wie eigentlich Digitalisierung und Klimawandel zusammenhängen. Die Veranstalterin, die Digitale Gesellschaft, lud mich ein, einen Workshop zum Thema Digitale Nachhaltigkeit zu halten. Ich entwickelte ein Buzzword-Bingo zu diesem Thema und fragte gleichzeitig mich und das Publikum: Was bleibt eigentlich darüber hinaus von „Digitaler Nachhaltigkeit“ übrig?

Digital und Nachhaltigkeit, das sind zwei Schlagwörter. Als ich sie erforschte, stiess ich auf einige Schlagwörter mehr. Ein Buzzword-Bingo bot sich an, um das Thema zu ergründen. Es war insbesondere spannend, verschiedene Ansichten zu Digitaler Nachhaltigkeit anhand des Bingos zu vergleichen – schliesslich sind ja Schlagwörter immer nur so viel Wert wie der Inhalt, mit dem man sie füllt.

Ich wählte die folgenden beiden Konzepte:

Gemeinsam mit dem Publikum spielten wir das Buzzword-Bingo anhand der beiden Konzepte – mit dem folgenden Resultat:

IMG_0757 (2)

Es zeigte sich, dass Parldigi als überparteiliche Gruppierung ein sehr technisches Verständnis von Digitaler Nachhaltigkeit pflegt. Es steckt ein ganzes technisch-wissenschaftliches Konzept dahinter. Nachhaltig soll die Herstellung der (immateriellen) Produkte sein – im Gegensatz zum nachhaltigen Verbrauch von natürlichen Ressourcen. Bits und Bäume hingegen verknüpft die Digitale Nachhaltigkeit explizit mit dem Ziel der ökologischen und sozialen Nachhaltigkeit (Umweltschutz, Menschenrechte, …).

Ausserdem identifizierten die Teilnehmenden in einer lebhaften Diskussion verschiedene Begriffe und Aspekte, welche in beiden Konzepten fehlten. Merke: Grosse Begriffe wie Digitale Nachhaltigkeit sind immer nur so gut wie der Zweck, für den man sie einsetzt.

Danke allen Teilnehmenden für ihr Mitmachen und Mitdenken! Und danke auch an Nana Karlstetter und Dimitri Rougy für ihre Beiträge und die interessanten Diskussionen auf dem Podium vor dem Workshop.

Workshop: Big Data in den Sozialwissenschaften

Am 28. November 2019 war ich bei Interface (Unternehmen für Politikevaluation und -beratung) in Luzern eingeladen, einen Weiterbildungsworkshop zu leiten. Dieser stand unter dem Titel: Big Data in den Sozialwissenschaften.

(1) Was ist Big Data?

10 Charakteristika (Salganik 2018:17ff):

  • Big:
    Large datasets are a means to an end; they are not an end in themselves.
  • Always-on:
    Always-on big data enables the study of unexpected events and real-time measurement.
  • Nonreactive:
    Measurement in big data sources is much less likely to change behavior.
  • Incomplete:
    No matter how big your big data, it probably doesn’t have the information you want.
  • Inaccessible:
    Data held by companies and governments are difficult for researchers to access.
  • Nonrepresentative:
    Nonrepresentative data are bad for out-of-sample generalizations, but can be quite useful for within-sample comparisons.
  • Drifting:
    Population drift, usage drift, and system drift make it hard to use big data sources to study long-term trends.
  • Algorithmically confounded:
    Behavior in big data systems is not natural; it is driven by the engineering goals of the systems.
  • Dirty:
    Big data sources can be loaded with junk and spam.
  • Sensitive:
    Some of the information that companies and governments have is sensitive.

big-data-charakteristika

Neue Möglichkeiten

  • Re-Integration von quantitativer und qualitativer Expertise: gemeinsame Nutzbarmachung quantitativer (quantifizierte Daten, Umgang mit statistischer Software) wie qualitativer Kompetenzen (interpretative Kompetenzen, Vielfalt von Datensorten: neben Zahlen, Text, Bilder, Videos, etc.)
  • Erweiterung des Methodenwissens
  • Überwindung von Disziplinengrenzen und Kollaboration mit Natur- und Technikwissenschaften

Neue Stolpersteine und ungelöste Fragen

  • Gefahr neo-positivistisch-technokratischer Evidenzproduktion ohne Berücksichtigung sozialer Kontexte
  • ‘Kolonisierung’ der Sozial- durch Technikwissenschaften (zum Beispiel aktuelle Situation im Feld Computational Social Science) – interdisziplinäre Zusammenarbeit ist bisher eher die Ausnahme
  • Dominanz von Open Data (und anderen “Open-Feldern”: Open Science, Open Government etc.) > der grosse “Datenschatz” ist heute privatisiert
  • Infrastrukturen für entsprechende Forschung/Datenzugänge
  • Wer ist für die ethischen Fragen zuständig?

 

(2) Die Rolle der Sozialwissenschaften

  • ‘Domain knowledge’ natürlich 🙂
    grosse Datensätze werden fast ausschliesslich in heterogenen Teams zusammengesetzt aus verschiedenen Disziplinen bearbeitet. Sozialwissenschaftliche Expertise je nach Thema sehr wichtig
  • Verständnis für Methoden, Vorgehens- und Denkweisen der anderen Disziplinen
  • qualitativ-evaluative Expertise in den quantifizierenden Diskurs einbringen;
    > kritischer Blick auf Prozesse der Datenkonstruktion – welche sozialen und soziotechnischen Prozesse haben Daten mitgeformt statt objektiv abgebildet zu werden?

Herausforderung: Methoden- und Informatikwissen tendenziell ausbauen, ohne allerdings zur reinen ‘sozialen Physik’ (Pentland) zu verkommen.
Beispiel: Der Lucerne Master in Computational Social Sciences, der seit Herbst 2019 an der Universität Luzern angeboten wird.

 

(3) Aktuelle Forschungsfragen

Methoden:
Methodische Fragen und Probleme in verschiedenen Disziplinen, beispielsweise empirische Sozialforschung:

  • wie fehlende/mangelnde Kausalität oder Inferenz von Big Data
  • neue Modi der Datenerhebung (Apps)
  • «text as data» als methodische Herausforderung aufgrund der interpretativen Offenheit, die bestehen bleibt bei Verfahren computergestützter Textanalyse

Algorithmen:
In den letzten 2 bis 3 Jahren ist die Aufmerksamkeit für Algorithmen stark gestiegen, insbesondere Fairness-, Accountability- und Transparency-Aspekte werden vermehrt erforscht/thematisiert.

 

(4) Hands-On!

 Daten

Open-Data-Repositorien:

 

Social Media:

 

Sonst im Netz:

 

Werkzeuge

  • R ist heute für statistische Auswertungen die gängige Programmiersprache
    > R-Studio als Programmier-Umgebung
    > Es gibt gute Packages für Visualisierungen der Auswertungen (ggplot2) und auch Textanalyse
    > Heute wird Statistik an der Uni mit R gelehrt und gelernt
  • Python ist heute unter Data Scientists die verbreitetste Programmiersprache

 

In einem ersten Schritt: Mitreden können in den spezifischen Programmiersprachen-Communities ist der erste und wichtigste Schritt!

Auf diesem Grundstock kann man dann für spezifische Interessen und Projekte sein Wissen vertiefen und Packages nach seinen Bedürfnissen suchen.

r-python

Wichtig zudem:

 

Wie einsteigen?

Matt Salganik (2018): Bit by Bit. Social Science Research in the Digital Age. Princeton: Princeton University Press.
https://www.bitbybitbook.com/

Etwas theoretischer:

Noortje Marres (2017): Digital Sociology. The Reinvention of Social Research. Cambridge: Polity.
http://noortjemarres.net/index.php/books/

Böser Algorithmus, guter Algorithmus – wie leben damit?

Böser Algorithmus, guter Algorithmus. Wie leben damit?

Diese Frage stellen wir uns in der Arbeitsgruppe Netzpolitik der Grünen Schweiz sehr oft. Entscheidungen werden uns zunehmend von automatisierten Entscheidungsverfahren (Algorithmen) abgenommen. Ganz gleich, ob es um die nächste Mahlzeit geht oder um eine Gefahreneinschätzung unserer Person vor Gericht: Die Entscheide sind an Kategorisierungen und Berechnungen von Maschinen gebunden.

Die Fragen können wir in zwei Dimensionen aufteilen:

  • Die private Seite: Wie können wir lernen und verstehen, wie Algorithmen funktionieren – und ihre Ergebnisse kritisch entgegennehmen? Welches Wissen, welche Informationen und welche Fähigkeiten braucht es dazu?
  • Die gesellschaftliche Seite: In welchen Situationen sollen Algorithmen kritisch begutachtet werden? Welche Bereiche sind zu sensibel, um sie von Maschinen gestalten zu lassen? Wann braucht es Transparenz und Regulation? Mit welchen Mitteln sollen Algorithmen reguliert werden – Gesetze, Zertifizierung, zivilgesellschaftlicher Protest?

Einfache Antworten gibt es nicht. Und gerade deshalb interessierte uns, diese Frage mit vielen Interessierten aus dem Bereich Netzpolitik zu erörtern. Das geeignete Mittel dazu: Im Rahmen des Winterkongress 2019 der Digitalen Gesellschaft organisierten Markus Schmidt und ich im Namen der AG Netzpolitik der Grünen einen Workshop zum Thema.

Die Fragen interessieren und bewegen: Über 70 Personen diskutierten mit uns. Wir unterteilten in Arbeitsgruppen, die je einen Aspekt zum Thema Algorithmen anhand eines Textes diskutierten.

  1. Mit welchem Daten-Input sollen Algorithmen trainiert werden?
    https://www.blaetter.de/archiv/jahrgaenge/2018/august/wider-die-digitale-manipulation (Abschnitt 7)
  1. Wieviel Transparenz und Kontrolle benötigen selbstlernende Algorithmen?
    https://www.wired.de/article/ubernehmt-endlich-verantwortung-fur-eure-algorithmen
  1. Wo darf der Staat Algorithmen einsetzen und wie muss er sie regulieren?
    https://www.republik.ch/2018/09/19/die-tyrannei-des-wahrscheinlichen-in-der-justiz
  1. Wie sich gegen Algorithmen wehren?
    https://www.medienpolitik.net/2017/08/netzpolitikwir-sind-nicht-hilflos/
  1. Können Algorithmen diskriminieren?
    https://verfassungsblog.de/koennen-algorithmen-diskriminieren/
  1. Wie in der Schule auf Algorithmen vorbereiten?
    https://www.nzz.ch/feuilleton/soll-der-mensch-wie-ein-computer-denken-ld.1292090
  1. Algorithmen anstelle von Vertrauen? China und der Social Credit
    https://www.zeit.de/2019/03/china-regime-ueberwachungsstaat-buerger-kontrolle-polizei
  1. Wirtschaft: Wenn der Algorithmus Preisabsprachen macht
    https://www.nzz.ch/wirtschaft/wenn-algorithmen-kartelle-bilden-ld.1415028

Anschauungsbeispiel: Erfolgreich gegen den Algorithmus gewehrt!

Angeregte Diskussionen in den Arbeitsgruppen folgten. Zum Schluss standen die Gruppen vor der Herausforderung, ein Fazit in Tweet-Länge zu fassen. Und: Die oder der Präsentator*in des Fazits bestimmte ein (vorerst intransparenter) Algorithmus. Im Sinne von der Forderung nach transparenten Algorithmen liessen wir das Rätsel nicht ungelöst: Diejenige Person mit dem „vordersten“ Buchstaben (gemäss Alphabet) an dritter Stelle des Vornamens war auserwählt. In einem Fall von zwei identischen Vornamen diskriminierte der Algorithmus nach Lust und Laune – wie im Leben halt. Im Sinne von „Wehr dich gegen den intransparenten Algorithmus!“ setzte die auserwählte Person aus der Arbeitsgruppe 4 das Thema gleich um und wehrte sich gegen die Präsentation – erfolgreich. Mit menschlicher Kompetenz fand die Gruppe einen anderen Präsentator.

Herzlichen Dank allen, die diskutiert haben! Wir freuen uns, mit euch viele weitere Debatten in Politik und Gesellschaft zum Thema Algorithmen zu führen.

Hier die Tweet-Fazite, die wir sogleich auf Twitter und Mastodon teilten (rangiert nach dem Beliebtheitsalgorithmus von Twitter):

Kurz-Interview: Was tut unser Forschungsprojekt?

Das Dach meines Forschungsprojekts („Facing Big Data: Methods and skills needed for a 21st centruy sociology“), das NFP75, hat nun eine Dialogplattform. Dort habe ich für einige Fragen Red und Antwort gestanden. Du findest eine Kopie des Interviews untenstehend.

Und: Du kannst dich mit deinen Fragen zu Big Data nun aus der Deckung wagen. Die Dialogplattform verfügt über ein einfaches Online-Formular und verspricht, auf alle Fragen fundierte Antworten einer Expertin oder eines Experten zu suchen. Loslegen!


12. November 2018

Welche Ziele verfolgen Sie mit Ihrem Projekt, und was haben Sie bereits realisiert?

Rahel Estermann: Das Projekt untersucht den digitalen Wandel in den drei Feldern Soziologie, Datenjournalismus und Data Science im Hinblick auf die dort genutzten und notwendigen Methoden, Fähigkeiten und analytischen Werkzeuge und zeichnet den aktuellen Stand und Entwicklungslinien auf.

In allen drei Teilprojekten, die sich mit je einem der drei genannten Feldern beschäftigen, läuft die Erhebung von Daten, erste Analysen wurden durchgeführt. Alle drei Projekte kombinieren verschiedene Methoden, seien sie quantitativ (Sammlung und Analyse von Job-Inseraten oder Lehrplänen, text- und netzwerkanalytische Auswertungen) oder qualitativ (Interviews, ethnografische Feldbeobachtung, Dokumentenanalyse). In einem iterativen Prozess werden Erkenntnisse aus dem Feld mit theoretischen Angeboten abgeglichen und gedeutet – um danach weitere Schritte im Untersuchungsfeld zu planen.

Alle Forschenden präsentieren ihren aktuellen Stand des Projekts immer wieder durch Vorträge im Rahmen von Konferenzen, teilweise auch bereits in Artikeln in wissenschaftlichen Zeitschriften.

«Big Data» ist nicht einfach ein technisches Phänomen, sondern erweitert die Möglichkeiten, wie wir die Welt sehen und Wissen darüber gewinnen können.

Worauf sind Sie und Ihr Team besonders stolz?

Rahel Estermann: Wir thematisieren als eines der wenigen Projekte im Rahmen des NFP75 grosse Datenmengen aus sozialwissenschaftlicher Perspektive. «Big Data» ist nicht einfach ein technisches Phänomen, sondern erweitert die Möglichkeiten, wie wir die Welt sehen und Wissen darüber gewinnen können. Wir sind stolz darauf, dass der SNF uns darin unterstützt, die Methoden, Fähigkeiten und Werkzeuge zu erforschen, die in verschiedenen Feldern im Zusammenhang mit «Big Data» angewendet werden – und dass diverse Wissenschaftler*innen wie auch Journalist*innen uns in den Einzelprojekten unterstützen, indem sie uns Zugang zu ihrem Arbeitsalltag gewähren. Der Vergleich über verschiedene Felder ermöglicht uns immer wieder, übergreifende Muster bzw. Spezifitäten zu erkennen und zu diskutieren.

Welche Veränderungen bewirkt Ihr Projekt?

Rahel Estermann: Unser vertiefter Blick auf die neuen Chancen und Herausforderungen, vor denen Soziologie, Datenjournalismus und Data Science durch die Verfügbarkeit grosser Datenmengen stehen, liefert nicht nur Erkenntnisse dazu, wie die Digitalisierung Prozesse der Wissensgenerierung verändert, sondern begleitet diese Veränderungen zudem kritisch. Unsere Gesellschaft braucht nicht nur Wissen über jene soziotechnischen Veränderungen, die wir Digitalisierung nennen, sondern auch eine kritische Überprüfung jener, die diese Prozesse mit «digitalen Methoden» erklären und mitgestalten. Von welchen (mal mehr mal weniger) neuen Methoden, Fähigkeiten und Werkzeugen unserer drei Felder können auch andere gesellschaftliche und wissenschaftliche Bereiche profitieren? Welche Praktiken und Konventionen gilt es jedoch auch kritisch auf ihre Sensibilität bezüglich der sozialen Konstruktion von «Big Data» und Co. zu überprüfen? Dank unseren Erkenntnissen können wissenschaftliche und gesellschaftliche Felder ihre methodischen Zugänge überprüfen und erneuern und Lernenden entsprechende Fähigkeiten vermitteln.

Dank unserem NFP75-Forschungsprojekt habe ich die Gelegenheit, meiner Neugier über die Zusammenhänge zwischen Gesellschaft, Technologie und Medien über mehrere Jahre freien Lauf zu lassen – ein Privileg!

 

Was bedeutet das NFP 75 für Sie?

Rahel Estermann: Dank unserem NFP75-Forschungsprojekt habe ich die Gelegenheit, meiner Neugier über die Zusammenhänge zwischen Gesellschaft, Technologie und Medien über mehrere Jahre freien Lauf zu lassen – ein Privileg! Ich verfüge über die Zeit, sehr aktuellen und relevanten Phänomenen auf den Grund zu gehen, meine Hypothesen immer wieder an Theorien und Erkenntnissen zu überprüfen und zu überarbeiten. Der Austausch mit den über dreissig anderen Projekten und ihrer Forschung bedeutet einen Wissensvorrat, den wir mittels Austausch und Diskussionen immer wieder nützen. So kommen verschiedenste Perspektiven auf das Phänomen «Big Data» zusammen – horizonterweiternd!

Was würde fehlen, wenn es Ihr Projekt nicht gäbe?

Rahel Estermann: Wir beleuchten «Big Data» von einer anderen Seite als viele technische und naturwissenschaftliche Projekte. Daten sind aus unserer Sicht nicht «roh», sondern werden in gesellschaftlichen und wissenschaftlichen Kontexten erschaffen. Unser Blick in die Konstruktion von Daten und Wissen daraus schärft das Bewusstsein für die grosse Rolle von Methoden und Werkzeugen der Datenverarbeitung. Sie erst ermöglichen die Nutzbarmachung von Daten – das war schon früher so.
Unsere sozialwissenschaftliche Perspektive auf grosse Datenmengen stellt uns deshalb auch immer wieder vor die Frage, ob Digitalisierung wirklich alles neu macht – was verändert sich wirklich? Welche Bereiche unseres Zusammenlebens sind davon betroffen? Und mit welchen Werkzeugen haben wir uns früher Daten zunutze gemacht, und mit welchen heute?

Luzerns digitale Zukunft gestalten

Heute, am 25. Oktober 2018, engagieren sich grosse Unternehmen und diverse Hochschulen im Rahmen des „Digitaltages“ in zahlreichen Projekten und Veranstaltungen. Digitale Themen bewegen Bevölkerung und Wirtschaft – auch in Luzern. Der Kanton Luzern hat sich bisher auf eine passive Rolle beschränkt. Dabei gilt es doch, digitale Möglichkeiten und Herausforderungen mit einer Vorwärtsstrategie anzugehen.

Unsere Grüne Arbeitsgruppe Digitalisierung, liebevoll auch „Arbeitsgruppe für freundliche(re) Maschinen“ genannt, hat in den letzten Monaten ein Positionspapier erarbeitet. Wir formulierten Grundsätze einen grünen digitalen Zukunft und stellen entsprechende Forderungen. Die Stossrichtung ist klar: Die neuen technischen Möglichkeiten bieten viele Chancen für eine innovative Nutzung. Digitale Prozesse müssen aber sicher sein und als oberste Maxime der Bevölkerung dienen und die Lebensqualität erhöhen.  Hier stellen wir das Papier vor.

Auch im ländlich geprägten Kanton eröffnen sich neue Möglichkeiten des Wirtschaftens und neue Formen des Zusammenlebens – Chancen für Stadt und Land. Der Kanton soll die Gestaltung der digitalen Zukunft jetzt angehen, zugunsten aller Luzernerinnen und Luzerner. Deshalb haben wir einige der Ideen in Vorstösse für die kantonale Politik gepackt. Heute, nicht zufällig am Digitaltag, reichen wir diese ein.

  • Postulat für einen Aktionsplan „Digitales Dorf“: Ländliche Gemeinden stehen vor Herausforderungen wie Überalterung, Lädelisterben und Abwanderung. Wie kann die Digitalisierung helfen, die Lebensqualität in den Dörfern der Luzerner Landschaft zu steigern? Der Kanton Luzern soll mit einem Aktionsplan eine Plattform schaffen, mittels derer Ideen und Initiativen entwickelt, ausgetauscht und unterstützt werden. Dabei kann er an bekannte Initiativen anschliessen: Bayern fördert „digitale Dörfer“ (https://digitales-dorf.bayern/) bereits, genauso auch der Bund im Rahmen seines Aktionsplanes Digitale Schweiz (Punkt 6.4., „Smart Villages“).

 

  • Motion für die Einführung einer Datenschutz-Folgeabschätzung: Immer häufiger sind die Prozesse, mit welchen die Verwaltung Personendaten verarbeitet, digitalisiert. Diese Prozesse müssen auf einen sorgfältigen Datenschutz geprüft werden, damit keine Daten-Leaks und -Missbräuche passieren, die das Vertrauen in die Verwaltung untergraben. Deshalb soll der Kanton Luzern – analog zum Kanton Bern – das Instrument der Datenschutz-Folgeabschätzung ins Datenschutzgesetz aufnehmen. Damit werden alle Projekte mit Personendaten vom Datenschutzbeauftragten geprüft, bevor sie implementiert werden.

 

  • Postulat für Open Government Data (OGD): Die kantonalen Institutionen erheben und verwalten bereits heute viele Primär- und Metadaten, die problemlos veröffentlicht werden können, beispielsweise Umwelt-, Verkehrs oder Geodaten. Der Kanton soll diese in standardisierten Formaten als Rohdaten zur Verfügung stellen, damit sie von Unternehmen, Medien und Privaten genutzt werden können. Gerade bezüglich frei zugänglichen Geodaten ist der Kanton bisher als sinnbildlich „grauer Fleck“ auf der Karte bekannt. Das soll sich ändern. Das Postulat der Grünen wird von Vertreterinnen und Vertretern der GLP, SP, FDP und CVP unterstützt. Die Grünen haben bereits 2017 ein entsprechendes Postulat für OGD im Luzerner Grossstadtrat eingebracht, das von allen Parteien unterstützt wurde.

 

  • Anfrage über den Einsatz von Algorithmen und künstlicher Intelligenz: Algorithmische Entscheidungsverfahren, bekannt aus den Bereichen Polizei und Migration, bergen das Versprechen erhöhter Effizienz, reproduzieren aber ebenso soziale Diskriminierung und können das Vertrauen in die öffentliche Hand unterminieren. Der Kanton muss den Einsatz solcher Instrumente sorgfältig abwägen. Und vor allem: Algorithmische Entscheidungsverfahren bedürfen der Transparenz und einer strengen Kontrolle. Die Grüne Fraktion stellt dem Regierungsrat entsprechende Fragen.

 

  • Anfrage über flexible Arbeitszeitmodelle: Digitalisierte Arbeitsprozesse ermöglichen ortsunabhängiges und zeitlich flexibles Arbeiten. Gleichzeitig steigt der Druck zur ständigen Erreichbarkeit. Damit werden die vorgeschriebenen Ruhezeiten für Arbeitnehmende am Abend und am Wochenende gefährdet. Flexible Arbeitszeitmodelle bringen viele Vorteile, Arbeitnehmende sollen davon profitieren und nicht ausgenützt werden. Dies bedarf eines sensiblen Gestaltung flexibler Arbeitszeitmodelle. Die Grünen fragen die Regierung nach den Bedingungen, wie flexible Arbeitszeitmodelle in der kantonalen Verwaltung eingesetzt und Arbeitnehmende dabei miteinbezogen und geschützt werden.