1.3.1 Wesentlich umstrittene Privatheit

Mulligan, Koopman und Doty betrachten unterschiedliche Ansätze innerhalb des Privatheitsdiskures, mit der elusiven Natur des Privatheitsbegriffs umzugehen, z. B. bei Nissenbaum (2010) durch formale (statt inhaltliche) Kriterien von Privatheit, die Information, Kontext und Sozialgruppe hinsichtlich jeweiliger Adäquatheitsstandards relativieren. Auch der Ansatz von Solove (2009), Privatheit mit Wittgensteins Familienähnlichkeiten-Begriff zu erfassen, biete die Möglichkeit, flexibel und offen für verschiedene inhaltliche Bestimmungen zu sein, ohne sich auf notwendige Kriterien festlegen zu müssen (Mulligan et al., 2016, 4).

Aber diese Ansätze schaffen es laut Mulligan et al. nicht, einer Eigenschaft gerecht zu werden, die sie für zentral am Privatheitsbegriff und die praktische Arbeit damit halten: “[N]either engages head-on with privacy’s essential contestability. Thus, their efforts advance privacy work, but in ways that risk diminishing the generative power of contestability.” (Ebd.)

Die Autor:innen argumentieren, dass Schutzstrategien des Wertes “informational self-determination” durch gemeinsam entwickelte bzw. geteilte Praktiken der letzten Dekaden des 20. Jahrhunderts im Lichte der heutigen Umstände nicht mehr greifen (ebd., 2). Mehr noch, “informational self-determination” sei nicht mehr geeignet, um den Wert selbst zu erfassen, weil die Beschreibung angesichts früherer Umstände zwar passend, aber nicht erschöpfend war. Aus heutiger Perspektive, mit technischen Möglichkeiten von data analytics und machine learning, sei der Fokus auf individuelle Kontrolle nicht mehr hinreichend, um neu entstandene privatheitsbezogene Gefahren zu erfassen:

Informational self-determination can hardly be considered a sufficient objective, nor individual control a sufficient mechanism, for protecting privacy in the face of this new class of technologies and attendant threats. Privacy harms may arise for which individual control offers no protection or remedy, for example, when actions are taken based on group classifications […], or new and unexpected insights are inferred from data that individuals have intentionally disclosed […], or an individual’s sensitive personal information is derived through analysing data revealed by others in their social network […], their behaviour on social media […] or by cross-referencing sets of ‘de-identified’ data in which they are included […]. Such privacy harms stem from information, yet they are not addressed by strategies centred on individual control over information. (Mulligan et al., 2016, 2)

Das Problem besteht für die Autor:innen eben nicht nur in der Entwicklung einer adäquaten Gesetzgebung oder Steigerung individueller Kompetenz (data literacy), sondern auch in der sich ändernden Konzeption dessen, worin der zu schützende Wert besteht. Hier muss sozusagen an beiden Enden gearbeitet werden – die Gefahr durch neue Technologien und Handlungsmöglichkeiten zeigt uns neue Facetten bzw. Eigenschaften des Wertes, die erst durch diese Gefahr denk- und greifbar und zum Gegenstand unserer Überlegungen werden. In anderen Worten: Privatheit entwickelt sich relativ zu Veränderungen der gesellschaftlichen, sozialen und technischen Praxis. Dabei, so Mulligan et al., müssen neue Konzepte erstritten werden, sie entstehen diskursiv:

As we bump up against the limits of informational self-determination, we must reflect on what gets lost when we reify privacy as just one thing—one principle, one formalization, one method of protection. We must engage with the whole tangled, ambiguous and essentially contested terrain of privacy. (Mulligan et al., 2016, 2)

Ein neues, subtileres Verständnis von Privatheit entsteht in der Konfrontation mit potenziellen Bedrohungen und ist dadurch adäquater in Bezug auf die Dimensionen, die Mulligan et al. identifiziert haben, nämlich ‚Prinzip‘, ‚Formalisierung‘ und ‚Schutzmethode‘:

[S]cholars and practitioners have advanced alternative conceptions of privacy that address the new risks of data science, machine learning and other technological innovations. Scholars have argued for privacy concepts and approaches that unburden the individual by attending to the contextual norms of spheres of social life […], address risks posed by ancillary data […] and attend to the emerging semantics of machine learning […]. Professionals have developed new concepts, such as ‘trust’ and ‘meeting expectations’, and contrast concepts such as ‘creepiness’, in an effort to address the shifting privacy concerns of customers and citizens […]. Privacy regulators have expanded their work as well, branching out into information ethics in response to the challenges posed by big data […]. (Mulligan et al., 2016, 2)

Hier liegt der Vorteil, Privatheit im Sinne eines wesentlich umstrittenen Begriffs aufzufassen, denn durch den offenen und diskursiven Vollzugscharakter dieser Norm werden wechselnde Umstände eingefangen. Durch die Bindung des Begriffs an einen Auslegungszwang entsteht ein Mechanismus, Privatheit nicht nur praktisch anwendbar zu machen, sondern auch an künftige technologische Entwicklungen anzupassen: “Recognizing privacy’s essential contestedness is key to securing its generativity for generations to come. Privacy’s ability to respond to problems created by technology and societal change is essential to its ongoing relevance.” (Mulligan et al., 2016, 4)

Als wesentlich umstrittener Begriff ist Privatheit kein vages Konzept, sondern ein multidimensionales. Innerhalb von “privacy’s multi-faceted and open-textured meaning” unterscheiden die Autor:innen so heterogene Dimensionen der Privatheit wie ‚Prinzip‘, ‚Rechtfertigung‘, ‚schädigender Handlung‘ und ‚Schutzmethode‘ (ebd., 3) und machen gleichzeitig plausibel, warum sich Privatheit nicht in Rückgriff auf Datenschutz-Regelungen, Privatsphäre oder Daten erschöpft. In ihrer Argumentation weisen Mulligan et al. (2016, 5-9) zumindest Gallies notwendige Bedingungen überzeugend für den Privatheitsbegriff nach und ziehen praktische Schlüsse für die angewandte Forschung im Bereich data science und Mensch-Maschine-Interaktion. Der Anspruch der Autor:innen, eine Übersetzung zwischen Privatheitsdiskurs und technischen Vorgaben zu befördern, wird zudem durch eine kleinteilige Analyse der Dimensionen von Privatheit umgesetzt (ebd. 10-15).

Mulligan et al. identifizieren folgende inhärent kontroverse Metadimensionen von Privatheit, die sie jeweils unterteilen und mit Beschreibungen, Fragen und Beispielen exemplifizieren (Abbildung 1): Theorie (Objekt, Rechtfertigung, Kontrast-/Gegenbegriff, Exemplar), Schutz (Ziel, Subjekt), Schaden (schädigende Handlung²⁵Hier verweisen die Autor:innen auf Soloves sechszehnteilige Taxonomie privatheitsschädigender Handlungen als Beispielliste., Täter, Gefährdungsquelle), Bereitstellung/provision (Mechanismus, Bereitsteller), Umfang/scope (soziale Eingrenzung, zeitlicher und quantitativer Umfang).

In der Anwendung auf Wissenschaft kann nun mit weiteren Kategorien (Schaden, Bereitstellung, Umfang) differenzierter gefragt werden, in Bezug auf was wer in welchem Umfang geschützt werden soll (s. Tabelle 1).

1.4.1 Verfassungsrecht

Direkt betroffen sind auf der obersten Ebene (Grundgesetz und EU-Recht) die Wissenschaftsfreiheit sowie das Persönlichkeitsrecht auf informationelle Selbstbestimmung:

• Art. 5 Abs. 3 GG Kunst und Wissenschaft, Forschung und Lehre sind frei. […]
• Art. 13 EU-GrCharta – Freiheit der Kunst und der Wissenschaft
• Das Recht auf informationelle Selbstbestimmung: Art. 2 Abs. 1 GG i.V.m. Art. 1 Abs. 1 GG

Im Rahmen des Volkszählungsurteils BVerfGE 65, 1²⁶„1. Unter den Bedingungen der modernen Datenverarbeitung wird der Schutz des Einzelnen gegen unbegrenzte Erhebung, Speicherung, Verwendung und Weitergabe seiner persönlichen Daten von dem allgemeinen Persönlichkeitsrecht des Art. 2 Abs. 1 GG in Verbindung mit Art. 1 Abs. 1 GG umfaßt. Das Grundrecht gewährleistet insoweit die Befugnis des Einzelnen, grundsätzlich selbst über die Preisgabe und Verwendung seiner persönlichen Daten zu bestimmen.
2. Einschränkungen dieses Rechts auf ‚informationelle Selbstbestimmung‘ sind nur im überwiegenden Allgemeininteresse zulässig. Sie bedürfen einer verfassungsgemäßen gesetzlichen Grundlage, die dem rechtsstaatlichen Gebot der Normenklarheit entsprechen muß. Bei seinen Regelungen hat der Gesetzgeber ferner den Grundsatz der Verhältnismäßigkeit zu beachten. Auch hat er organisatorische und verfahrensrechtliche Vorkehrungen zu treffen, welche der Gefahr einer Verletzung des Persönlichkeitsrechts entgegenwirken.“ 1983, deutlich vor heutigen technischen Möglichkeiten von big data, wurde durch höchstrichterliche Grundsatzentscheidung geurteilt, dass es keine belanglosen Daten über Personen gibt. Ungehindertes Datensammeln und technische Möglichkeiten der Verknüpfung ermöglichen eine besondere Bedrohung für das Persönlichkeitsrecht des Einzelnen (individuelle Handlungsfreiheit) und zugleich das gesamte demokratische Gemeinwesen. Diese Rechtsprechung betrifft direkt die gängigen Praktiken (speichern, erheben, sammeln, verknüpfen personenbezogener Daten) der Wissenschaftsverlage.

1.4.2 Datenschutzrecht

Hier sind vor allem drei Gesetze einschlägig, auf nationaler wie EU-Ebene:

• Art. 5 ePrivacy-RL (EU-Richtlinie, die sogenannte Cookie-Richtlinie)²⁷RICHTLINIE 2002/58/EG DES EUROPÄISCHEN PARLAMENTS UND DES RATES vom 12. Juli 2002 über die Verarbeitung personenbezogener Daten und den Schutz der Privatsphäre in der elektronischen Kommunikation (Datenschutzrichtlinie für elektronische Kommunikation).– Vertraulichkeit der Kommunikation

  (3) Die Mitgliedstaaten stellen sicher, dass die Speicherung von Informationen oder der Zugriff auf Informationen, die bereits im Endgerät eines Teilnehmers oder Nutzers gespeichert sind, nur gestattet ist, wenn der betreffende Teilnehmer oder Nutzer […] seine Einwilligung gegeben hat. […]

• § 25 TTDSG Telekommunikation-Telemedien-Datenschutz-Gesetz – Schutz der Privatsphäre bei Endeinrichtungen

  Die Speicherung von Informationen in der Endeinrichtung des Endnutzers oder der Zugriff auf Informationen, die bereits in der Endeinrichtung gespeichert sind, sind nur zulässig, wenn der Endnutzer auf der Grundlage von klaren und umfassenden Informationen eingewilligt hat.

Obige Gesetze sind spezifischer und enger in der Anwendung als die DSGVO und beziehen sich auf Fälle, wenn Informationen in den Endgeräten der Verbraucher:innen gespeichert werden: EU-Richlinie e-Privacy, umgesetzt in Deutschland als sogenannte Cookie-Richtlinie.

• Art. 6 DSGVO – Rechtmäßigkeit der Verarbeitung

  (1) Die Verarbeitung ist nur rechtmäßig, wenn mindestens eine der nachstehenden Bedingungen erfüllt ist:

  a) Die betroffene Person hat ihre Einwilligung zu der Verarbeitung der sie betreffenden personenbezogenen Daten für einen oder mehrere bestimmte Zwecke gegeben;

  b) die Verarbeitung ist für die Erfüllung eines Vertrags, dessen Vertragspartei die betroffene Person ist, oder zur Durchführung vorvertraglicher Maßnahmen erforderlich, die auf Anfrage der betroffenen Person erfolgen;

  c) die Verarbeitung ist zur Erfüllung einer rechtlichen Verpflichtung erforderlich, der der Verantwortliche unterliegt; […]

  f) die Verarbeitung ist zur Wahrung der berechtigten Interessen des Verantwortlichen oder eines Dritten erforderlich, sofern nicht die Interessen oder Grundrechte und Grundfreiheiten der betroffenen Person, die den Schutz personenbezogener Daten erfordern, überwiegen, […]

Da die Datenerhebung durch Verlage einen erheblichen Grundrechtseingriff darstellt, wird durch den Art. 6 eine anspruchsvolle Einwilligung verlangt. Strittig ist in Anwendung auf den Spezialbereich Wissenschaft und Wissenschaftseinrichtungen, unter welchen Voraussetzungen betroffene Personen, also Wissenschaftler:innen – aber auch Studierende und andere Bibliotheksnutzende – überhaupt in einer Situation sind, wirksam einzuwilligen. Selinger diskutiert folgende Überlegungen, warum es sich nicht um die verlangte Art von Einwilligung handeln kann.

• Art. 7 DSGVO: Bedingungen für die Einwilligung (4)

  ad a) Bei der Beurteilung, ob die Einwilligung freiwillig erteilt wurde, […]. Wirksamkeit der Einwilligung setzt Freiwilligkeit und Informiertheit des Datensubjekts sowie Transparenz der Verarbeitung voraus

Die hohen Anforderungen an die Freiwilligkeit seien nicht erfüllt, wenn der Datenverarbeitende aus der Position der wirtschaftlichen Stärke agiert oder rechtliche und praktische Abhängigkeitsverhältnisse bestehen. Das sei gleich auf mehreren Ebenen der Fall: Im Verhältnis zwischen Verlagen und Wissenschaftseinrichtungen sowie zwischen Verlagen und Einzelpersonen. Zudem ist die Einwilligung nur wirksam, wenn das Datensubjekt hinreichend informiert ist über die Datenverarbeitung. Dies setze umfangreiche Informationspflichten seitens der Verlage voraus und werde in der Regel nicht eingehalten. Ähnlich sehe es mit der Forderung von Transparenz der Verarbeitung aus, diese werde in der Praxis ebenfalls nicht erfüllt.

ad b) Verarbeitung der Daten sei notwendig zur Erfüllung des Vertrags (Verlagsseitig)

Selinger bezweifelt, dass es sich bei der umfangreichen Datenerhebung um Informationen handelt, die für Verlage notwendig für die Vertragserfüllung sein sollen. Jedenfalls dann, wenn es sich um Aufgaben eines Wissenschaftsverlags handelt, gehen die allermeisten erhobenen Daten über das Benötigte hinaus und können nicht gerechtfertigt werden.

ad c) rechtliche Verpflichtung der Vertragspartei (Verlag) zur Erhebung der Daten

Selinger argumentiert, dass es unklar sei, aus welchem Grund Verlage dazu verpflichtet sein müssten. (Eine gesetzliche Regelung, dass Verlage dazu verpflichtet sind, liegt nicht vor.)

ad f) Wahrung des berechtigten Interesses des Verlags zur Verwertung von Daten

Hier stellt sich die Frage, weshalb es sich beim Interesse des Verlags an Daten um ein berechtigtes Interesse handelt. Selinger fragt zurecht, warum ein ökonomisches Interesse den Schutz personenbezogener Daten überwiegen soll und verweist auf umfangreiche Rechtssprechung in ähnlichen Fragen, u. a. des EU-Gerichtshof im Fall von social media.

Selinger schlussfolgert, dass es sich bei der aktuellen Praxis der Datenerhebung und -verarbeitung durch große Verlage häufig um Datenschutzverstöße handelt und diese Praxis damit entsprechend rechtswidrig ist. Sie stelle meistens auch eine Verletzung des Rechts auf informationelle Selbstbestimmung und damit eine Grundgesetzverletzung sowie eine Verletzung der Wissenschaftsfreiheit dar. In Bezug auf die Wissenschaftsfreiheit zählt Selinger folgende Eingriffe:

• Individuelles Freiheitsrecht (als Wissenschaftler:in ungehindert zu arbeiten)
• Wirkung zwischen Privaten (auch in Privatrechtverhältnissen müssen sich Private, also sowohl natürliche Personen wie auch Unternehmen, an grundrechtliche Werte halten; anderenfalls begehen sie Rechtsverstöße)
• Objektiver Schutzauftrag* (die Wissenschaftsfreiheit verpflichtet den Staat, die Wissenschaft von Behinderungen durch Dritte zu schützen, worunter auch privatrechtliche Behinderungen der Wissenschaftsfreiheit durch kommerzielle Unternehmen fallen; Universitäten seien als staatliche Einrichtungen verpflichtet, vorbeugende Vorkehrungen gegen die Behinderung der Wissenschaftsfreiheit zu treffen)
• chilling effects (darunter versteht Selinger eine negative verhaltenslenkende Wirkung auf das Forschungsverhalten durch Wissen darum, dass personenbezogene Daten gesammelt werden, z. B. Abstand nehmen von der Forschung an politisch heiklen Themen)

2.2.1 Bibliometrie und Ranking

Die Disziplin Bibliometrie ist multidimensional und arbeitet mit verschiedenen Methoden und Indikatoren, die verglichen und interpretiert werden. Diese Komplexität geht verloren, wenn eindimensionale und verkürzte Anwendungen bibliometrischer Methoden zur Grundlage für Entscheidungen im Wissenschaftsmanagement werden. Trotz Kritik – ob allgemein (bei Holzer, 2022; Münch, 2014b, 2015; Retzlaff, 2022) oder spezifisch (bei Mongeon & Paul-Hus, 2016; Herb, 2018; Straumsheim, 2016) – nimmt der Trend zur Bibliometrisierung der Wissenschaft zu. Das liegt unter anderem an der Suggestion, durch Metriken ein Mittel der Komplexitätsreduktion für zwei zentrale Probleme zu geben: Erstens ein einfaches und objektives Verfahren im Umgang mit exponentiell steigenden Publikationsmengen⁵²In den 1960er Jahren bezeichnete De Solla Price exponentielles Wachstum als ein “fundamental law of any analysis of science” Price (1963, 5). Er prognostizierte eine Verdoppelung der Publikationszahlen bzw. die Zahl der in Wissenschaft Tätigen alle zehn bis fünfzehn Jahre (ebd., 6, Differenzierung der Verdoppelungszahlen für verschiedene Wissenschaftsformate auf den Seiten 6-7). und zweitens eine Möglichkeit der Einordnung in ein globales Wettbewerbsgeschehen in der Wissenschaft. Nicht nur im kommerziellen Duktus der Datenanalyse, auch im bibliothekarischen Diskurs ist teilweise explizit von Bibliometrie als „neuem Geschäftsfeld“ (Ball & Tunger, 2006) für Bibliotheken⁵³Z. B. das ZBIW-Seminar „Bibliometrie als Geschäftsfeld in Bibliotheken: Grundlagen von quantitativen Publikationsauswertungen“ im März 2023 an der TH Köln, zu dem auch ein Vertreter von Elsevier eingeladen wurde, um SciVal zu präsentieren. Alle Teilnehmenden der Veranstaltung erhielten danach Emails von Elsevier und zwar ohne Kenntnis über die Weitergabe ihrer Kontaktdaten. die Rede, mindestens aber als von einer festen neuen Dienstleistung⁵⁴S. May (2014) für eine Übersicht der Bibliotheken, die bibliometrische Analysen durchführen bzw. in ihren Servicekatalog aufgenommen haben. 10 Jahre später haben deutlich mehr Bibliotheken bibliometrische Angebote für ihre Angehörigen.. Damit ist die Bibliometrie für hochschulisches Government ein – nach innen gerichtetes – Instrument für Leistungsmessung, Qualitätsentwicklung, für das eigene Controlling und den Strategieprozess. Zugleich ist damit eine – nach außen gerichtete – Orientierung im universitären Wettbewerb geboten (Jansen et al., 2007; Janßen & Sondermann, 2016; May, 2014): „Eine strategische Orientierung dieser Art kann im Benchmark⁵⁵‚Benchmarking‘ steht für den Vergleich mit anderen in Bezug auf bestimmte Leistungen oder Aspekte. mit anderen Einrichtungen dabei unterstützen, das Engagement dieser anderen Einrichtungen zu analysieren und so die eigenen Aktivitäten im Wettbewerb entsprechend auszurichten und diesen gegebenenfalls Ressourcen bereitzustellen.“ (Fühles-Ubach & Tunger, 2021, 3)

Die Kehrseite dieses Instruments ist die Tendenz zu einer metrisierten Wissenschaft, an der es bereits einige Kritik gibt (Brembs et al., 2013; Chan, 2019; Janßen & Sondermann, 2016; Chen & Chan, 2021; Holzer, 2022; Torny, 2020). Obwohl auch zentrale Förderer zunehmend zu einem ‚verantwortungsvollen‘ Einsatz von Metriken anhalten⁵⁶„Grundsätzlich gilt für Metriken genau wie für die Reputation des Publikationsortes: [...] Die Aussagekraft solcher sekundären Qualitätszuschreibungen für Bewertung und Vergleich wissenschaftlicher Leistung ist begrenzt und bei deren Anwendung sind bestimmte Rahmenbedingungen zu beachten. So sind sie nicht in allen und oft nur in eng begrenzten Fachgebieten akzeptiert und überhaupt vergleichbar. Bibliometrische Indikatoren wiederum sind leicht zu manipulieren, was insbesondere dann problematisch wird, wenn sie als Kennzahlen zur Grundlage von Zuweisungssystemen gemacht werden.“ (DFG Deutsche Forschungsgemeinschaft | AG Publikationswesen, 2022, 27) S. auch European Commission. Directorate General for Research and Innovation. et al. (2017)., hat diese Tendenz eine selbst-reproduzierende Wirkung, die zum mehr oder weniger systematischen Nachteil der Wissenschaft wird. Holzer bezeichnet es als einen „wesentliche[n] Fehlanreiz“, wenn wissenschaftsinterne

Gratifikationssysteme (Mittelverteilung, Karrierefortschritt, Förderung) nicht mehr in erster Linie auf den Inhalten, Ergebnissen und Aktivitäten von einzelnen Wissenschaftlern aufbauen, sondern vermeintlich objektivere, externalisierte Metriken und/oder das symbolische Kapital von renommierten Publikationsorten als ausschließliches Mittel nutzen, um – verkürzend – Entscheidungen über die Qualität und den Wert der publizierten Ergebnisse zu treffen. (Holzer, 2022, 178)

Boni beschreibt, welche Attraktivität von der Idee metrisierbarer Wissenschaft ausgeht, die in einer unübersichtlichen und extrem komplexen Wissenschaftswelt für das Wissenschaftsmanagement Klarheit, Struktur und Messbarkeit suggeriert. Gleichzeitig entwickeln sich daraus selbstverstärkende Mechanismen, die wissenschaftsinterne Prozesse dominieren:

[M]it standardisierten bibliometrischen Indikatoren lassen sich Personen, Fächer und Institute leicht vergleichen. […] Mit ihnen wird die Forschungsleistung einzelner Lehrstühle, Institute, Fachbereiche und ganzer Universitäten kommensurabel. Sie stellen für die Hochschulverwaltungen und die Wissenschaftsadministration einen einfachen Indikator dar, an dem sich Ressourcenentscheidungen technokratisch orientieren können. Ein Kreislauf beginnt, in dem aus der Akkumulation symbolischen Kapitals durch Zitate die sozialen und ökonomischen Kapitals folgt. Eine selbst-verstärkende Wirkung führt nach der Veröffentlichung in A-Journals zu verbesserter Finanzausstattung dank zusätzlicher staatlicher Mittelzuweisungen, erhöhter Drittmittelförderung […] und zusätzlicher Finanzmittel nicht-staatlicher Stellen. Der Zugang zu den A-Journals stellt also einen entscheidenden Wettbewerbsvorteil dar. Die Chancen weiterer Veröffentlichungen in A-Journals steigen […] Renommee reproduziert sich wechselseitig. (Boni, 2010, 305f.)

Welcher Zusammenhang besteht zwischen Metrisierung und Ranking(s), bzw. was ist letzteres? Unter ‚Ranking‘ (vom englischen ‘to rank’ für ‚einstufen‘ oder ‚einordnen‘) wird der kompetitive Vergleich mit dem Zweck einer Rangordnung zwischen Einrichtungen, typischerweise Universitäten, verstanden. Besonders einflussreich für die Attraktivität von Universitäten und damit für die Zahl der Studierenden sind bestimmte etablierte Anbieter von Rankings wie Times Higher Education University Rankings (THE)⁵⁷www.timeshighereducation.com. [zuletzt geprüft am 25.07.2024] oder QS World University Rankings (QS)⁵⁸www.topuniversities.com. [zuletzt geprüft am 25.07.2024] oder Academic Ranking of World Universities, bekannt als Shanghai-Ranking⁵⁹https://www.shanghairanking.com/. [zuletzt geprüft am 25.07.2024]. Systematisch betrachtet, ist der Fokus auf ein gutes Abschneiden der eigenen Einrichtung in einem der relevanten Rankings die Fortführung der bereits durch Metrisierung skizzierten Problematiken auf höherer Ebene. Diese Probleme betreffen zum Teil die Inhalte (Zeitschriften in WoS oder Scopus) und die Messinstrumente (InCites, JCR; Plummetrics, SciVal, PURE) der involvierten Konzerne wie Clarivate und Elsevier/RELX und das konkrete Ranking als Ergebnis. Trotzdem sehen sich Universitäten gezwungen, sich dem Ranking-System anzupassen, so Chen und Chan (2021).⁶⁰“Clarivate has a dominant position in international rankings in terms of the volume of data supplied even though it has no direct involvement in rankings. In contrast, Elsevier has had a sustained involvement in rankings since 2007 targeting partnerships with dominant rankings such as QS and THE as a way to present its products to universities as enabling their rankings performance. Given the increasing pressure faced by universities to perform bibliometrically, universities face pressure to adopt analytics tools promoted by the same data analytics companies which supply rankings.” (Chen & Chan, 2021, 18 Herv. YF) Siehe die grafische Darstellung der Beteiligung Elseviers an Ranking-Organen im Anhang, Abbildung 15. Sie machen darauf aufmerksam, dass das Wettrennen um eine gute Platzierung in den Rankings die wissenschaftlichen Einrichtungen nicht nur vergessen lässt, dass sie in eine neue Pfadabhängigkeit von denjenigen geraten, die die Algorithmen produzieren. Zudem rücken wissenschaftliche Standards weg von inhaltlichen Kriterien und hin zu einem metrisierten System, in welchem wissenschaftliche Einrichtungen weder Kontrolle haben noch eine gute Wissenschaft produzieren:

Rankings are thus a driver for the adoption of particular metrics-emphasizing modalities of research as well as the particular products which facilitate such modalities. Yet the adoption of such modalities represents a ceding of control by universities not only to rankings – which are often the drivers of their decision-making – but also to the algorithms which power the analytics products. As a result, it is argued that the university shifts away from an intrinsic valuation of research and teaching and is increasingly compelled to pay into the rankings-data analytics system. Ultimately, the relationship between data analytics firms and rankings is mutually reinforcing, as well as arguably increasingly harmful to the public missions of the university. (Chen & Chan, 2021, 18f. Herv. YF)

University rankings, journal rankings and lists of highly cited researchers are created using metrics. […] The trust in citations and citation-based metrics entails that the legitimacy of knowledge is held in the hands of commercial indexes largely consisting of English language journals in Western countries, with a strong focus on STEM. At the same time, metrics are also embedded in search algorithms of Google Scholar and other indexing services, which perpetuates the importance of citations and citation-based metrics. (Ma, 2023b, 7)

Wie beim IF ist auch hier offensichtlich, dass Interessenkonflikte gegen die Objektivität der Ergebnisse solcher Rankings sprechen. Trotzdem haben Clarivate und Elsevier aufgrund ihrer dominanten Position in Bezug auf die Mittel der Produktion datenanalytischer Evaluationen einen Vorteil. Man kommt nicht an ihnen vorbei. Universitäten nehmen die Nachteile für die Wissenschaft in Kauf, weil Rankings zu einem Wettbewerb geworden sind, aus dem sie es sich nicht erlauben können auszusteigen:

University rankings, journal impact factors, performance-based funding for universities – these have all affected the culture of academic institutions for years and have progressively led to an erosion of control by academic institutions over their own destiny. Data analytics services have a market and are in demand – in spite of all the issues they pose – because academic life has become a race to secure funding. As a result, research assessment is becoming a business opportunity, and one that commercial vendors appear eager to control, regardless of their possible conflicts of interest. (SPARC, 2020, 29)

The Shanghai ranking has played a crucial role in the construction of universities as entrepreneurial actors […] and in the de-powering of the scientific and academic communities, the disciplinary and professional associations and, ultimately, the researchers themselves. (Münch, 2014a, 35)

Die Bibliometrisierung der Wissenschaftsevaluation bedient das Bedürfnis nach Komplexitätsreduktion und Übersichtlichkeit von rasant steigenden Publikationsmengen (Hanson et al., 2023) sowie nach Vergleichbarkeit und klaren Kriterien für die Behauptung der Institutionen gegenüber globaler Konkurrenz. Lai Ma (2023b) nennt Wissenschaftsevaluation “the choke point” in der Diskrepanz zwischen wissenschaftlichem Qualitätsprinzipien und der aktuellen Abhängigkeit der Belohnungsstruktur von offenkundig ungeeigneten Indikatoren wie “Journal impact factor (JIF), CiteScore, h-index, field-weighted citation impact (FWCI), and source-normalised impact per paper (SNIP)”, auf deren Grundlage einerseits 40 Rankings und nationale Forschungsevaluationen erhoben und andererseits Schließungen vorn Fachbereichen und Instituten entschieden werden (Ma, 2023b, 6). Diese Verflechtungen verstärkten die „Krisen der Digitalisierung“ (Holzer, 2022, 176), die dazu führen, dass Wissenschaftler:innen gedrängt sind, sich an Indikatoren (wie den Impact Factor oder Zeitschriftenrankings) zu orientieren, „welche nicht zu diesem Zweck geschaffen worden, aber zu einer Währung im Karrieresystem der Wissenschaft geworden sind.“ (Holzer, 2022, 176)

Diesen mentalen Lock-In, unter dem vor allem junge Wissenschaftler:innen leiden, die sich für eine Zukunft in der Wissenschaft diesem System fügen müssen, und das sich erfolgreich selbst reproduziert, bringen Larivière, Haustein und Mongeon auf den Punkt:

Unfortunately, researchers are still dependent on one essentially symbolic function of publishers, which is to allocate academic capital, thereby explaining why the scientific community is so dependent on ‘The Most Profitable Obsolete Technology in History’ […]. Young researchers need to publish in prestigious journals to gain tenure, while older researchers need to do the same in order to keep their grants, and, in this environment, publishing in a high impact Elsevier or Springer journal is what ‘counts’. In this general context, the negative effect of various bibliometric indicators in the evaluation of individual researchers cannot be understated. (Larivière et al., 2015, 13 Herv. YF)

2.3.1 Geschäftsfeld wissenschaftliches Publizieren und Bibliotheken

Ein wichtiger Aspekt der Problematik ist die Plattformisierung der Verlagsangebote. Neben und zusammen mit dem Umstieg auf Paketlösungen war die Plattformisierung ein zentraler Schritt in der Kommodifizierung der Wissenschaft und der Involvierung der Bibliotheken in das Geschäftsfeld der Verlage. Hanekop und Wittke skizzieren, wie sich die Anpassung der Verlage an die Open-Access-Bewegung ab der Jahrtausendwende im Zusammenspiel mit der finanziellen und strukturellen Anpassung der Bibliotheken an die neuen Lizenz-Modelle gestaltete. Verlage setzten dabei auf die Einrichtung von Datenbanken (Scopus), und Web-Portalen (ScienceDirect, SpringerLnk) mit Recherchefunktion und Volltextzugriff, die aber im Gegensatz zu wissenschaftlichen OA-Initiativen (wie ArXiv) kostenpflichtig an Bibliotheken lizenziert wurden (Hanekop & Wittke, 2014, 12). Dabei konnten die gleichen Teuerungsmechanismen für neue Online-Paketmodelle eingesetzt und um neue „avanciertere Methoden der Bibliometrie“ (ebd., 15) erweitert werden, die das System mit stabilisierenden Nachweisen eigener Relevanz versorgten. Die Preisentwicklung Elseviers und anderer Großverlage war seit den 1990er Jahren rasant, was bereits die universitären Budgets auszureizen begann:

In 1998, Elsevier rolled out its plan for the internet age, which would come to be called ‘The Big Deal’. It offered electronic access to bundles of hundreds of journals at a time: a university would pay a set fee each year– according to a report based on freedom of information requests, Cornell University’s 2009 tab was just short of $2m– and any student or professor could download any journal they wanted through Elsevier’s website. Universities signed up en masse. (Buranyi, 2017)

Hier habe den Verlagen eine institutionelle Eigenschaft des wissenschaftlichen Publikationssystems in die Hände gespielt, so Hanekop und Wittke (2014, 15): Zum einen konnte diese Umstellung des Erlösmodells, das für Verlage deutlich vorteilhafter war, eingeführt werden, weil der Wert der Publikationen relativ mediumunabhängig ist und an den erwarteten Leistungen der Zeitschriften hängt, nicht an der Printform. Zum anderen sehen die Autor:innen die Rollenverteilung des Subskriptionsmodells als relevant, denn Verlage hätten für die Wissenschaft unvorteilhafte Lizenzen nicht an die Wissenschaftler:innen verkaufen müssen, die so unattraktive Optionen womöglich abgelehnt hätten und ihre Literaturbeschaffung anders zu organisieren suchen würden:

Bibliotheken subskribieren die Journale auch dann, wenn die dort erschienen Aufsätze auch über Self-Archiving Archive zugänglich sind. Die Erlösströme der Verlage sind in dieser besonderen Konstellation auch dann institutionell abgesichert, wenn der Zugang zu den Aufsätzen über Open Access Archive möglich ist. (Hanekop & Wittke, 2014, 15)

Die institutionelle Unflexibilität hat demnach ihren Anteil daran, dass ein immer teurer werdendes Subskriptionsmodell auch dann fortbestehen konnte, als die Digitalisierung der Wissenschaftspraxis durch wissenschaftlich verwaltete digitale Plattformen und die Open-Access-Bewegung sie technisch überflüssig machte. Wie oben diskutiert, ist das Argument der Verlage für ihre Notwendigkeit die Qualitätssicherung, die sie durch verschiedene Indikatoren herausstellen. Diese Funktion ist – im Gegensatz zu Journal-Paketlösungen – sehr wichtig sowohl für Wissenschaftler:innen als auch für Institutionen, was wieder zum Problem der Wissenschaftsevaluation und der „Vermessbarkeit der Wissenschaft“ (Holzer, 2022) führt.

Was eindeutig gemessen werden kann, ist die extreme Profitabilität des wissenschaftlichen Publikationssektors. Buranyi (2017) führt vor, welche erstaunlichen Gewinne die Konzerne erzielen:

With total global revenues of more than £19bn, it weighs in somewhere between the recording and the film industries in size, but it is far more profitable. In 2010, Elsevier’s scientific publishing arm reported profits of £724m on just over £2bn in revenue. It was a 36% margin – higher than Apple, Google, or Amazon posted that year. (Buranyi, 2017)

Holzer hält 2022 fest, dass der Umsatz der globalen Wissenschaftsverlage inzwischen über 26 Mrd. US-Dollar beträgt (Holzer, 2022, 167).

Durch die Plattformisierung gelangen die Konzerne neben der Publikationstätigkeit an einen weiteren Weg der Profitgenerierung, nämlich den direkten Kontakt zu den Endkunden ihrer Angebote, den Wissenschaftler:innen, Studierenden und anderen Nutzer:innen der Plattform. Während im Printmodell die Bibliotheken als Kontakt zwischen dem Verlag und Leser:innen dienten und für die Anonymität und Sicherheit ihrer Nutzer:innen sorgten, verändert das Plattformmodell diese Konstellation. Die Bibliothek ist die technische Verbindungsstelle, die Nutzer:innen authentifiziert und ihre Verantwortung endet dabei, die Nutzer:innen auf die Plattform zu leiten. Die Problematik dieser Konstellation für den Datenschutz und das Verhältnis zwischen Bibliotheken und ihren Nutzer:innen wird erst seit einiger Zeit thematisiert (Ma, 2023b). In diesem Zusammenhang ist die Verbindung der Kommodifizierung der Wissenschaft und den kommerziellen Überwachungstechniken im „Überwachungskapitalismus“ (Zuboff, 2019) und “surveillance publishing” (Pooley, 2022) relevant (die in den folgenden Kapiteln diskutiert werden):

The platformisation of scholarly information should be of utmost concerns for research libraries for two main reasons: firstly, the ethical principles concerning information access, as well as privacy and confidentiality of librarians and information professionals […] are breached; secondly, the open access movement can be sabotaged when commercial platforms take control of what and how scholarly information is organised, disseminated and accessed. (Ma, 2023b, 3)

An dieser Stelle folgt in Anschluss an die Diskussion der digitalen Souveränität oben eine kurze Einschätzung der Grade digitaler Souveränität in Bezug auf die Kriterien: Daten, Verteilung und Föderierung, Schnittstellen, Soft- und Hardware für den Betrieb der technischen Plattform, technische Kontrolle, Kompetenzen (i.S.v. Verständnis der Technik) und Jurisdiktion (Fokusgruppe, 2019,,16).

Tabelle 3 hält fest, wie die digitale Souveränität deutscher Einrichtungen im DEAL-Elsevier einzuschätzen wäre. Bei allen zentralen Kategorien wissenschaftlicher Plattformen liegt die Kontrolle der Plattform bei Elsevier.

3.1.1 Elseviers aktuelle und potenzielle Beteiligung im Forschungszyklus, in der Wissenschaftsevaluation und im Wissenschaftsmanagement

Im Folgenden teile ich in analytische Einzelschritte, was praktisch zunehmend ineinanderfließt. Die Ebenen der Integration von „academic sevices“, Workflows, Anwendungen oder Produkten in den Forschungszyklus, die Wissenschaftsbewertung sowie das Wissenschaftsmanagement (als Sammelbegriff für unterschiedliche Vorgänge und Organisationseinheiten der Institution Wissenschaft) haben gerade die Charakteristik, überlappende Effekte zu schaffen. Anwendungen verbinden bisher disjunkte Funktionen zwischen Forschung und Management und decken so Bereiche ab, die vorher zu getrennten Organisationseinheiten wissenschaftlicher Institutionen gehörten. Vor allem handelt es sich um Bereiche und Funktionen, die vormals ohne die Involvierung kommerzieller Parteien (die Produkte und Interessen in mehreren dieser Ebenen haben) stattfanden. Dazu gehören Forschung und Evaluation, Förderung, Dissemination sowie diverse lokale Prozesse in Fakultäten und Bibliotheken: Stellenvergabe und Förderentscheidungen, Erfolgsbeurteilung größerer Einheiten, Entscheidungen über den Bezug von Zeitschriften und Publikationsprozesse.

Schritt I Forschungszyklus

Elseviers Anwendungen erstrecken sich über alle Forschungsphasen und enthalten Tools, die Wissenschaftler:innen in vielen Schritten ihrer Arbeit nutzen. Legt man ein einfaches Modell des Forschungsablaufs an (Discovery, Analysis, Writing, Publication, Outreach, Assessment) sind je nach Disziplin mehrere Produkte von Elsevier in den meisten oder allen Phasen beteiligt. Scopus, ScienceDirect, SSRN, DataSearch und Mendeley unterstützten die Literatursuche und die Erarbeitung der Forschungsfrage, disziplinspezifisch kann mit hivebench ein elektronisches Laborbuch verwendet werden; beim Schreiben und Publizieren begegnen Wissenschaftler:innen den hilfreichen Funktionen von Mendeley, Scopus und Expert Lookup (für die Unterstützung des Peer Review), der Preprint-Plattform SSRN und dem Repositorium Digital Commons, dem Publikations-Workflow-System Aries Systems und natürlich den über 2900 Zeitschriften. Newsflo analysiert die Medienwirksamkeit der Wissenschaft, die Evaluation erfolgt durch Journal Metrics und mit Plum X werden Altmetrics erfasst. Auf der Fakultäts- bzw. Institutionsebene können Leistungserhebungen mit SciVal und dem Informationsmanagement von Pure erfolgen. Vgl. Abbildung 4 zur Elseviers Präsenz im Forschungsprozess (Kramer & Bosman, n.d.).

Einen etwas anderen Fokus legt die Grafik von Chen, Posada und Chan (2019) bzw. Posada & Chen (2018), die zum einen vergleichen, inwiefern sich die Rolle Elseviers gegenüber der eines traditionellen Verlags gewandelt hat. Zum anderen untersuchen sie, wie im Oligopolsystem die Konzerne Elsevier und Wiley Bereiche untereinander aufgeteilt haben⁹⁵“We believe in particular that the differing expansion paths for the two companies may be a form of oligopolistic behavior to not only leverage competencies but also enhance monopoly power within each lifecycle, whether being education or academic production.” (Posada & Chen, 2018, Absatz 44), die sie im Rahmen ihrer transformierten Strategien verfolgen. Für Elsevier sind es die Einflussnahme im Wissenschaftsmanagement und die Integration in Workflows im Forschungszyklus sowie in der Wissenschaftsbewertung. Für Wiley ist es die Dominanz in der Infrastruktur im “higher-level education cycle”, also in Anwendungen und Inhalten rund um Organisation und Durchführung des Studiums. Die Autor:innen zeigen, wie beide Konzerne eine möglichst lückenlose (und alternativlose) Abdeckung der relevanten Prozesse durch ihre Anwendungen anstreben, um so eine Integration in Hochschulstrukturen zu erreichen. So würden die Konzerne, das ist die Konsequenz aus den genannten Studien, durch ihre Anwendungen Einflussmöglichkeiten erlangen und zwar auf individueller wie auf institutioneller Ebene.

Schritt III Wissenschaftsmanagement und -politik

Mit der Digitalisierung der Wissenschaft wächst auch die Rolle von FIS (Faculty Information System) und RIMS (Research Information Management System) bzw. CRIS (Current Research Information System) für wissenschaftliche Einrichtungen. Die Abbildung 6 Why you need CRIS ⁹⁸https://www.elsevier.com/academic-and-government/why-you-need-cris. [zuletzt geprüft am 25.07.2024] zeigt, wie Elsevier sich im Wissenschaftsmanagement positioniert. Elsevier bildet darin ein vermittelndes Glied zwischen “institutional customers”, zu denen alle Leitungspositionen von Universitäten gehören – Rektorate, senior research officers, Dekan:innen und Institutsleitungen, Fakultäten mit ihren Wissenschaftler:innen, Bibliothekar:innen und Wissenschaftsservice-Einrichtungen. Elseviers CRIS-Lösung (enabling systems & services als verbindendes analytisches Element) vermittelt laut eigener Darstellung eine erschöpfende Bandbreite an relevanten Erkenntnissen: eine Forschungsstrategie für Universitätsleitungen; Expertise und Kollaborationshilfen für Forschungsreferent:innen; Unterstützung in der Fördermittelbeschaffung und Forschung auf der Ebene der Dekanate und Institute; Forschungsmanagement für Bibliotheken und Impakt-Messung für Forschungsservices. Im Folgenden beschreibe ich diese Funktionen genauer.

Zu den Aufgaben von FIS gehören die Organisation wissenschaftlicher Leistungsmessungen für die fakultätsinterne Berichterstattung, Akkreditierung, Stellenvergabe etc.:

FIS allow institutions to electronically collect, store, showcase, analyze, and report on faculty activities and accomplishments using a single system of record. Once data is input into the FIS, faculty can use tools to create biosketches, curriculum vitae (CV), and dossiers. Institutional leaders are also using FIS data to facilitate decision-making by gaining deeper insights on what activities faculty are engaged in, the impact of those activities, areas of institutional strength, and institutional gaps that need to be addressed. (Cahill, 2020)

FIS verbinden zwei Ebenen, eine Forschungsebene mit Informationen über Forschungsaktivitäten und eine lokale Ebene. Auf letzterer werden Informationen zum aktiven Personal der Institute bzw. Fakultäten gesammelt und ausgewertet. Für eine Institution haben CRIS strategischen Wert, weil sie klar erscheinende Kriterien der Leistungsmessung (ob es sich um gute Kriterien handelt, ist damit nicht gesagt) und des Vergleichs mit konkurrierenden Einheiten bieten und so Entscheidungen erleichtern sollen. Darüber hinaus bieten sie weitere bequeme Funktionen an: “tools that facilitate the collaboration and publication of research, automate the population of faculty profiles and management of curriculum vitae (CV), track compliance across policies (such as open access policies), and facilitate research analytics, benchmarking, and metrics tools.” (Cahill, 2020) Eine solche Erweiterung, die parallel zur Überlappung von Funktionen in Forschungsanwendungen läuft, sieht Cahill künftig auch in der Verbindung von FIS- und CRIS-Funktionen. Das würde folgen, wenn Anbieter von CRIS auch FIS-Funktionen integrieren, z. B. angepasste Workflow-Möglichkeiten und Berichte über die Aktivität innerhalb der Fakultät, Akkreditierungen, Jahresreviews, Beförderungen und tenure (ebd.). In beiden Anwendungen gibt es einen Trend zur Erweiterung des erfassten Bereichs auf die gesamte Institution und nicht nur auf Institute oder Fakultäten, um so einen kompetitiven Vergleich auch innerhalb von Einrichtungen zu ermöglichen. Ein wachsender Bedarf nach “research and faculty intelligence and established performance management frameworks” spiegelt den Wettbewerb im universitären Feld wider. Auf diese Suche nach einfachen Kriterien und Kennzahlen für Bewertungen und Entscheidungsgrundlagen geben vermeintlich objektive “analytics and business intelligence and performance metrics” (Cahill, 2020) eine Antwort. Passenderweise kaufte Elsevier im Juni 2022 das Faculty Information System Interfolio⁹⁹https://www.interfolio.com/news-and-events/press/elsevier-interfolio-acquisition/. [zuletzt geprüft am 25.07.2024], was SPARC scharf kritisierte (Coalition, 2022b,a; SPARC, 2022a, c, b). Besonders problematisiert wurden die damit verbundene Marktkonzentration mit Folgen wie Preisanstiege, Bündelungen¹⁰⁰“Given Elsevier’s history of bundling other products, the acquisition raises the possibility of predatory pricing by increasing the incentives to and improving the company’s position for doing so. Unlike its academic journals, Elsevier’s research analytics and Faculty Information Systems (FIS) products have direct substitutes, making predatory pricing a potentially tempting strategy for cementing market share in these areas. For example, Elsevier may choose to bundle its analytics tools with Interfolio’s Faculty Information System at a below-market price. This discounting would disincentivize Interfolio customers from using a competitor like Clarivate. Once its competitors are weakened, Elsevier would face significantly reduced constraints to increase prices to above-market rates.” (SPARC, 2022b) und Gefahren für die digitale und wissenschaftliche Souveränität und den Datenschutz.

Informationen über faculty activity und damit frühzeitige Einblicke in Forschungsthemen, neue Projekte und damit neue Publikationen oder über vielversprechende junge Wissenschaftler:innen seien ein strategischer Vorteil für Elseviers verlegerisches Geschäft: “These advantages could significantly increase Elsevier’s power in the academic publishing market in which it is already the dominant player and could reduce the possibility of future deconcentration in this market.” (SPARC, 2022a) Auch für die Forschungsanalyse könnten fakultätsinterne Informationen, die Interfolio sammelt, für die Entwicklung neuer Metriken der Produktivitätsmessung genutzt werden, die eng mit FIS verknüpft sind. Der Vorteil interner Informationszugänge sei enorm, so könnte Elsevier interne Produkte an der Konkurrenz vorbei platzieren oder die Informationen selbst im Datenhandel verwerten (ebd.).

SPARC sieht durch dieses Produkt im Elsevier-Portfolio ein Datenleck mit dem Potenzial “[to] compromise faculty privacy” (2022b). Elsevier komme in der Lage, mehr und genauere, nicht-öffentliche und sensible Informationen über Wissenschaftler:innen abzugreifen, weil FIS wertvolle geschützte Informationen enthalten. Dazu gehören Informationen über lokale Forschung und Arbeitspläne, Förderungen, Gutachten für Stellenbesetzungen, Beförderungen und tenure sowie über Fakultätsmitglieder, die sich gerade wegbewerben (SPARC, 2022a). Zudem fördere dieser Kauf die weitere Festlegung auf metrikenbasierte Entscheidungskriterien zum “solely data-driven commodified business” (Ma, 2023b, 5) und „erode academic freedom“ (SPARC, 2022b). Auch hier geht bei der Implementierung von Produkten die Abgabe von Kontrolle an Elsevier einher, wovor auch de Rijke (2020) eindrücklich warnt. Ein Lock-In auf Institutionsebene wird durch die Verbindung von Produkten wahrscheinlicher, weil konkurrierende Produkte für einzelne Funktionen nicht mit dem Paket an Elsevier-Produkten mithalten können “locking [institutions] into Elsevier’s products” (SPARC, 2022b).

Elseviers CRIS-Produkt ist Pure, das den Workflow im universitären Forschungsmanagement unterstützen und mit einem Dashboard die Entscheidungsfindung erleichtern soll. Pure enthält Informationen über die Forschungstätigkeit des wissenschaftlichen Personals der Einrichtung und gibt gezielte Förderempfehlungen auf Basis der Fingerprint Engine. So greift Elsevier über Pure in den Entscheidungsprozess ein: “Pure enables a top-down flow of recommendations, and thus control, with Elsevier through Pure recommending to institutions.” (Posada & Chen, 2018, 33) Problematisch sind nicht nur die Intrasparenz der Anwendung, sondern auch die fehlende Kontrolle oder Einsicht darüber, welche Daten über die einzelnen Personen gesammelt und wie diese verwendet werden. Damit geht die Abgabe der Kontrolle über einen wichtigen Aspekt akademischer Praxis einher, nämlich die selbstverantwortete Präsentation in der wissenschaftlichen Gemeinschaft, durch CV, eigene Websites oder Publikationslisten, die nach eigenem Ermessen gestaltet werden. Diese Eigenständigkeit wird Wissenschaftler:innen aus der Hand genommen. Gleichzeitig gibt es für Einrichtungen keine Überprüfungsmechanismen, da die Algorithmen nicht zugänglich sind: “citation trends cannot be directly controlled by the researcher and the ‘Fingerprint Engine’ is purely driven by text mining and pattern matching by the algorithms programmed by Elsevier’s engineers.” (Chen & Chan, 2021, 18). Chen und Chan (ebd.) warnen davor, dass die Ergebnisse solcher Empfehlungen, mit ihrer “proclaimed accuracy and insightfulness of the platforms and the profiles they develop” zu selbsterfüllenden Prophezeiungen werden, deren Grundlage nicht wissenschaftliche Leistungen sind, sondern die rekursive Verstärkung innerhalb eines intransparenten Systems.

Bepress und Digital Commons stellen eine institutionelle Repositoriums-Struktur, über die Einrichtungen auch Abschlussarbeiten und Dissertationen publizieren können. Damit bietet Elsevier, flankierend für die CRIS-Anwendungen und die Elsevier-Zeitschriften, eine Publikationsmöglichkeit für Einrichtungen ohne eigene Repositorien. Elsevier wirbt mit Sichtbarkeitsvorteilen durch die Manipulation der Suchfunktion: “Bepress further attempts to optimize institutional output by moving academic output to the top/near-top of search results […].” (Posada & Chen, 2018, 33) Da die meisten Einrichtungen mittlerweile entweder eigene Repositorien haben oder Kapazitäten größerer Einrichtungen nutzen können, dürfte die Attraktivität des Angebots von Beepress gerade in der Sichtbarkeit liegen. In der Kombination der versprochenen Sichtbarkeit mit Publikationsmöglichkeiten sehen Posada und Chen (ebd.) eine weitere Schneise für Abhängigkeiten.

Mit Funding Institutional¹⁰¹Zitiert von https://www.fundinginstitutional.com/. [zuletzt geprüft am 25.07.2024] bietet Elsevier die nächste Anwendung für eine lückenlose Abdeckung des Wissenschaftsökosystems, das möglichst zu einem “Elsevier research ecosystem” werden soll. Die Fördermittelsuche soll – wie schon die Forschung und das Institutionsmanagement – vermittelt von Elseviers Plattform ablaufen, also beobachtet und ausgewertet von Elsevier. „A single solution“ für “discovery, funding insight and decision-making” (ebd.), die auch die anderen “unique Elsevier assets, such as Pure, Scopus, Scival and the Elsevier Fingerprint Engine” (ebd.) integriert, verleitet dazu, Wissenschaft komplett im Elsevier-System zu betreiben, ohne andere Quellen, Anwendungen oder Perspektiven. Da Elsevier durch Funding Institutional auch frühzeitig Informationen darüber erlangen könnte, welche Förderlinien gesucht werden, welche Personen oder Institutionen welche Projekte planen und wann einreichen, hätte das Unternehmen einen wertvollen Vorteil gegenüber möglicher Konkurrenz.

Ein Fall von Interessenkonflikt, der zu politischen Wirklichkeit wurde, ist Elseviers Vertragabschluss als Subunternehmen der EU für den Open Science Monitor im Jahr 2018¹⁰²https://research-and-innovation.ec.europa.eu/strategy/strategy-2020-2024/our-digital-future/open-science/open-science-monitor/about-open-science-monitor_en#documents. [zuletzt geprüft am 25.07.2024]. Der Vertrag wurde auch außerhalb des akademischen Kreises scharf kritisiert, sowohl wegen Elseviers einstiger Opposition gegen Open Access als auch durch die Involvierung einer offensichtlich profitierenden Partei. Kritisiert wurde zudem die mit der Position einhergehende Macht, künftige politische Entwicklungen im EU-Bereich zu beeinflussen:

The fact that Elsevier will be paid to help monitor the dysfunctional publishing world it has helped to create and strives to sustain seems an insensitive decision. Moreover, the contract specifically calls for the ‘socio-economic impacts’ to be evaluated in order to ‘facilitate policy making’. This means that Elsevier will be providing data to guide EU policy decisions that it stands to gain from materially in significant ways. The obvious conflict of interest here should have disqualified the company immediately. But the main contractors seem to have no issues with ignoring this glaring problem, or with the fact that many EU researchers will regard Elsevier as the last organization on the planet that should be involved in any way. (Moody, 2018)

Tennant bemängelt nicht nur die generelle Unzulässigkeit einer solchen Kooperation als auch Elseviers konkretes Favorisieren eigener Produkte:

[T]he conflict of interest of having an organisation that stands to benefit from the monitor by using its own services is so blindingly apparent that you have to wonder why Elsevier were subcontracted in the first place. How is it reasonable for a multi-billion dollar publishing corporation to not only produce metrics that evaluate publishing impact, but also to use them to monitor Open Science and help to define its [future direction]¹⁰³Verlinkung im Original auf: https://www.techdirt.com/articles/20180402/09131239544/hated-science-publisher-elsevier-to-help-eu-monitor-open-science-including-open-access.shtml. [zuletzt geprüft am 25.07.2024]? Elsevier will be providing data through the monitor that will be used to help facilitate future policy making in the EU that it inevitably will benefit from. That’s like having McDonald’s monitor the eating habits of a nation and then using that to guide policy decisions. (Tennant, 2018)

3.1.2 Institutionelle und epistemische Abhängigkeit

Die Problempunkte der Entstehung von ineinandergreifenden Abhängigkeiten auf wissenschaftlicher, institutioneller und finanzieller Ebene und der inhärente Interessenkonflikt in der Nutzung von Elsevier-Angeboten in den Bereichen ressearch assesssment, research dissemination (wo bereits Dominanz besteht) und research management hängen zusammen. Dieser grundsätzliche Konflikt bzw. die Nicht-Thematisierung der Zusammenarbeit mit Elsevier wurde auch von SPARC formuliert:

Public interactions with Elsevier’s management during the first part of 2021 suggest that Elsevier itself continues to publicly downplay the conflicts of interest among its portfolio of activities. More broadly, little attention seems to be given to the conflicts that arise when Elsevier collects data from researchers and then sells research assessments to academic institutions, funding bodies, and governments. (SPARC, 2021a, 7)

Im Update zur Landscape Analysis (SPARC, 2020) nennt Aspesi mehrere Folgen des Interessenkonflikts zwischen der Bewertung und Verbreitung von Forschung durch Elsevier (exemplarisch für das Problem), die ich hier etwas anders als Aspesi aufteile und auf die aktuelle Situation anpasse:

1. absichtliche oder unabsichtliche Beeinflussung zugunsten der eigenen Produkte; (SPARC, 2020, 15)
   Zur Erläuterung: Die Argumentation der vorliegenden Arbeit ist zum großen Teil an den Gefahren ausgerichtet, die durch die Zusammenarbeit mit einem kommerziellen Konzern entstehen können und vielleicht unter bestimmten Umständen entstehen müssen. Hier geht es nicht um den Nachweis konkreter Beeinflussung oder die vollständige Sammlung aller Hinweise auf Beeinflussung. Punktuelle Hinweise sollten aber als hinreichende Gründe betrachtet dafür werden, dass es sich um reale Gefahren handelt, z. B. bei Elseviers Rolle beim Open Science Monitor: “Throughout the methods, you can see that there is an overwhelming bias towards Elsevier products and services, such as Scopus, Mendeley, and Plum Analytics.” (Tennant, 2018) Tennant verweist auf eine Untersuchung von Bergstrom & West von Eigenfactor.org im Dezember 2016, die den Impact Factor und Scopus Site​Score vergleicht. Das Ergebnis lautet, dass SiteScore-Analysen deutlich im Interesse Elseviers ausfallen, denn Springer-Nature-Zeitschriften “scored 40% lower and Elsevier titles 25% higher when using CiteScore rather than previous journal impact factors.” (Tennant, 2018)
2. zu enge Bindung an den Hauptförderer für STM-Forschung in den USA erhöht noch die dominierende Position Elseviers und minimiert die Chancen anderer Anbieter und damit Pluralität. (SPARC, 2020, 16)
   Dieser Punkt ist genauso gültig für Europa, auch hier ist Elseviers Status als Subunternehmen der EU im Open Science Monitor und als DEAL-Partner zweifellos dominant. Bereits der Abschluss des DEAL-Vertrags wurde stark kritisiert (z. B. von Torny, 2023; Siems, 2023a; Reitz, 2023; Knoche, 2021a; Kaden, 2023; Herb, 2023; Haucap et al., 2021; Brembs, 2023b; Brembs et al., 2023a), weil dadurch unter anderem eine weitere Stärkung Elseviers und Schwächung der Bibliodiversität als Folgen zu erwarten sind. Mit dieser Pfadabhängigkeit – die anderen Argumente sind hier ausgeklammert – werden positive Effekte von Open-Access-Publikationsmöglichkeiten mindestens getrübt.
3. exzessive Kontrolle, die Elsevier durch das 2019 etablierte International Center for the Study of Research (ICSR) erhält. Neben der gebotenen Skepsis gegenüber dem Anspruch einer Neubestimmung von Methodologien der Wissenschaftsbewertung und der Durchführung von Bewertungen “when they have clear conflicts of interest” (SPARC, 2020, 16) warnt Aspesi insbesondere vor entstehenden Asymmetrien. Die Ankündigung einer “computational platform, ICSR Lab, which will host researchers wanting to analyze large data sets (including SCOPUS and PlumX, but also their own)” (SPARC, 2020, 15f.) lässt – da ICSR den gesamten Datenumfang von Elsevier nutzen kann – die Attraktivität dieses Analyse-Labs als hoch einschätzen. Hier bestehe besondere Gefahr für wissenschaftliche Objektivität. Zwar dürften diejenigen, die die Dienste des cloud-basierten ICSR Lab in Anspruch nehmen, die Rechte an ihren Datensätzen behalten,

but they must grant ICSR and Elsevier the right to use the data fed by researchers ‘for the purpose of developing and maintaining the ICSR Lab and related services,’ a formulation that is vague enough to allow ICSR (and possibly Elsevier) a wide and potentially unlimited range of uses. At a minimum, Elsevier and ICSR will have access to a significant amount of analytical work on science assessment and be in a position to affect the outcome of research projects on science assessment. (SPARC, 2020, 16)

Es ist schwierig, den Status des ICSR Lab in Bezug auf seine Nutzung der Daten aktuell zu beurteilen. Außerhalb der Berichte von PR Newswire über den Start des ICSR (2019)¹⁰⁵“‘Elsevier is the owner of several data sources that are widely used in research assessment (for example, SciVal, Scopus and PlumX Metrics),’ explained Andrew Plume, Chair of the ICSR Advisory Board, and Senior Director Research Evaluation at Elsevier.” (PRNewswire, 2020) und des ICSR Labs (2020) (PRNewswire, 2020)¹⁰⁶“By allowing the sharing of summary results alongside publications without a license the ICSR demonstrates its support of open research and open science. ICSR Lab also explicitly supports replication studies. ICSR Lab is powered by the platform Databricks in which analyses are coded in Python or SQL, allowing researchers complete control over their calculations.” (PRNewswire, 2020) stellte es sich als problematisch heraus, Aussagen über die Verwendung der involvierten Daten durch das ICSR Lab selbst zu finden. An einer Stelle ist die Rede von einer “free-to-use sandbox”¹⁰⁷https://www.elsevier.com/connect/advancing-responsible-research-assessment-elseviers-story. [zuletzt geprüft am 27.07.2024], die Webpräsenz erwies sich jedoch als unergiebig: Der Link zur “Elsevier’s Research Collaborations data protection policy” führt auf die Elsevier Privacy Policy Seite¹⁰⁸https://www.elsevier.com/legal/privacy-policy. [zuletzt geprüft am 25.07.2024], ohne weitere Informationen zum ICSR. Die Links https://www.elsevier.com/icsr, und https://www.elsevier.com/icsrlab leiten auf https://www.elsevier.com/ um, der Link zu Richtlinien “ICSR and responsible research evaluation”¹⁰⁹https://elsevier.international/icsr/responsible-research-evaluation.html. [zuletzt geprüft am 25.07.2024] führt zum HTTP-Fehler 404, genau wie https://elsevier.international/icsr/icsrlab.html. Aus der Perspektive von 2024 scheint eine exorbitante Nutzung des ICSR ausgeblieben zu sein – die Unterseite auf der Elsevier “Research Collaborations”¹¹⁰https://researchcollaborations.elsevier.com/en/organisations/international-center-for-the-study-of-research. [zuletzt geprüft am 25.07.2024] verzeichnet 5 beendete und 10 aktive Projekte.

Der grundsätzliche Punkt der Nutzung einer intransparenten proprietären Software, durch die kommerzielle Akteur:innen Zugang zu und die Möglichkeit der eigenen Nutzung von Forschungsdaten erhalten, bleibt von der konkreten aktuellen Umsetzung unberührt. Neben der Machtasymmetrie gibt es eine epistemische Asymmetrie durch einseitige Intransparenz und einen grundsätzlichen Vorteil des Anbieters gegenüber den konkreten ‚Kund:innen‘, den Wissenschaftler:innen. Diese Asymmetrien versetzen ICSR und damit Elsevier prinzipiell in eine Position “to affect the outcome of research projects on science assessment”. (SPARC, 2020, 16)

In welcher Weise fördern die einzelnen Anwendungen Abhängigkeitsverhältnisse und einen Einfluss Elseviers/RELX auf Wissenschaftsinstitutionen? Die Problematik wird durch ein Zusammenwirken mehrerer Faktoren befördert. Der Druck auf Universitäten, sich in einem durch bibliometrische Indikatoren und Rankings geprägten Konkurrenzkampf zu behaupten und auch organisationelle Prozesse nach privatwirtschaftlichen Kriterien auszurichten, macht Elseviers Angebote im Wissenschaftsmanagement attraktiv. Durch die Option, einen der Konzerne zu engagieren, die die relevanten Kennzahlen erheben und Empfehlungen aufgrund dieser Kennzahlen aussprechen, begründet Elseviers Angebot von “research intelligence” eine selbstverstärkende Pfadabhägigkeit. Elsevier profitiert gleich in mehrfacher Sicht davon. Gleichzeitig verlieren die Universitäten weiter Kontrolle und epistemische Hoheit:

As universities increasingly feel the need to out-perform/keep up and thus choose to adopt Elsevier’s services, control is ceded to Elsevier either indirectly through decision making utilizing Elsevier generated data, or directly with Elsevier’s recommendations on funding/collaboration options. Here, Elsevier not only extracts rent through the ownership of data but also through the promotion of high impact journals with the increasing adoption of citation metrics, metrics being simultaneously promoted by publishers such as Wiley and Taylor Francis. (Posada & Chen, 2018, 46)

Sind Anwendungen einmal in den institutionellen Workflow integriert, sinkt die Wahrscheinlichkeit, dass andere Produkte lizenziert werden oder vorhandene ersetzen. Diese ‚natürliche‘ Trägheit steigt weiter durch die Integration der verschiedenen Anwendungen, die es naheliegender machen, Elsevier Produkte weiter zu nutzen. Diese Produkte verbinden sich mit neuen integrierten Bestandteilen zu einem Ökosystem. So entstehen Netzwerkeffekte, die ihre Nutzung weiter befördern, für Wissenschaftler:innen wie für die Wissenschaftsverwaltung. Das Elsevier-Ökosystem durchdringt und durchleuchtet durch integrierte Anwendungen die Einrichtung. Die verschiedenen Weisen der Einflussnahme werden durch das Sammeln von Daten auf allen Ebenen ergänzt. Da Elseviers Zielgruppe nicht auf Universitäten beschränkt ist, sondern auch “government, funding organisations” (RELX, 2024, Folie 38) enthält, scheint die Ausweitung einer Elsevier-In-House-Solution auf die Institution Wissenschaft und ihre Kernfunktionen nicht übertrieben. Diese Entwicklung nennen Chen und Chan eine ‚vertikale Integration‘:

[T]he vertical integration and bundling of the various Elsevier products into an end to-end platform […] signals a clear strategy […] to focus on data analytics as a key revenue stream and to monetize the ‘new oil’ of researchers’ personal information and digital ‘fingerprint’, based on publication records and citation counts, research focuses, institutional affiliation, funding sources, and collaborative network. Combing data from these sources and adding machine learning to the mix allows Elsevier developers to create new forms of predictive ‘research intelligence’ at scale and with great efficiency. The sales pitch around these tools is that they allow institutions to create in-depth research profiles of their faculty, make visible research collaborations both statistically and graphically, promote more efficient searchers for knowledge and expertise, and above all, allow administrators to make decisions regarding resources allocation and even hiring decisions. (Chen & Chan, 2021, 16)

Die SPARC Map of Data Tools and Services (Abbildung 7) zeigt in einer Gegenüberstellung von Elsevier, Clarivate und Digital Science, wo sich die drei konkurrierenden Konzerne im Gefüge der institutionellen Schlüsselstellen sehen. Mit nur vergleichsweise wenigen Anwendungen sollen bei allen Anbietern die Produktivität erhoben und Wissenschaftsevaluation und Beratung angeboten werden. Diese Funktionen bieten Elsevier, Clarivate und Digital Science gleichermaßen für miteinander konkurrierender Parteien (z. B. Universitäten untereinander und in Bezug auf Förderung) an.

Elseviers dominante Stellung auf dem Publikationssektor zeigt sich nicht nur im Druck auf Bibliotheken, den DEAL-Vertrag abzuschließen oder Scopus zu lizenzieren und im Druck auf Wissenschaftler:innen, in High-Impact-Journals zu publizieren. Auch für Universitäten würde ein Netzwerkeffekt entstehen, weitere Produkte der research intelligence zu nutzen und den Empfehlungen der jeweiligen Anwendungen im CRIS- und FIS-Bereich zu folgen. Wissenschaftler:innen haben durch den DEAL-Vertrag eine weitere Motivation, in Elsevier-Zeitschriften zu publizieren. Alternative Anwendungen und kleinere Verlage können mit dem integrierten Angebot eines Elsevier-Ökosystems nicht mithalten. Größere Konkurrenten mit Verlagsfunktion wie Springer Nature und Wiley und ohne Verlagsfunktion wie Clarivate und Digital Science können zwar dazu beitragen, dass das Oligopol nicht zu einem Monopol wird. Beides ist aber nicht im Interesse der Bibliodiversität und einer souveränen Wissenschaft. Zu befürchten wäre zudem, dass Elseviers integriertes Angebot, verstärkt durch die Konzentrationsaffinität datenintensiver Anwendungen (s. Abschnitt zu „Dutch Deal“) sehr schnell zu einem Lock-In auf mehreren Ebenen führen würde, sobald die Anwendungen auf Institutionsebene einmal integriert wären. Diese Gefahr lässt sich im Phasen-Modell (s. Teil III) durch Überspringen der zweiten Phase darstellen: Die Abbildung 8 zeigt in der Phase I Elsevier mit den konkurrierenden Konzernen (mit und ohne Verlagsfunktion). Da in der Kombination von Analysefunktionen, Management und Verlagsfunktion Elsevier als Ökosystem aus organisationsspezifischer Sicht das stärkste Angebot machen würde, würde ein Institutions-Lock-In deutlich schneller drohen als in Situationen mit stärkerer Konkurrenz.

Neben der Größe beruht Elseviers Dominanz auf einem Wissensvorsprung: „Ziel ist es, sich in allen zentralen Prozessen der Wissenschaftssteuerung unverzichtbar zu machen, sodass dann wie im Informationsbereich von einem vendor lock-in gesprochen werden muss. Zu diesem Zweck haben die Verlage ihre Plattformen mit Instrumenten für ein umfassendes User Tracking ausgestattet.“ (Siems, 2022, 1) Diese Asymmetrie besteht zum einen gegenüber der Konkurrenz, also anderen Playern im Publikationsbereich und in der Datenanalyse (manche Konkurrenten sind in beiden Bereichen vertreten, manche nur in einem). Sie besteht andererseits auch gegenüber der heterogenen Gruppe, die der Konzern als seine Zielgruppe bestimmt – s. Abbildung 6 in Schritt III – Rektorate, Senior research officers, Dekan:innen und Leitungen von Instituten, Fakultäten mit ihren Wissenschaftler:innen, Bibliothekar:innen, Wissenschaftsservice-Einrichtungen. Diesen Wissensvorsprung erzielt Elsevier durch unterschiedliche Handlungen:

• Die Plattformisierung des wissenschaftlichen Angebots (ScienceDirect) und Zusammenführung und Integration der Anwendungen aus dem Forschungszyklus, Anwendungen im Bereich CRIS und FIS, Anwendungen für die Forschungsförderung. Resultat wäre eine überlappende Durchdringung der Institutionsebenen, durch die Elsevier sowohl einen Zugang zu Informationen als auch Einflussmöglichkeit auf wissenschaftsinterne und institutionsinterne Prozesse erhält.
• Integration der vorhandenen offenen und öffentlichen Strukturen, Forschungsdaten, Metadaten, Open-Science-Ergebnisse in Elseviers eigene Plattformen und Anwendungen, die diverse Tracking-Methoden¹¹¹Mehr dazu im nächsten Kapitel. nutzen.
• Bereichsübergreifende Anwendungen wie Analytical Services, Data monitor oder Datasets, für deren Ausführung Institutionen weitere eigene Daten in Elsevier-Anwendungen einpflegen.
• Pilotprojekte zur Entwicklung gemeinsamer Produkte, über die Elsevier weitreichende Befugnisse bekommt, wie im Dutch Deal oder durch Zugang zu Daten im ICSR.

Die Wirkung ist dann am größten, wenn möglichst viele Anwendungen genutzt werden, um einen lückenlosen Informations- und Interaktionskreislauf zu erreichen. Durch den überlappenden Charakter vieler Anwendungen ist es aber möglich, diesen Kreislauf auch mit wenigen zentralen Anwendungen zu erreichen. Die Abbildungen 4 und 7 zeigen, dass Mendeley, SciVal und Pure¹¹²“The vertical integration of both firms have the effect of influencing university decision making, with the adoption of Elsevier products, especially Bepress, Pure, Plum, SciVal influencing university decision making through their promotion of data analytics [...]” (Posada & Chen, 2018, 35) solche disziplinunabhängigen Anwendungen sind. Sie können im Forschungsprozess (Mendeley, Pure), der Wissenschaftskommunikation (SciVal, Mendeley) und der Evaluation auf institutioneller (Pure, SciVal) und individueller (Mendeley) Ebene sowie in der akademischen Stellensuche und -besetzung (Pure, Mendeley) genutzt werden. Die Nutzung allein dieser Anwendungen gibt Elsevier umfassende Informationen über mehrere Aktivitäten wissenschaftsinterner wie wissenschaftsorganisatorischer und institutioneller Art und gewährt zugleich regulierenden Einfluss, z. B. durch Gewichtung, Empfehlungen und eigene Indikatoren.

Der Lock-In II wäre – im Unterschied zum Lock-In I auf Publikationsebene – tiefer in den Workflows der Institution verankert, da er in miteinander verknüpften Anwendungen manifestiert wäre. Letztere verweisen durch ihre inhaltlichen Überlappungen zwischen Forschung und Wissenschaftsverwaltung, Förderung und Personalentwicklung aufeinander. So lassen sich die Bereiche nicht mehr klar voneinander trennen. Diese Überlappung schafft eine gewisse Redundanz innerhalb der Produktpalette (z. B. zwischen Pure und Interfolio), so dass mehrere Konstellationen von Elsevier-Anwendungen hinreichend wären, die „critical junction“ des Drei-Phasen-Modells (Schreyögg & Sydow, 2011) zu beschleunigen.

Zur organisatorischen Abhängigkeit käme erschwerend hinzu, dass Elsevier selbst diejenigen Metriken mitgeneriert, aufgrund derer Elseviers Anwendungen Empfehlungen für Entscheidungen erstellen. Das darin implizite Potenzial einer Institution, ihre eigene Stellung in Rankings zu verbessern, bringt Erpressbarkeit mit sich, eben diese Anwendungen (weiterhin) zu nutzen. Elsevier gibt Beispiele für Ranking-‚Aufstiege‘ derjenigen Institutionen, die ihre Dienste verwenden. Rankings üben Druck auf den gesamten Wissenschaftsbetrieb aus, aber die Aussicht auf schnelle Erfolge durch Datenanalyse ist für Institutionen im globalen Süden bzw. ressourcenarme Universitäten besonders verlockend:

Elsevier showcases how Arizona State University (ASU) identifying opioids research as a priority collaboration topic internally through the use of the Prominence indicator […]. The tools promise to bring algorithmic-based analytics to universities in an integrated package. Pure is promoted as being able to suggest collaboration partners […] while the algorithmically-generated grant recommendations of funding bodies can be directly imported into the Pure workflow […]. According to the Pure website, the tool ‘facilitates an evidence-based execution of strategy to unlock your full research potential, leading to increased funding, improved international collaboration and greater visibility.’ […] Elsevier sees universities in other parts of the world as ripe for their marketing. They have promoted its Fingerprint Engine, a text-mining algorithm that generates smart keywords, in their products Pure and Expert Lookup […], to National Cheng Kung University (NCKU) in Taiwan. Their promotional material shows how NCKU uses the algorithmically-generated keyword feature in Pure to search for international collaborators and to increase international visibility […]. In another example, Elsevier showcases how Covenant University (Nigeria) uses Scopus and Scival to guide their research decisions […]. In Egypt, Elsevier took part in the creation of a national rankings committee to assist universities in the country with visibility in world rankings. (Chen & Chan, 2021, 14-16)

Der Wissensvorsprung wird auch auf eine andere Weise erzielt und aufrechterhalten, die eine technische Fortsetzung der bereits beschriebenen Zugangsformen zu Informationen darstellt. Damit ist umfassendes Tracking gemeint, das auch diejenigen Personen und Institutionen erfasst, die keine der genannten Anwendungen nutzen. Die bisher beschriebenen Abhängigkeitseffekte und Asymmetrien werden so auf einer tieferen Stufe fundiert. Diese im wissenschaftlichen Alltag ubiquitäre Problematik bringt Brembs scharf auf den Punkt: „Nutzen Sie beispielsweise Scopus oder Web of Science für die Literaturrecherche, Mendeley zum Zitieren, Authorea zum Schreiben, FigShare, um Ihre Daten zugänglich zu machen, oder LabGuru für Ihr Labormanagement? Vielleicht nutzt ja Ihre Uni-Leitung Plum Analytics, Pure oder Elements, um die Forschungsleistung Ihrer Fakultät mit der von anderen Fakultäten zu vergleichen? Alle diese Werkzeuge sind mittlerweile Überwachungstools für die Data-Analytics-Konzerne, die sich früher ‚Verlage‘ nannten.“ (Brembs, 2023a) Dieser Themenkomplex wird im nächsten Kapitel besprochen. In diesem Zusammenhang treten andere Geschäftsfelder und -praktiken des RELX-Konzerns in den Vordergrund.

4.1.1 Cookie

Das heutige Tracking lässt sich in seinen Anfängen technisch auf das Cookie zurückverfolgen, welches zunächst einen funktionalen und nicht primär monetären Hintergrund hatte:

As the web developed, technology was invented to support tracking. Web developers wanted a way to be able to remember users. In 1994 John Montully, a developer at Netscape, an early web browser, created the ‘cookie’; a way to store a small amount of information associated with a user. (Binns, 2022, 5)

Ein Cookie ist also ein kleiner N-spezifischer Code¹²²Genauer ist es ein Triplet aus „host, key, value“, bei dem der Host sich auf die Domain bezieht, welche Zugang zum Cookie hat (Fouad et al., 2024, 4) und die das Cookie dann auslesen kann., den die Host-Domain der von N aufgerufenen Seite beim HTTP(S)-Aufruf des Browsers oder systematisch durch Javascript an Ns Endgerät schickt. Wenn Ns Gerät das Cookie nicht blockiert, wird es dort gespeichert. Die Cookie-Datei enthält verschiedene Felder, u. a. ein Ablaufdatum, nach welchem das Cookie nicht mehr gesendet werden soll und einen URL-Pfad innerhalb der spezifizierten Domain zur Einschränkung des Sendebereichs. Bei Ns erneutem Aufruf dieser Domain bzw. Subdomain wird das Cookie im Browser automatisch mitgesendet und vom Host ausgelesen. Dieser Vorgang unterscheidet sich nicht bei First-Party-Cookies und Third-Party-Cookies, denn Cookies werden in beiden Fällen auf Ns Endgerät gespeichert und anschließend ausgelesen. Der relevante Unterschied ist, wer die verschiedenen Cookies auf Ns Gerät auslesen wird – der Host der aufgerufenen Seite, also die First Party oder verschiedene Third Parties, also Drittparteien (Binns, 2022, 7).¹²³Für eine grafische Darstellung der Interaktion vgl. die Abbildung 17 im Anhang.

Eine Bemerkung zum Auslesen von Cookies und Cross-Site-Tracking: Dass ein Cookie nur von der Domain ausgelesen werden kann, von der es gesetzt wurde, wird durch die Same-Origin-Policy verlangt. “An origin is defined by the scheme, host, and port of a URL. Generally speaking, documents retrieved from distinct origins are isolated from each other.” (w3.org, n.d.) Um trotzdem mehreren Interessierten Zugang zu einem Cookie zu gewähren, gibt es das sogenannte Cookie Syncing (Piwik, n.d.). Dabei handelt es sich um einen Prozess zwischen den trackenden Parteien, die den N-spezifischen Code, den „unique user identifier“, untereinander abgleichen und so ihre jeweiligen Informationen über N austauschen bzw. synchronisieren. Das heißt also, dass unüberblickbar viele Informationen über N auch völlig ohne Ns Web-Aktivität trackenden Drittparteien und deren Kundschaft vorliegen, eben durch die Synchronisation ihrer gesammelten Trackingdaten. Zu dieser Kundschaft zählen AdTech-Firmen und Data Broker wie LiveRamp, ehemals Acxiom – nach eigener Bezeichnung eine „Datenkollaborations Plattform“¹²⁴https://liveramp.de und https://liveramp.com/. [beide zuletzt geprüft am 25.07.2024] mit dem „Cookie Sync Tag“¹²⁵Siehe die Liste von LiveRamps “Sync Partners”, Figure 14 (Christl & Toner, 2024a, 32) mit u. a.: Google Cloud, Google Analytics, Amazon, Adobe, Facebook, BlueKai, Xandr, Microsoft Bing. (Christl & Toner, 2024a, 31).

In den 2000er Jahren verlagerte sich einerseits ein großer Teil der Dienste und Ressourcen der First-Party-Websites auf die Drittanbieter, die auf der einen Seite technisch-funktionale Kernaufgaben für sehr viele Websites übernahmen:

This included everything from widgets for embedding and serving video content, user analytics, the loading of special fonts, comment functions below news articles, buttons which allowed content to be shared via the user’s account on a social network, anti-spam measures which separate bots from genuine human users, and much else besides (Binns, 2022, 9).

Auf der anderen Seite verknüpften Drittanbieter ihre Inhalte und Dienste mit Analyse-Technologien und domainübergreifender Datensammlung: “From the distribution of third-party advertiser code on first-party websites, it was a small step to the use of ‘third-party’ cookies.” (Binns, 2022, 7) Durch die Third-Party-Cookies konnten Adtech-Unternehmen über das ursprüngliche Ziel, die Messung der Sichtung ihrer Anzeigen hinausgehen, indem sie “also track those users from one site to the next” (ebd.). ¹²⁶“In the early 2000s, no single tracker was present on more than 10% of top sites; but by 2016, google-analytics.com was present on nearly a third of top sites. As mentioned above, it is now present on a majority of websites.” Binns (2022, 11)

Eine weitere Form des Trackings, die hier nicht eigens behandelt wird, entstand aus dieser Veränderung der Ressourcen-Verteilung, nämlich das Tracken durch Webfonts. Fonts von Google, die auf sehr vielen Websites eingesetzt werden, werden nicht auf der Domain dieser Websites gehostet, sondern bei Google. Jedes Aufrufen der Website durch N führt zum Abrufen der Fonts bei Google. Dabei werden Informationen über die abrufende Seite, unsere Nutzerin N, an Google gesendet.

4.1.2 Post-Cookie-Tracking

Mit Googles Abkehr von Third-Party-Cookies, die nach mehreren Verzögerungen nun für 2025 geplant ist, sind neue Formen des Tracking zu erwarten und werden auch schon teilweise implementiert. Eine davon ist Googles Folgekonzept zu Cookies, die “Privacy Sandbox” bzw. Sandbox API. Dieses Verfahren, bei dem der Browser (Chrome) und nicht mehr die verschiedenen Third-Party-Cookies Tracking und Analysen durchführt, präsentiert Google als datenschutzbewusste Alternative. Scharfe Kritik lässt vermuten, dass es sich dabei um ‘privacy-washing’ handelt, bei dem Nutzer:innen aufgrund irreführender Darstellung des Features als einer Datenschutz-Funktion “ad privacy feature” in die Aktivierung einwilligen (noyb, 2024). Das Europäische Zentrum für digitale Rechte (noyb) hat deshalb am 13. Juni 2024 eine Beschwerde gemäß Artikel 80(1) DSGVO bei der österreichischen Datenschutzbehörde eingereicht (ebd.).

Welche Konsequenzen für Verbraucher:innen aus dieser und anderen Nachfolgetechnologien zum Third-Party-Cookie zu erwarten sind, ist noch nicht absehbar. Zu befürchten sind zumindest anfängliche Nachteile für den Datenschutz, da die Anpassungen der Werbeindustrie entsprechenden Anpassungen der Gesetzgebung meist weit vorausgehen. Eine solche Neuentwicklung, die sehr negative Prognosen für die Transparenz und Regulierbarkeit hervorruft (Fouad et al., 2024), ist das seit kurzer Zeit bekannte Server-Side-Tracking (SST). Es verändert das Verhältnis zwischen First-Party- und Third-Party-Tracking dahingehend, dass die aktuelle Gesetzeslage – sowohl national mit § 25 TTDSG Telekommunikation-Telemedien-Datenschutz-Gesetz als auch auf EU-Ebene mit dem Art. 5 ePrivacy-Richtlinie¹²⁷Vgl. dazu das Kapitel Digitale Souveränität.–, die auf dieser Unterscheidung beruht, das Problem nicht erfassen kann. SST kann sowohl als Third-Party-Auftrag durchgeführt werden als auch durch die Einbettung als First-Party-Subdomain (Fouad et al., 2024, 2) bzw. indem die Domain selbst zum Tracker wird, was die bis dahin hilfreiche Unterscheidung zusätzlich unterläuft.

Zudem entsteht bei SST ein Transparenzproblem, da es Tracker ‚hinter‘ dem jeweiligen Zielserver versteckt: “[K]nown methods to identify more traditional tracking are not well suited to detect SST. The reception of a user ID does not necessarily imply that the server will share it directly with different partners.” (Fouad et al., 2024, 1) Statt der z. B. durch Adblocker und tools wie uBlock Origin eruierbaren Präsenzen von Trackern auf einer Website übernimmt nun der Server die Trackingaktivität und verschleiert diese für Nutzer:innen wie auch für die professionelle bzw. IT-forensische Überprüfung:

Instead of the client directly reporting its tracking data to different companies around the world, it is the role of the SST server to do it. This approach is currently hampering online privacy as it transforms what used to be very clear tracking requests performed by the browser on the client side into masked and hidden ones on the server side. For users, it becomes complicated to protect themselves as their favorite blocking tools are not adapted to this hidden form of tracking. For regulators, it is simply a nightmare as they cannot see clearly which companies are performing tracking in the background. (Fouad et al., 2024, 1) (Vgl. Abbildung 16 im Anhang)

Diese Tracking-Form ist noch wenig untersucht und ihre Implikationen für das Wissenschaftstracking sind noch nicht absehbar.

Dem nächsten Abschnitt der Anwendung der Trackingformen auf die Wissenschaft vorweggreifend sei hier der Abschlussbericht des Ausschusses für wissenschaftliche Bibliotheken und Informationssysteme der DFG (Altschaffel et al., 2024) erwähnt. Der Bericht deckt weitere technische Aspekte auf, die Tracking besonders tiefgreifend und invasiv machen. Das ist zum einen die versteckte Weiterleitung beim Aufrufen einer Adresse, die automatisch aktiviert wird und wodurch weitere Datenauswertungen stattfinden. Zum anderen geht es um das sogenannte CNAME-Hiding, das die Aufdeckung und Nachverfolgung des Trackings erschwert.¹²⁸„Ein CNAME ist ein alternativer Name für einen Adresseintrag im Internet – ein Dienst, der die eigentliche Adresse xyz.de hätte, könnte auch unter abc.de dargestellt werden, welches das Tracking aus Sicht des Benutzers verbergen würde (dies ist ein fiktives Beispiel, es bezieht sich jedoch auf ein konkretes Beispiel, das am 07.10.2023 dokumentiert wurde).“ (Altschaffel et al., 2024, 26)

Fouad et al. (2024) nennen neben SST noch weitere Post-Cookie-Ansätze der Identifizierung und Profilerstellung wie “contextual advertising”, bei dem Kontextsignale mit First-Party-Daten des jeweiligen Advertisers und Informationen aus eigenen Datenbanken Third-Party-Cookies ersetzen, “identity graphs”¹²⁹[Beispiele von Amazon https://aws.amazon.com/neptune/identity-graphs-on-aws/, und LiveRamp https://liveramp.com/identity-resolution/. [beide zuletzt geprüft am 25.07.2024] , oder “interest-based advertising”¹³⁰[https://webkit.org/blog/11529/introducing-private-click-measurement-pcm/, https://blog.mozil.org/en/mozilla/privacy-preserving-attribution-foradvertising/, https://blog.google/products/chrome/get-know-new-topics-api-privacy-sandbox/ [zuletzt geprüft am 25.07.2024] . Daneben beschreibt Freiberg (2022) noch den Kohorten-Ansatz von Permutive, bei dem die „Profilerstellung anhand von First-Party-Daten mit anschließender lokaler Speicherung im Browser“ erfolgt. Weil das Profil durch Interaktionen mit dem Browser entsteht und lokal (verschlüsselt) gespeichert wird – im Gegensatz zu einer Cloud – „bezeichnet Permutive diesen Ansatz als dezentrales ‘Edge Computing’ […]“ (ebd.).¹³¹In Freibergs Test mit der Website von SpringerNature zeigte sich, „dass in der IndexedDB, einer seit HTML5 gegebenen Option zur lokalen Speicherung von strukturierten Daten, eine mit einem Hashwert benannte Datenstruktur mit dem Ursprung ‚nature.com‘ abgelegt wurde, die nach Interaktionen wie Scrollen oder dem Anklicken von Links zunehmend anwächst. Dieses Datenbankobjekt enthält technisch gesehen eine ‘events’ benannte Reihe von Ganzzahlen, die wahrscheinlich die Interaktionen in verschlüsselter und daher anonymisierter Form enthält. Diese Bewegungs- und Interessenprofile werden sogenannten Kohorten zugewiesen, also Gruppen mit übereinstimmenden Profilmerkmalen, für die zielgruppenspezifische Inhalte bereitgestellt werden können. Welche Mitglieder der Kohorte aktuell auf der analysierten Seite unterwegs sind, kann laut Permutive übrigens in Echtzeit abgefragt werden.“ (Freiberg, 2022, 102) Dies sind jedoch nur skizzenhaft genannte weitere Trackingformen.

4.1.3 Fingerprinting

Ein Ansatz zur Identifizierung, der nicht über Cookies funktioniert und so nutzer:innenseitige Versuche der Anonymitätswahrung durch z. B. Adblocker umgeht, ist Fingerprinting. Es existiert als Device (Browser- oder auch Canvas-) und als Personen-Variante. Bei der ersten Variante werden über verschiedene Schnittstellen „(JavaScript, HTML-CanvasElemente, WebGL, Web Audio API) browserspezifische Merkmale abgefragt, deren individuelle Kombination so eindeutig wie ein Fingerabdruck sein kann […]“ (Freiberg, 2022, 98). Die spezifischen Browser-Einstellungen und Interaktionen zwischen Soft- und Hardware können als individuierbare Grafiken dargestellt werden, die einem Fingerabdruck gleichen. Solche Fingerabdrücke werden in speziellen Datenbanken, den Fingerprinting-Bibliotheken, von Data Brokern angeboten. Freiberg beschreibt den Vorgang einer Grafikzeichnung bzw. Audio-Variante des Fingerprinting im Detail:

JavaScript liefert unter anderem Informationen über installierte Schriftarten, die Bildschirmauflösung und zahlreiche Browser-Einstellungen. Eine weitere Methode des Fingerprinting ist die Erstellung von verborgenen Grafiken, die je nach Software- und Hardware-Ausstattung des Geräts kleine Unterschiede aufweisen. Das in HTML 5 eingeführte Canvas-Element zum Zeichnen von 2D-Grafiken auf Webseiten wird zum Beispiel für das Fingerprinting missbraucht, indem unbemerkt auf einer nicht-sichtbaren Zeichenoberfläche (Canvas) Text- und Bildelementen erstellt werden […]. Je nach Hardware, Betriebssystem und Browser fällt diese Grafik leicht anders aus. In der Folge wird die Grafik ebenfalls unbemerkt heruntergeladen, aus ihr ein individueller Hashwert berechnet, der schließlich zur Speicherung und zum späteren Abgleich in der Fingerabdruck-Datenbank des Anbieters gesichert wird. Mit der WebGL-Programmierschnittstelle zur Darstellung von 3D-Grafiken können noch präzisere Fingerabdrücke generiert werden, da die Berechnung von 3D-Grafiken stärker von der jeweiligen Grafik-Hardware geprägt wird. Auch Hersteller und Modell der Hardware können über die WebGL-Schnittstelle abgefragt werden. Relativ neu ist das Fingerprinting über die WebAudio-API. Über diese Audio-Schnittstelle können nicht nur Informationen über die Audio-Hardware ausgelesen, sondern auch ein Oszillator generiert werden, dessen je nach Hardware anders ausfallende, stumme Ton-Wiedergabe im Hintergrund anschließend abgetastet und zur Generierung eines Hashwerts herangezogen wird. (Freiberg, 2022, 98)

Wie Schneider et al. (2014) bereits vor 10 Jahren festhalten, ist es neben dem Geräte-Fingerprinting auch möglich, Personen-Fingerprinting zu erstellen, um Nutzer:innen auch an verschiedenen Geräten mit unterschiedlichen Konfigurationen geräteübergreifend zu identifizieren. So können mit „Fingerprinting Bibliotheken wie z.B. von BlueCava[…], Iovation[…] oder ThreatMetrix […] nochmal deutlich bessere Trennschärfen erreichen [werden]“ (Schneider et al., 2014, 50). Laut Schneider et al. würden „Fingerprints sehr nahe an eindeutige Identifikationen herankomm[en]“ (ebd.). ThreatMetrix und aktuelle Formen der Identifikation werden weiter unten wieder aufgegriffen.

4.1.4 Marketing, Data Brokering, Verknüpfungsdienstleister

Die Entwicklung der Technologien und Interaktionsmöglichkeiten im Web 2.0 ist stark von der Entwicklung der webbasierten Werbeindustrie geprägt. Die Ausdifferenzierung und Ausweitung von Werbestrategien begann analog zu Printmedien. Eine Werbeanzeige wurde in einem vermieteten Slot auf der Website für einen festgelegten Zeitraum geschaltet, sichtbar für alle Besucher:innen dieser Website. Dieses Vorgehen wurde mit dem Aufkommen von Möglichkeiten weiterentwickelt, immer mehr domainübergreifende Informationen über das Verhalten von Nutzer:innen zu sammeln, zu Profilen zu clustern (Keegan & Eastwood, 2023) und an diese Nutzer:innen zu binden. So wurden letztere wiedererkennbar und an ihren Geräten nachverfolgbar gemacht. Damit wurde es auch möglich, Werbeanzeigen gezielter auf angestrebte Kund:innen auszurichten und die Anzeigen auch direkt auf der aufgerufenen Seite anzuzeigen. Dort befindet sich nunmehr nur ein Platzhalter, während die Werbeanzeige selbst vom Server des jeweiligen Werbetreibenden geladen wird. Diese Strategie, das Microtargeting, und ihre politischen Dimensionen wurden vor allem im Zusammenhang der U.S.-Wahlen 2016 und Cambridge Analytica öffentlich bekannt.

Elaboriertere technische Möglichkeiten des Cross-Site-Tracking, eine immer engmaschigere Profilbildung und Überwachung der Aktivitäten von Nutzer:innen liefen parallel zur zunehmend komplexeren Beziehung zwischen First und Third Party:

Among the third-party resources commonly referenced by first-parties are those be longing to the largest web giants […]. This means that users of their services can be tracked as they move around the web, often even when not logged in to the respective service. This has further enriched the already rich profiles these platforms had built on their users activities beyond their walled gardens. As a result, a social network might be able to infer sensitive private information about a user not because of what they do on that social network, but as a result of the websites they visit outside of it. These trackers are sometimes called ‘personal trackers’ because while they are ‘third-parties’ in a technical sense, the user may also have a personal account with them because they also operate as user-facing first-party services like Google or Facebook […] (Gatti, 2020, 10)

Unabhängig davon, wie adäquat die Unterscheidung zwischen First und Third Party künftig sein wird – bereits an diesen wenigen Beispielen zeigt sich, dass für durchschnittliche Nutzer:innen eine nahezu unausweichliche Abdeckung ihrer Internet-Aktivitäten durch eine Kombination verschiedener Tracking-Formen besteht. Ob direkt durch die besuchte Domain oder durch eingebundene Dritte, die Datensammlung und die zahlreichen Arten der Datenverwertung gehen in sehr lukrative Geschäftsformen ein, die über reine Werbetätigkeit hinausgehen. Aber bereits der Markt für digitale Werbung ist beeindruckend: Investitionen in Internetwerbung beliefen sich für 2021 weltweit auf über 417 Mrd. US-Dollar (Statista, 2024), Tendenz steigend.

Ein Beispiel für sehr umfassendes, kombiniertes und invasives Tracking sind Verknüpfungsdienstleister, deren Produkte für die AdTech-Industrie, aber auch für weitere Zwecke genutzt werden können. Ihr primäres Geschäft (dessen Konformität mit der Gesetzgebung der Länder, in denen sie operieren, unklar ist) besteht in der Erstellung von möglichst vollständigen Profilen und eine nahtlose Beobachtung von ganzen Bevölkerungen:

Companies have started to combine and link data from the web and smartphones with the customer data and offline information that they have been amassing for decades. Many businesses try to record and measure every interaction with a consumer, including on websites, platforms, and devices they do not control themselves. They can seamlessly collect rich data about their customers and others in real-time, enhance it with information from third parties, and utilize the enriched profiles for digital advertising, which is often based on real-time auctions of consumer profiles. The lawfulness of many of these data practices under the GDPR is disputed and subject to ongoing debate and litigation. (Christl & Toner, 2024b, Summary)

LiveRamp, ein „consumer data broker“ verkauft auf seinem „data marketplace“ weltweit Daten über 700 Millionen Verbraucher:innen von 150 Datenlieferanten:

LiveRamp operates a massive identity surveillance system that assigns every person a proprietary identifier, which is tied to identifying attributes such as names, postal addresses, email addresses, phone numbers and digital IDs referring to browsers, smartphones and other devices. Its AbiliTec and RampID systems maintain and constantly update comprehensive identity records about whole populations: the address where they live, the devices they use, and people they share a household with. (Christl & Toner, 2024b, Summary)

Die Gefahr, die von einem Privatkonzern mit eigenen bevölkerungsweiten Identitätsdatenregistern mit Personen- und Haushalts-IDs ausgeht, ist enorm, wie auch Christl & Toner (2024b) und Reuter (2024) kritisieren:

LiveRamp’s identity graph systems can be considered private population registers, and their identity databases and proprietary identifiers facilitate the exchange of personal data across databases and companies. Many businesses in the digital marketing industry utilize LiveRamp’s identity surveillance technology to recognize, track, follow, profile and target people across the digital world and trade profile information about them. As of 2023, LiveRamp operates in many countries across the planet including the UK, France, Germany, Belgium, Spain, Italy, Poland and Romania. (Christl & Toner, 2024b, Summary)

Es ist wichtig zu verstehen, dass es sich nicht nur um Informationen über das Online-Verhalten und digital gesammelte Aktivitäten oder Eigenschaften von Personen handelt. Es geht auch um die Verknüpfung von bereits über lange Zeiträume gesammelten weiteren analogen Informationen mit den digitalen Daten, wie die Abbildung 9 zeigt.

Diese Bestände werden zusammengebracht und durch die RampID zu einem Identitätsgraphen verknüpft, der laufend aktualisiert wird, auch über Wechsel von Geräten, Konten oder Wohnorten hinweg:

The AbiliTec identity graph links different ‘offline’ identifiers to each other, including names, postal addresses, email addresses and phone numbers […] The RampID system links digital identifiers to a person’s AbiliTec record, including mobile device IDs, cookie IDs, connected TV IDs and other proprietary IDs […] LiveRamp claims to have data about 14 billion devices globally. (Christl & Toner, 2024b, Summary)

LiveRamp beschreibe seine RampID und das Verfahren der Anonymisierung als “secure, one-way deidentification” zwischen der „Offline“-Identität (AbiliTec ID) und der RampID mit „digital identifiers“, doch eine hinreichende Anonymisierung sei damit keineswegs gegeben¹³²“[T]he RampID system stores and processes personal data about the links and associations between ‘offline’ information (such as names, postal addresses, email addresses and phone numbers) and ‘online’ information (such as cookie IDs, mobile device IDs, connected TV IDs and custom IDs).” (Christl & Toner, 2024b, 27), so Christls und Toners Studie:

[T]his still potentially allows thousands of companies to send names, postal addresses or email addresses to LiveRamp, receive the corresponding RampIDs, and then match them with records that are also linked to RampIDs from many other companies. (Ebd.)

Google beschreibt die RampID als „Verbindungsschlüssel“ zwischen den google-eigenen Daten mit den Werbedaten (Reuter, 2024).

Dass solche Informationsbestände über EU-Bürger:innen jedem oben diskutierten Verständnis von digitaler Souveränität widersprechen und ein beträchtliches Missbrauchspotenzial für kommerzielle, politische und kriminelle Ziele bergen, bedarf an dieser Stelle keiner zusätzlichen Argumentation, sondern kann konstatiert werden.

4.1.5 RTB Broadcasting

Der heute dominierende Ansatz, Werbung und Microtargeting zusammenzubringen, erschien 2007 mit dem Programmatic Advertising, das auf der Technologie des ‘Bidstreaming’, bzw. ‘Real-Time Bidding’ basiert. Hier gibt es weitere Zwischenschritte bzw. Intermediäre gegenüber dem früheren Modell. Ruft N eine Website auf (vgl. die Abbildung 10), verschickt eine ‘Supply Side Platform’ (SSP) Ns Profildaten an mindestens eine ‘ad exchange company’ (größter Anbieter dieses Dienstes ist Google). Letztere gibt diese Daten vollautomatisiert an eine unbekannt große Menge an ‘Demand Side Platforms’ (DSP) weiter – bei diesem Vorgang spricht man von ‘broadcasting’ bzw. ‘bidstreaming’ – die gegeneinander auf den freien Werbeplatz bieten. Die DSPs sind Werbetreibende, es können sich aber auch beliebige Akteur:innen mit weiteren Interessen als DSP registrieren und Zugang zu Daten erhalten. All das passiert vollautomatisiert, programmiert auf eine optimale Passung zwischen dem Werbeziel und dem Nutzerinprofil, in der kurzen Zeit, die das Laden der aufgerufenen Seite benötigt. Diese Auktionen passieren in Echtzeit bzw. dauern unter einer Sekunde. So sieht N wahrscheinlich eine andere Anzeige, als ihr Büronachbar M, obwohl beide dieselbe Seite aufrufen – eine personalisierte Werbung bei jedem Seitenaufruf.

Dieser Ansatz ist äußerst einträglich: “RTB ‘Programmatic’ including display and video ads accounted for an estimated $99bn in 2021, more even than search advertising ($78.3bn)”, zitieren Ryan & Christl (n.d., FN1) den PwC IAB Internet Advertising Revenue Bericht (PwC, 2022, 21). Für die digitale Werbeindustrie ist der Ansatz durch eine neue Form der Kundenzentrierung attraktiv, die aber weitreichende und unübersichtliche Konsequenzen für die Sicherheit der Nutzer:innen hat:

This promised advertisers something quite unique; the ability to bid against each other for the opportunity to show a particular advert to a particular user based on a profile of that user. Within this tiny window, a surprisingly large number of actors are involved in a complex, automatically choreographed bidding war, involving the processing of lots of data from multiple sources. (Binns, 2022, 8)¹³³Diese Dynamik führte dazu, dass alle Parteien zu dateninvasiveren Geschäftsmodellen übergingen: “ As a result, users were not only being tracked directly via the third-party scripts belonging to advertising technology providers, but also by other third-parties who were providing other, non-advertising services to first-party websites. But before long, those other third-parties also took up the opportunity to become enmeshed in the digital advertising industry too, for instance by operating as data management platforms, supplementing demand-side platforms with additional personal data about individuals to better inform ad targeting and bidding strategies. Third-parties shared some of the profits of this data monetisation with the first-parties on whom they depended, and soon the dependency was reversed; many websites came to rely on these third-parties not only for functionality (analytics, content distribution, interactive elements), but also as their main revenue source.” (Gatti, 2020, 10)

Klar ist aber, dass RTB zur Verbreitung von sehr umfangreichen Profilen an eine nahezu nicht abschätzbare Menge an nahezu nicht nachverfolgbarer DSPs führt. Ryan und Christl weisen darauf hin, dass dies mindestens eine enorme Sicherheitslücke darstellt: “RTB data about the average person are broadcast to many entities, hundreds of times a day. There is no way to limit or know what happens to RTB data after they are broadcast.” (Ryan & Christl, n.d., 7) Die im letzten Abschnitt erwähnte RampID von LiveRamp dient als ein „universal identifier“ (Christl & Toner, 2024b, Summary) für die AdTech-Industrie und speziell auch das RTB. Die Ramp​ID wird über RTB übertragen und dient im digitalen Werbemarkt der Verknüpfung personenbezogener Daten “across a large number of publishers, advertisers and adtech intermediaries. This occurs 60 billion times a day, according to LiveRamp […]” (Christl & Toner, 2024b, Summary).

Die Gefahren für die EU lassen sich analog auf die Wissenschaft anwenden und beinhalten bereits die Wissenschaft als eine der betroffenen Kategorien (vgl. die Abbildung 17 im Anhang).

4.1.6 Prädiktive Analytik und Risk Solutions

Ein wachsendes Einsatzfeld für Tracking und Datenhandel ist prädiktive Analytik. Dieses Verfahren ist nicht neu und wird in zahlreichen Disziplinen verwendet. Dabei handelt es sich um ein statistisches Verfahren, bei dem aus vorhandenen (personenbezogenen oder nicht-personenbezogenen) Daten umfangreiche Schlüsse auf unbekannte Eigenschaften, künftiges Verhalten von Personen oder generell künftige Ereignisse und Trends gezogen werden. Die genutzte Datenbank enthält historische Daten und wird durch neu hinzukommende und generierte Daten erweitert und modifiziert. Durch Aggregierung von Einzeldaten und zunehmend auch maschinelles Lernen werden Modelle berechnet, die in Anwendung auf Einzelfälle Vorhersagen über künftige Handlungen machen oder Aussagen über noch unbekannte (Gruppen-)Eigenschaften treffen. Dies können auch sensible Informationen wie Gesundheitszustand, Ethnie oder Religionszugehörigkeit sein.¹³⁴“[E]asily accessible digital records of behavior, Facebook Likes, can be used to automatically and accurately predict a range of highly sensitive personal attributes including: sexual orientation, ethnicity, religious and political views, personality traits, intelligence, happiness, use of addictive substances, parental separation, age, and gender.” (Kosinski et al., 2013, 5802)
„Zwischen den zunächst wenig Aufschluss gebenden Hilfsdaten von [N] und sensiblen Informationen über [N] können mittels prädiktiver Analytik Korrelationen berechnet werden, weil die historischen Daten sämtlicher Personen [über die Daten vorliegen] so mannigfaltig sind, und neben vielen Hilfsdaten von vielen Personen auch einige sensible Informationen über einige Personen beinhalten.“ (Lisker, 2023, 52) Kritische Stimmen warnen, dass mit prädikitver Analytik „erhebliche Missbrauchspotenziale verbunden sind, welche sich als soziale Ungleichheit, Diskriminierung und Ausgrenzung manifestieren. Diese Missbrauchspotenziale werden vom geltenden Datenschutzrecht (EU DSGVO) nicht reguliert […]“ (Mühlhoff, 2022, 31). Mühlhoff warnt davor, dass riesige Datenmen, wenn auch anonymisiert, „in einem weitestgehend rechtsfreien Raum“ (ebd.) genutzt werden.

Wichtig sind die Veränderungen durch neue Technologien der Verarbeitung großer Datenmengen und Verfahren des maschinellen Lernens. Auch wenn ein statistisches Verfahren mit anonymisierten Daten arbeiten kann und es unterschiedliche Verfahren der Anonymisierung gibt, können sowohl die zugrundegelegten Daten als auch die Einzelfälle auf verschiedenen Ebenen personenbezogene und sensible Daten involvieren. Die Problematik besteht bereits in der Tatsache, dass kommerzielle Player im Besitz dieser Daten sind, nicht erst in den einzelnen Aktivitäten mit den Daten. Eine Geschäftsform prädiktiver Analytik, die ein besonderes Interesse an personenbezogenen und sensiblen Daten hat und eigene Datenbanken auf unterschiedlichen Wegen erweitert, ist – neben AdTech – die Sicherheitsindustrie.

LexisNexis® Risk Solutions

LexisNexis® Risk Solutions, ein Tochterunternehmen von RELX, das als Sicherheitsbereich von Elsevier agiert, wirbt mit einem besonders umfangreichen Datenvorrat, u. a. „[b]ig data platforms“, “[p]redictive modeling” und “[m]achine learning and artificial intelligence” (RELX, 2024, Folie 23, s. Abbildung 19 im Anhang). Die Risk-Sparte von RELX bietet auf Grundlage ihrer Datenanalyse eine Reihe unterschiedlicher Leistungen an, darunter Risikomanagement, Betrugsentdeckung und -prävention und Beratung von Versicherungen (RELX, 2024, 14):

LexisNexis Risk Solutions comprises the following market-facing industry/sector verticals: Business Services¹³⁵Darunter spezifiziert RELX “Risk assessment of individuals, digital devices and transactions to help prevent fraud and financial crime” (RELX, 2024, Folie 18)., Insurance¹³⁶“Risk assessment tools for insurance underwriting, pricing, and claims processing”. (RELX, 2024, Folie 18), Specialised Industry Data Services¹³⁷„[I]ntelligence, aviation, HR, etc“. (RELX, 2024, Folie 18) and Government Solutions¹³⁸“Tax and identity fraud prevention, enabling access to social benefits, disaster relief, crime prevention.” (RELX, 2024, Folie 18). (Ebd.)

LexisNexis’ Kundschaft ist umfangreich: “We do business with 92% of the Fortune 100; 84% of the Fortune 500; nine of the world’s top ten banks and 21 of the world’s top 25 insurers”. (Ebd.)

Die Datenbasis von LexisNexis erlaubt ein so breites Leistungsportfolio, um neben predictive modelling die Kreditwürdigkeit einzuschätzen oder für diverse Zwecke Identitäten zu prüfen und erschöpfende Profile zu erstellen. Laut eigener Darstellung verfügt LexisNexis über eine umfangreiche “identity database” mit u. a. „9 billion active devices“, „2.5 billion digital identities“ und “[c]overage of nearly 100% of the U.S.” (LexisNexis, 2023, 6), die ihnen ein “[c]lear understanding of identities across systems, agencies, and states […]” (LexisNexis, 2023, 2) ermögliche. In welcher Form die Identität von Personen staatenübergreifend ein “clear understanding” erlauben kann, wird durch weitere Eckdaten der Selbstpräsentation angedeutet: “Tens of billions of public records” (RELX, 2024, Folie 23, s. Abbildung 19 im Anhang), zu denen „Bankruptcies, loans, judgments, court records, DMV records, census data, etc.“ (RELX, 2024, Folie 27, s. Abbildung 21 im Anhang) gehören. Für 2021 wirbt LexisNexis in den Bereichen “Physical Indentity Intelligence” mit u. a. „285m US unique identities“, „12bn unique name / addresses“ und „Digtial Identitiy Intelligence“ u. a. „5bn devices“, „2bn digital identities“, „2bn unique email addresses“, „1.4bn unique IP addresses“, „1.3bn unique cell phones“ (RELX, 2024, Folie 26, s. Abbildung 20 im Anhang). Im Bereich „Insurance solutions“ könne ein “Holistic Assessment of Risk” in den Bereichen „Auto“, “Property”, „Life“ und „Commercial“ erstellt werden, mit “policy and carrier history data”, der Kreditwürdigkeit und Schadenhistorie sowie Fahrzeuginformationen: “telematics”, also Informationen zum Fahrverhalten; der Fahrzeughistorie, Fahrzeugregistrierungen, dem Fehlverhalten im Straßenverkehr und mit Geodaten (RELX, 2024, Folie 27, s. Abbildung 21 im Anhang).

Wie kommt LexisNexis an so umfangreiche Informationsbestände, die selbst im Vergleich zur RampID von LiveRamp beeindruckend sind? Das Unternehmen machte einen wichtigen Entwicklungsschritt, als Reed Elsevier 2004 für 775 Mio. US-Dollar Hank Ashers¹³⁹McKenzie Funks Buch über Hank Asher zeigt eine schillernde Figur, die privatwirtschaftliches, massenhaftes Sammeln und Auswerten von Daten, zunächst öffentlicher, durch aufkommende Überwachungstechnologien zunehmend erhobener und gehandelter, sozusagen erfand. Firma Seisint Inc. kaufte. Seisint hat(te) mit Accurint einen direkten Zugang zu öffentlichen Verzeichnissen und US-Behördendaten: “Seisint’s Accurint product provides online access and analysis of public records to help governments and law firms with tasks including due diligence, debt recovery, pre-employment screening and identity checks”¹⁴⁰https://www.spectrumequity.com/news/reed-elseviers-lexisnexis-acquires-seisint-for-775-million. [zuletzt geprüft am 25.07.2024] heißt es in einer Pressedarstellung der Elsevier-Repräsentantin Susanna Smart bei Spectrum Equity (Herv. YF).

Diese personenbezogenen Informationen standen dann Reed Elsevier zur Verfügung und „aus dem früheren Accurint Data Link wurde die LexID“ (Siems, 2024a, 5). Das Konzept der LexID, einem umfassenden Identifier privatwirtschaftlicher Provenienz und “a kind of shadow Social Security number” (Funk, 2023), ist also maßgeblich Hank Asher zu verdanken. Die LexID ist aber, so McKenzie Funk (ebd.) nicht der einzige “‘persistent [identifier]’, as they are called, that have been issued not by the government but by data companies like Acxiom, Oracle, Thomson Reuters, TransUnion — or, in this case, LexisNexis.”

Auf welchen Ebenen die LexID in das Leben der Menschen in den USA eingreift, wie verbreitet und sie ist und welche Macht mit dieser Klassifizierung ausgeübt werden kann, fasst Siems Rezension von The Hank Show zusammen:

Die LexID macht die Lebensumstände [eines] Menschen sichtbar, seinen Biorhythmus, die Vorlieben, die Hobbies und das Netzwerk an Menschen, die teils ephemer, teils intensiv das soziale Umfeld bilden. Sie beeinflusst damit die ärztliche Versorgung, aber auch, wie teuer die Autoversicherung ist, welche Kreditkarte zur Verfügung gestellt wird und wie lange McKenzie Funk in der Hotline warten muss. Die LexID und ihre konkurrierenden Identifier ermöglichen somit, was Shoshana Zuboff prediction products nennt, nämlich die maschinelle Auswertung und Analyse von menschlichem Verhalten durch Polizei, Banken, Nachrichtendiensten, Versicherungen, politischen Parteien und die Marketingindustrie, um das Verhalten vorhersagen und ausbeuten zu können. Identifier wie die LexID oder eben die Voter_id von Cambridge Analytica stützten in den USA die Last Minute-Kampagnen in den Swing States, die ihrerseits möglicherweise Trump die Präsidentschaft sicherten. In der Pandemie ermöglichten sie das contact tracing, bei den Protesten gegen die Ermordung von George Floyd sollen sie die Gesichtserkennung der Menschen in der Menge unterstützt haben, während die über ihnen kreisenden Überwachungsdrohnen die IMSI-Nummern, also die Mobilnetzkennungen, aus den Handys der Protestierenden saugten. (Siems, 2024a, 1)

Eine weitere Datenquelle und Geschäftssparte (“Government Solutions” oben) für LexisNexis sind Behörden-Kooperationen im Sicherheitsbereich. Das 2003 gegründete LNSSI (LexisNexis Special Sevices Inc.)¹⁴¹https://www.lexisnexisspecialservices.com/. [zuletzt geprüft am 25.07.2024] arbeitete an teils als geheim eingestuften Projekten mit den US-Behörden zusammen. Reed Elsevier und die CIA waren die wichtigsten Investoren in Palantir¹⁴²www.palantir.com. [zuletzt geprüft am 25.07.2024] (Siems, 2024a, 5), die umstrittene Überwachungsfirma, die von Peter Thiel¹⁴³https://www.nytimes.com/2021/09/21/books/review/the-contrarian-peter-thiel-max-chafkin.html. [zuletzt geprüft am 25.07.2024] mitbegründet wurde. Aufsehen erregte auch der Vertragsabschluss 2021 mit der ICE (Biddle, 2021; Lamdan, 2019), der amerikanischen Einwanderungsbehörde, der LexisNexis die Datengrundlage für Abschiebungen lieferte.

Ein weiterer bekannt gewordener Fall, bei dem LexisNexis mit Daten handelt, ist Xandr. Der Data Broker veröffentlichte (vermutlich versehentlich) kurzzeitig eine Datei¹⁴⁴https://raw.githubusercontent.com/the-markup/xandr-audience-segments/main/data_marketplace_public_segments_pricing_05212021.csv. [zuletzt geprüft am 25.07.2024] mit Targeting Groups, welche über LexisNexis und LiveRamp (vgl. Abbildung 11) an Xandr gelangten und deren Entdeckung zu einer weiteren Enthüllung führte (Keegan & Eastwood, 2023)¹⁴⁵“A spreadsheet on ad platform Xandr’s website reveals a massive collection of ‘audience segments’ used to target consumers based on highly specific, sometimes intimate information and inferences.” https://github.com/the-markup/xandr-audience-segments. [zuletzt geprüft am 25.07.2024], Datensatz zum Artikel von Keegan und Eastwood (2023).. Die Profile in den Targeting Groups enthielten u. a. geschützte Berufsgruppen, in Kombination mit

sensibleren Themen wie Religionszugehörigkeit, Gesundheitszustand, LGBTQ, ‘climate change believer’/‘climate change non-believer’, ‘vaccine propensity’, ‘don’t trust vaccine’ und ‘pro life high-income Republican voter’, die es jedem mit genug Geld ermöglichen, eben auch Datensegmente mit entsprechenden Wissenschaftler*innen zu kaufen, oft inklusive Geofencing- bzw. Geolocation-Daten. (Brembs, 2023a)

Data Fusion – die Zusammenführung verschiedener Informationsteile aus verschiedenen Quellen, der Austausch zwischen Datenhändlern, die Vergabe eindeutiger Identifikatoren und die Anwendung von Analyseverfahren – greift nicht nur tief in die Privatsphäre und den Rechtsraum von Millionen von Menschen ein. Unternehmen wie LexisNexis oder das Konkurrenzprodukt CLEAR von Thompson Reuters erhalten durch Data Fusion und Identifikatoren wie LexID auch einen sehr großen Wissensvorsprung: „Jetzt kann man so viel über jemanden wissen, dass man sein typisches Verhalten vorhersagen kann, ohne ihn in irgendeiner Weise zu kennen oder je getroffen zu haben.“ (Siems, 2024a, 2)

Last but not least handelt es sich bei Data Fusion um einen „Multimilliardenmarkt, der nach Marktprognosen mit 15-20 % jährlich wächst […]“ (Siems, 2024a, 7). Gerade hier überschneiden sich die entscheidenen Player aus dem Wissenschaftsbereich mit dem Wirtschaftsbereich, und das zum Nachteil der Wissenschaft, wie Siems warnt:

Marktbestimmend ist eine äußerst überschaubare Anzahl Firmen, und neben Palantir kennt man drei davon im Wissenschaftsbereich schon sehr lange: RELX, Thomson Reuters und Clarivate. Paranoid computing hat sich demnach teils auch aus dem Wissenschafts bereich heraus entwickelt, teils durch die Vielzahl von Aufkäufen, durch Fusionen und die Erschließung neuer Geschäftsfelder sich dort festgesetzt – und mit Scoring kennt man sich im Wissenschaftsbereich ebenso schon lange aus. (Siems, 2024a, 7)

4.3.1 Elseviers Privacy Policy und der DEAL-Vertrag

Ein wichtiger Punkt für die Evaluierung des Datenschutzaspekts des DEAL-Vertrags wird auch von SPARC moniert: Relevante Datenschutzpassagen sind nicht eigens Teil des Vertrags, sondern als „Privacy Policy (PP)“ und „Data Processing Addendum (DPA)“ lediglich zu externen Dokumenten verlinkt und nicht datiert.¹⁵⁵Es gibt nur einen allgemeinen Hinweis auf das letzte Änderungsdatum und keinen Zugriff auf vorherige Versionen. Hier können nur Web-Archive oder eigene Screenshots verwendet werden. So sind sie jederzeit einseitig veränderbar. Diese Dokumente enthalten unterschiedliche Richtlinien und nehmen nicht aufeinander Bezug. Unter diesen weiteren Dokumenten¹⁵⁶S. SPARCs Darstellung der unterschiedlichen Datenschutzdokumente und ihres Zusammenhangs, Abbildung 26 im Anhang. sind viel spezifischere Angaben zu datenrelevantem Verhalten, die in der PP selbst nicht bzw. unter “other technologies” genannt werden. Dazu gehören “web beacons” und „unique identifier“, die in der ScienceDirect Cookie Notice nicht erwähnt werden, “even though the tools used to investigate data collection on ScienceDirect indicate the use of web beacons and local storage” (SPARC, 2023, 15).

Es folgen sind einige Auszüge aus der Elsevier PP, da es keine eigene ScienceDirect-Policy gibt. An dieser Policy und damit dem DEAL-Vertrag sind viele Punkte problematisch, ich werde nur einige von ihnen näher betrachten, nämlich Datensammlung, (Un-)Freiwilligkeit, Interessenkonflikt, Datentransfer und Datenweitergabe. Besonders relevante Abschnitte sind kursiviert.

• Device and usage data
  The Service may automatically collect information about how you and your device interact with the Service, such as:
  • Computer, device and connection information, such as IP address, browser type and version, operating system and other software installed on your device, unique device identifier and other technical identifiers, error reports and performance data;
  • Usage data, such as the features you used, the settings you selected, URL click stream data, including date and time stamp and referring and exit pages, and pages you visited on the Service; […]
  • Usage data, such as the features you used, the settings you selected, URL click stream data, including date and time stamp and referring and exit pages, and pages you visited on the Service; […]
  • For location-aware Services, the physical location of your device.
  • We collect this data through our servers and the use of cookies and other technologies. You can control cookies through your browser’s settings and other tools. However, if you choose to block certain cookies, you may not be able to register, login, or access certain parts or make full use of the Service. For more details, visit the cookie notice of the Service. […]
• Grounds for processing
  When we process any personal information within the scope of certain privacy and data protection laws, we do so: […]
  • Where applicable, with your consent; and/or
  • As necessary to operate our business, protect the security of our systems, customers and users, detect or prevent fraud, or fulfill our other legitimate interests as described in the sections above, except where our interests are overridden by your privacy rights.
  • Where we rely on your consent to process personal information, you have the right to withdraw your consent at any time, and where we rely on legitimate interests, you may have the right to object to our processing.“
  • […] We may also share your personal information with our group companies and with sponsors, joint venture partners and other third parties, including entities for which we are acting as an agent, licensee, application host or publisher, such as societies, that wish to send you invitations, surveys, programs or information about their products and services that may be of interest to you as determined by your choices in managing your communications preferences and other settings.
  • […] We also will disclose your personal information if we have a good faith belief that such disclosure is necessary to: […]
  • Detect, investigate and help prevent security, fraud or technical issues; and/or
  • Protect the rights, property or safety of Elsevier, our users, employees or others; and as part of a corporate transaction, such as a transfer of a journal or other assets to or an acquisition by or merger with another company. […]
• Information we collect
  • We also may obtain contact details and other information about you from other entities within RELX and from third parties, including:
  • Social networks that you grant permission to the Service to access your data on one or more networks;
  • Service providers that help us determine a location in order to customize certain products to your location;
  • Partners with which we offer co-branded services or engage in joint marketing activities; and/or
  • Publicly available sources and data suppliers to validate or supplement the information we hold or to support the Service.“ ¹⁵⁷ https://www.elsevier.com/legal/privacy-policy, Herv. YF.
    Zum Vergleich, hier die entsprechende Passage der RELX-Website „Privacy“:
    „3. Information We Share
    We may share your personal information with certain of our corporate affiliates and with service providers as necessary to provide the services and fulfill the transactions you have requested or otherwise on our behalf based on our instructions. These third parties are required to use appropriate measures to protect such information in accordance with this privacy policy.
    We will also share your personal information with third parties if we have your consent or if we have a good faith belief that such disclosure is necessary to (a) meet any applicable law, regulation, legal process or other legal obligation; (b) detect, investigate and help prevent fraud, security or technical issues, and/or (c) protect the rights, property or safety of RELX, our users, employees or others, and as part of a corporate transaction, such as a sale or transfer of assets or an acquisition by or merger with another company.“ https://www.relx.com/site-services/privacy. [beide zuletzt geprüft am 25.07.2024]

4.3.2 Involvierung von Risk-Services

4.3.3 Einfluss auf den Wissenschaftsbetrieb

Die Tabelle 9 zeigt den RELX-Informationsbestand für einen einzigen Bereich des STM-Marktsegments. Die drei Spalten personenbezogene Daten, wissenschaftliche Daten und Wissenschaftsmanagement halten fest, auf welche Bereiche bzw. institutionelle Ebenen des Wissenschaftssegments sich Produkte von Elsevier und damit Quellen für die Datensammlung erstrecken. Ganz unten werden mögliche negative Konsequenzen sowohl des Trackings als auch Elseviers Präsenz in den unterschiedlichen institutionellen Ebenen skizziert.

Der Ausschuss der wissenschaftlichen Bibliotheken und Informationsdienste des DFG fasst die Schieflage zusammen:

Die skizzierte Entwicklung hin zu einer privatwirtschaftlichen Wissensindustrie […] steht im Gegensatz zur Wissenschaftsfreiheit, zum gesetzlich vorgegebenen Umgang mit personenbezogenen Daten und zum Wettbewerbsrecht. Im Einzelnen kann unreguliertes bzw. unerkanntes Datentracking ° eine Verletzung der Wissenschaftsfreiheit und der Freiheit von Forschung und Lehre bedeuten; ° eine Verletzung des Rechts auf den Schutz der eigenen Daten darstellen; ° eine potenzielle Gefährdung von Wissenschaftlerinnen und Wissenschaftlern darstellen, da die Daten auch ausländischen Regierungen und autoritären Regimes zugänglich werden können; ° einen Eingriff ins Wettbewerbsrecht darstellen, da neue Teilnehmer kaum eine Chance auf einen Markteintritt haben; ° eine Wertminderung öffentlicher Forschungsinvestitionen begünstigen, da im Rahmen von Wirtschaftsspionage wissenschaftliche Aktivitätsdaten von kommerziellen Forschungskonkurrenten erhoben oder ihnen gegen Bezahlung zugänglich gemacht werden können. (DFG AWBI, 2021)

Lisker (2023) beschreibt das Datensammeln u. a. als unausweichlich, kontinuierlich, unsichtbar und prädiktiv. In Anschluss an Lauer (2022a; 2022b), Brembs, Siems und SPARC füge ich der bisherigen Argumentation hinzu, dass Tracking in der Wissenschaft lukrativ, gefährlich, asymmetrisch und zersetzend für die Institution Wissenschaft sowie für die digitale Souveränität (Deutschlands und der EU) ist.

Trackingpraktiken sind lukrativ, weil „die Beobachtung des Nutzungsverhaltens […] der ökonomisch noch viel lohnendere Teil [ist], der sich in immer weitere Bereiche ausdehnt – Rechtsinformationen, Finanzdaten und Nachrichtengeschäft.“ (Lauer, 2022b) Mittlerweile gibt es einen eigenen Markt für die Verwertung der Wissenschaftsdaten. Die Integrationsmöglichkeiten der Anwendungen und Plattformen erlauben wachsende Möglichkeiten der Monetarisierung¹⁷⁴„Die Plattformen, die diese Metriken zur Verfügung stellen – namentlich das heute von Clarivate betriebene Web of Science – ziehen daraus beträchtliche finanzielle Gewinne [...]. Für die Forschenden kann das zukünftig einerseits heißen, dass sie sich in ihrer gesamten Tätigkeit von der Mittelakquise und der ersten Abspeicherung von Labordaten bis zur Veröffentlichung ihrer Resultate und der Präsentation ihrer metrischen Erfolgsbilanz – vom Datenverwaltungssystem eines einzigen Verlagshauses abhängig machen. Andererseits müssen sie sich darauf einstellen, dass virtuell ihr gesamtes wissenschaftliches Such- und Nutzungsverhalten verfolgt, gespeichert, ausgewertet und gegebenenfalls an interessierte Dritte weitergegeben wird, solange niemand aufwändig nachweist, dass dies ihre Persönlichkeitsrechte verletzt.“ (Battenberg et al., 2015, 13)
„Es geht [beim Tracking] um ein einträgliches Geschäft. Die Pressesprecher großer wissenschaftlicher Verlage räumen das ja selbst ein, wenn sie vom Trend der Branche weg vom Handel mit Inhalten und hin zum Handel mit Daten reden. Und wenn man sich anschaut, welche Unternehmen die großen Verlage in den vergangenen Jahren dazugekauft haben, ob Elsevier, Springer Nature oder Wiley, dann passt das zu der Strategie, künftig Dienstleistungen anzubieten, die den gesamten Workflow von Wissenschaftlern abdecken. Von der Artikelrecherche über das Sammeln und Aufarbeiten von Daten bis hin zum teamübergreifenden Schreiben an einem gemeinsamen Paper: Das Ziel ist, ein auf den einzelnen Wissenschaftler oder seine Institution genau zugeschnittenes Paket an Inhalten und Anwendungen zu verkaufen. Elsevier ist in der Hinsicht am weitesten. Wenn die das durchsetzen, dann hätten wir in der Wissenschaft ein Monopol, das dem von Facebook, Microsoft und SAP in einer Firma entsprechen würde.“ (Brembs & Siems, 2020): “Publishers sit on a goldmine of data. Most of it goes to waste – but it doesn’t have to!” (hum.works, n.d.)

Trackingpraktiken sind gefährlich, weil die gesammelten Informationen und Profile an eine unbekannte und unkontrollierbare Menge an Drittparteien mit finanziellen, politischen und kriminellen Interessen weitergegeben werden. Zudem involvieren sie speziell bei RELX

die immer weitergehende Verflechtung mit der Sicherheitsindustrie. Mögen Firmen wie Palantir allgemein nach Schwefel riechen, es sind die LexisNexis Risk Solutions von RELX und die Thomson Reuters Special Services, die in Tausenden von Einrichtungen laufen, Millionen Menschen durchleuchten und so das ‘American Dragnet’ schaffen […]. (Lauer, 2022b)

Neben der Gefahr von Wissenschaftsspionage und geopolitischen Nachteilen sind die Verwicklungen von RELX mit ICE problematisch (Siems, 2024c) und nutzen aus, dass die Gesetzgebung staatliche Eingriffe besser reguliert als Konzerne: „Diverse Behörden und Strafverfolgungsorgane zum Beispiel dürfen derartige Daten nur mit einem Durchsuchungsbeschluss selbst erheben; beim Erwerb von Daten sind solche Beschränkungen gewöhnlich nicht vorgesehen.“ (Brembs, 2023a) Siems warnt mit Tim Hwang vor der anstehenden „Subprime Attention Crisis“, der nächsten großen Krise, nur dieses Mal im Bereich der (digitalen) Aufmerksamkeitsökonomie und nicht der Immobilienkredite. Diese Krise sei „ein Vehikel für vielerlei: politische und geopolitische Interessen, Terrorfinanzierung, militärische Aktivitäten, die blühende Sicherheitsindustrie, Radikalisierung, Ausbeutung und Völkermord – ein Instrument für all das schwillt in dunkler Opazität […] zu immer bedrohlicherer Größe heran.“ (Siems, 2024b, 2)

Die Asymmetrien sind epistemisch, weil der Wissensvorsprung RELX’ umfassend, kontinuierlich und intransparent ist. Der Vorsprung würde dem Konzern im Falle der Implementierung auf Institutionsebene ermöglichen, auf wissenschaftlicher, administrativer und wirtschaftlicher Ebene Fakten zu schaffen, zu deren Überprüfung es nur Konzern-Instrumente geben würde. Bereits länger in der Diskussion sind Asymmetrien auf der Machtebene, die Elsevier und den anderen Konzernen durch Marktdominanz und die Kontrolle des Publikationssektors einen ungleichen Vorteil gegenüber Einzelpersonen, Einzelinstitutionen oder sogar einzelnen Ländern geben: “If you control access to the scientific literature, it is, to all intents and purposes, like controlling science.” (Buranyi, 2017) Es gibt zudem eine funktionale Asymmetrie, weil – wie oben argumentiert – Elsevier, Clarivate, Wiley und andere Konzerne mit ihren von den Wissenschaftseinrichtungen finanzierten Gewinnen jahrelang massiv in Anwendungen für den Forschungsbereich investieren konnten, die heute für die Forschungspraxis unentbehrlich sind.

Tracking und die hier beschriebenen institutionsebenenübergreifenden Anwendungen sind zersetzend für die Wissenschaft und digitale Souveränität, weil sie in die Struktur und Inhalte¹⁷⁵“If unchecked, Elsevier may well find itself in the position of defining, on behalf of the academic community, what constitutes good research and then selling the tools to perform the actual assessment.” (SPARC, 2020, 22) der Wissenschaftskommunikation eingreifen¹⁷⁶“[I]t is apparent that the platformisation of scholarly information is affecting research culture, research integrity and, most importantly, the authority as to what is knowledge or information.” Ma (2023b, 10) und durch die Plattformisierung und Kommodifizierung zum Verlust von Qualität¹⁷⁷“As some publishers become platform owners, they boost and boast the quantity of scholarly information with minimal concerns about quality. It is because more publication- and citation-based data can be generated if there are more publications and interactions (Ma, 2023a; Pooley, 2022).” (Ma, 2023b, 3) führen. Die Ziele¹⁷⁸Ziel der Plattformen ist “that it is not science, universities or research funders who determine which research is the ‘right’ one and how much it ‘counts’[...] but rather the platform who makes the determination.” (Siems, 2021)
Siehe auch SPARC: “ As a research analytics provider, Elsevier’s incentive is to extract as much data as possible from users and repackage it into metrics that can be sold back to institutions [...] This dynamic has the potential to undermine academic freedom in a number of critical ways [...] For example, detailed tracking of faculty activity could (understandably) give researchers the sense that someone is always looking over their shoulder, analyzing their activity, and making assessments that could impact their career prospects. Faculty may also reasonably believe that Elsevier analytics products may assess the company’s own publications more favorably than those of competitors. These concerns could harm academic freedom by influencing researchers’ choice of publication venue, away from what is most appropriate and toward what they believe will be assessed most highly by Elsevier.” (SPARC, 2022b) der Konzerne und der Wissenschaft sich grundsätzlich verschieden und geraten notwendig in Konflikt, wenn Macht- und Wissensasymmetrien vorliegen. Sie führen durch ihre Geschäftsmodelle dazu, dass Brokering zum Teil des Wissenschaftsprozesses wird (Lamdan, 2022) und Wissenschaftseinrichtungen in einem Gefälle aus Abhängigkeiten gegenüber dem Konzern bleiben: Rankings, Ressearch Assessment, Förderung, Forschung, Profile (Erpressbarkeit von Personen und Institutionen).

(Weitere) „Transparenzkrisen“ (Holzer, 2022) drohen in einer ganzen Reihe von Bereichen, in denen die Leitlinien wissenschaftlicher Praxis (DFG Deutsche Forschungsgemeinschaft, 2022) Transparenz verlangen. Darunter fallen die Nachvollziehbarkeit von Methoden (Holzer, 2022, 171) über die Gewinnung und Nutzung von Daten über den Forschungsprozess und Forscherinnen (Holzer, 2022, 171) und Punkte, „wo die digitale Forschungspraxis und die auf digitale Informationen gestützte Bewertungspraxis zusammentreffen.“ (Holzer, 2022, 170) Im weiteren Sinne betrifft das auch die Intransparenz der gesamten trackingbasierten Internetökonomie (Siems, 2024b). Ferner ist ein Vertrauensverlust in Bibliotheken zu erwarten, wenn diese trotz breit angelegter Trackingmaßnahmen mit den spezifischen Verlagen und Konzernen zusammenarbeiten. Siems fragt zurecht, weshalb diese zentralen Punkte unter dem Radar bibliothekarischer Aufmerksamkeit bleiben: „[I]st es dann das in den Grundsätzen niedergelegte Verständnis von Integrität und Fachkompetenz, dass die Bibliotheksverbände sich hierzu nicht äußern und Verhandlungsführer sich mit teils eher halbgaren Datenschutzklauseln zufrieden geben?“ (Siems, 2024b, 8)

Es droht der Verlust von Steuerungswissen (Holzer, 2022, 174), der Wissenschaftsfreiheit¹⁷⁹“Besides these individual consequences, there is a strong systemic risk to free and autonomous research as an ‘institution’. Academic freedom not only secures individual liberties, but, importantly, also requires states to create the conditions and circumstances under which these liberties can be effectively exercised.” Kunz (2022) und der Hoheit über eigene Daten (Brembs & Siems, 2020) sowie ein Zustand dauerhafter epistemischer Asymmetrie¹⁸⁰Am Beispiel der Plattform GetFTR zeigt sich das Risiko der epistemischen Asymmetrie – es gibt auf der wissenschaftlichen Seite nicht genug Wissen darüber, um dieses kommerzielle Angebot einschätzen zu können: “Ultimately, the academic community does not have the information required to assess whether the unique benefits to researchers outweigh these potential significant risks that we’ve outlined.” SPARC (2020, 18). Siems hält fest, dass Informationsverhalten von Hochschulangehörigen personalisiert beobachtet wird und diese Daten nicht bei den Verlagen bleiben, sondern von Data Brokern aggregiert und verwertet werden. Das Verhalten von Wissenschaftler:innen werde Teil einer durchgehenden Online­beobachtung und Auswertung, in deren Zuge ganzheitliche Onlinebiografien erstellt werden, die demographische Angaben, Social-Media-Verhalten, Einkaufsverhalten etc. beinhalten (Siems, 2024c, 2022).