Wenn Ihr Zahnarzt weiß, dass Sie pleite sind. Oder: Warum Scoring die Gemeinschaft zerstört

Erschienen in: Vortrag, gehalten bei der Tagung "Big Data – Small Privacy", am 14. Februar 2017 in Erfurt, 17.02.2017

Themen: , , ,

Kategorie: Vortrag

Scoring will berechnen, wie wahrscheinlich es ist, dass jemand eine Rechnung nicht bezahlt. Was für Unternehmen und Datenhändler ein gutes Geschäft ist, zerstört jedoch den Gedanken der solidarischen Gemeinschaft, in der Risiken von allen getragen werden, damit alle sie sich leisten können.

Wenn Sie zum Zahnarzt gehen, ist es inzwischen durchaus üblich, dass Sie dort eine Datenverarbeitungs-Einverständniserklärung unterschreiben müssen, bevor Sie sich auf den Zahnarztstuhl setzen. Und dann kann es passieren, dass der Arzt Ihnen sagt, Sie bräuchten eigentlich eine neue Krone, und die würde er Ihnen auch gern anfertigen – aber nur, wenn Sie bar zahlen. Vorher. Sollten Sie das nicht wollen oder können, weil Sie gerade keine 300 Euro dabei haben, dann werden Sie wahrscheinlich nur ein paar freundliche Worte und eine Zementfüllung bekommen, damit der Zahn nicht mehr weh tut.

Wenn Ihnen so etwas passiert, sind Sie dem sogenannten Scoring begegnet.

Der Zahnarzt kennt auch wenn Sie neu bei ihm sind Ihren Namen, Ihre Adresse und Ihr Geburtsdatum – denn das sind die Daten, die auf Ihrer Krankenkassenkarte stehen. Und damit sind diese Daten auch im Rechner der Praxis. Haben Sie der Datenschutzerklärung zugestimmt, werden diese Informationen per Knopfdruck an ein Scoring-Unternehmen geschickt.

Es gibt viele solcher Unternehmen. Sie haben sicher schon von der Schufa gehört. Aber es gibt noch viele weitere, deren Namen Sie wahrscheinlich nicht kennen. So wie EOS. EOS ist die größte Firma dieser Art in Deutschland und weltweit aktiv. Sie gehört zum Ottokonzern und ist aus der Rechtsabteilung von Otto hervorgegangen. Es ist letztlich eine Inkassofirma. Sie treibt offene Rechnungen ein. Aber ist gibt auch noch einen anderen Service: EOS schätzt ab, wie hoch die Wahrscheinlichkeit ist, dass Sie Ihre Rechnung bezahlen werden. Sie betreibt Scoring.

Die Rechner von EOS schicken umgehend eine Antwort an Ihren Zahnarzt: grün, gelb oder rot. Bei grün ist alles in Ordnung und Sie werden bald eine schöne Krone haben und sie in Ruhe per Rechnung und sogar in Raten bezahlen können. Bekommt Ihr Name hingegen einen roten Balken, dann sollten Sie besser viel Bargeld dabei haben, oder Sie müssen sich mit der Füllung zufrieden geben, die die Krankenkasse ohne private Zuzahlung garantiert. Eine schicke Krone in Zahnfarbe können Sie dann vergessen.

Was ist passiert? EOS sammelt Daten. Genauer: Daten über Geschäftsvorgänge. Noch genauer: Bestellungen bei Versandhäusern, immerhin gehört das Unternehmen zu Otto. Und zu Otto gehören auch Baur, Heine, Neckermann, Quelle, Frankonia, Manufactum oder myToys. Wenn eine dieser Firmen von Ihnen eine offene Rechnung eintreiben musste, weil Sie auch nach der dritten Mahnung nicht bezahlt haben, ist die Chance hoch, dass Ihr Zahnarzt anfängt, von Vorkasse zu reden. Und nicht nur Ihr Zahnarzt. Viele andere Firmen sind an diesem Datenhandel beteiligt.

Und alle diese Firmen wissen dann im Zweifel, dass Sie pleite sind. Denn wenn Sie bei EOS im Bereich rot gelistet werden, dann sind Sie pleite. Das wissen Sie selbst natürlich auch, aber vielleicht hatten Sie ja gehofft, dass der Zahnarzt sich darauf einlässt und Sie die Rechnung dann irgendwie abstottern können. Oder – um ein anderes Beispiel zu nennen – dass Sie die dringend benötigten Wintersachen von Neckermann jetzt schon bekommen und Sie sie dann später bezahlen, wenn Sie wieder flüssig sind. Aber nein, keine Chance.

Das ist nicht nett, können Sie nun sagen.

Wechseln wir kurz die Perspektive. Wenn ein Zahnarzt, sagen wir, 400.000 Euro Umsatz im Jahr macht, dann sind nicht bezahlte Rechnungen in Höhe von 20.000 Euro für ihn bereits ein Problem, das seine Existenz bedrohen kann.

Die Abfrage mit der rot-gelb-grün-Ampel, die vor potenziellen Zahlungsausfällen warnt, ist für den Zahnarzt kostenlos. EOS bietet das als Service an – wenn man auch die anderen Dienste von EOS nutzt, vor allem das Inkasso.

Mahnverfahren sind aufwändig, teuer und nicht immer erfolgreich. EOS mahnt für den Betrieb und treibt das Geld für ihn ein. Ja EOS zahlt dem Betrieb sogar das ausstehende Geld, noch bevor der Schuldner bezahlt hat, EOS kauft solche Rechnungen an. Das kostet den Zahnarzt zwischen zwei und vier Prozent der ausstehenden Rechnungssumme. Da er dank der Ampelabfrage weniger offene Rechnungen hat, zahlt der Zahnarzt auch wenig an EOS, vielleicht ein paar Hundert Euro im Jahr.

Für vergleichsweise wenig Geld wird er also vor künftigen Risiken gewarnt und ihm wird dabei geholfen, bereits eingetretene Risiken zu verringern. Auch für EOS ist das offensichtlich ein sehr gutes Geschäft: Das Unternehmen macht 160 Millionen Euro Gewinn im Jahr und trägt damit erheblich zum Gewinn der Otto-Group bei.

Jetzt wissen sie, warum dieser Datenhandel bestimmt nicht aufhören wird.

Zurück zu Ihnen und Ihren Daten. Was ist denn nun daran das Problem?

Zuerst einmal können Sie natürlich fragen, was denn Ihre Bestellung bei einem Klamottenhandel mit Ihrem Zahnarzt zu tun hat. Vielleicht finden Sie ja, dass die Sachen von Heine an Ihnen nie so gut aussehen wie im Katalog und dass es für Heine oder Otto schon nicht so schlimm sein wird, wenn sie die 48 Euro erst nach einer Weile bezahlen. Und natürlich kann man so eine Rechnung auch mal völlig vergessen. Bei einem Zahnarzt aber ist das in Ihren Augen sicher etwas ganz anderes, den erleben Sie ja schließlich persönlich, daher bezahlen Sie Ire Zahnarztrechnungen selbstverständlich immer sofort.

Für das Scoring sind solche normalen menschlichen Überlegungen und Verhaltensweisen unerheblich. Aber das ist nur ein kleiner Teil des Problems.

Laut Bundesdatenschutzgesetz dürfen Scoringfirmen beliebige Daten mit einem zukünftigen Ereignis verknüpfen – zukünftiges Ereignis meint hier einen Zahlungsausfall –, solange diese Firmen dazu erstens: “ein wissenschaftlich anerkanntes mathematisch-statistisches Verfahren” nutzen. Und wenn sie zweitens nachweisen können, dass die Daten zur Berechnung der Wahrscheinlichkeit des bestimmten Verhaltens “erheblich” sind.

Was ist erheblich?

EOS nutzt Rechnungen aus dem Versandhandel. Banken verwenden die Kontobewegungen ihrer Kunden. Versicherungen nehmen ihre Versicherungsverträge und schauen, wie regelmäßig die bezahlt werden. Das ist durchaus noch plausibel. Da geht es im Zweifel wirklich noch um Ihr persönliches Zahlungsverhalten.

Aber das ist nur der Anfang. Der Zahnarzt – bleiben wir noch kurz bei dem Beispiel – kennt Sie noch nicht. Sie waren vorher nie bei ihm. Er kann also nicht auf frühere Daten seiner eigenen Geschäftsbeziehung mit Ihnen zurückgreifen. Oder der Zahnarzt kennt Sie zwar, aber Ihre Lebenssituation hat sich inzwischen geändert, da Sie nicht alle sechs Monate hingehen, wie es empfohlen wird, sondern nur alle drei bis fünf Jahre.

So geht es den meisten Unternehmen. Scoring will ganz allgemein einschätzen können, ob Sie irgendeine Rechnung bezahlen werden, egal um welche Dinge es sich dabei handelt. Und das Ganze soll auch noch mit so wenig Ausgangsdaten wie möglich geschehen. Daher werden die Daten verallgemeinert. Sie haben mit Ihnen persönlich im Zweifel kaum noch etwas zu tun.

Wenn ein Scoringunternehmen wissen will, ob Herr Max Müller seine Rechnung bezahlen wird, schaut es nicht allein, ob Herr Max Müller schon einmal eine Rechnung nicht bezahlt hat. Sondern es schaut beispielsweise auch, wie alt Max Müller ist und wo er wohnt. Und vergleicht dann, ob sich aus dem Alter und dem Wohnort nicht bereits etwas ableiten lässt.

Das Scoringunternehmen hat Millionen von Daten und bildet daraus Profile. Anschließend vergleicht es das Profil von Max Müller mit den Profilen, die ähnliche Eckpunkte aufweisen. Wenn Sie in einer Gegend wohnen, in der viele Menschen in ihrer Altersgruppe ihre Rechnungen nicht bezahlen, kann es passieren, dass Firmen Ihnen nicht trauen.

Dieses sogenannte Geoscoring – allein anhand der Adresse – war bislang in Deutschland nicht erlaubt. Beziehungsweise sagte das Bundesdatenschutzgesetz, dass für die Berechnung des Wahrscheinlichkeitswerts “nicht ausschließlich” Anschriftendaten genutzt werden dürfen. Es war also erlaubt, wenn neben der Adresse noch andere Daten verwendet wurden. Und diese Daten mussten sich auf “Lebensumstände” beziehen, die für die Berechnung “tatsächlich relevant” sind.

Das Beispiel des Zahnarztes – das ich mir nicht ausgedacht habe – zeigt aber, dass schon dieser Ausdruck sehr weit geht. Demnach ist eine Bestellung beim Otto-Versand “tatsächlich relevant” für eine Zahnarztrechnung – auch wenn Sie in Ihren Augen nicht viel damit zu tun hat.

Ab Mai 2018 gilt jedoch in allen EU-Ländern die sogenannte Datenschutz-Grundverordnung. Mit ihr wird Geoscoring wieder zulässig. Sie sind vielleicht in Ihr Stadtviertel gezogen, weil die Miete dort so angenehm niedrig war. Doch ab kommendem Jahr kann es Ihnen passieren, dass Sie dafür mit einigen Unbequemlichkeiten bezahlen müssen. Oder mit höheren Kosten an anderer Stelle.

Und es kann Ihnen passieren, dass Ihnen der Zusammenhang gar nicht klar ist – da die Daten, aus denen Ihr Score errechnet wird, in Ihren Augen nichts mit dem Geschäft zu tun haben, das Sie abschließen wollen.

Facebook zeigt, das schon sehr wenige Informationen genügen, um mit ziemlich hoher Wahrscheinlichkeit Dinge vorhersagen zu können. Mit der Analyse nur weniger Ihrer Likes zu aus Ihrer Sicht belanglosen Themen kann Facebook dank Millionen von Vergleichsdaten vorhersagen, was Sie wählen werden. Die Wahrscheinlichkeit, dass diese Vorhersage stimmt, liegt laut einer britischen Studie bei 85 Prozent (wenn sie sich auf die Wahl von US-Bürgern zwischen Demokraten und Republikanern bezieht).

Und wir haben noch gar nicht darüber geredet, welches Problem es bedeutet, wenn ein Score aufgrund falscher oder auch nur ungenauer Daten berechnet wird.

Aber beim Scoring wird man nicht nur für das Verhalten anderer Menschen haftbar gemacht, die man gar nicht kennt. Scoring führt vor allem dazu, dass Menschen ungleich behandelt werden. Man könnte es Diskriminierung nennen, was wörtlich ja nur Unterscheidung heißt, im Alltag aber Zurücksetzung und Nachteile für die Diskriminierten bedeutet.

Zum Beispiel bei einem Kredit. Vielleicht wollen Sie eine Wohnung kaufen und sich dazu 200.000 Euro bei einer Bank leihen. Die Bank lädt Sie also ein und will in dem Gespräch Daten von Ihnen: Was Sie arbeiten, was Sie verdienen, wie viele Kinder Sie haben, wie viel Sie gespart haben, ob Sie verheiratet sind, wo Sie wohnen. Die Bank will das Risiko schätzen, das Sie darstellen. Anschließend berechnet die Bank aus diesen Informationen einen Score, eben die Wahrscheinlichkeit, dass Sie das geborgte Geld auch zurückzahlen. Wenn Sie bei EOS nicht in die rote Kategorie fallen, borgt Ihnen die Bank das Geld in jedem Fall. Aber sie lässt sich ein höheres Risiko teurer bezahlen.

Ihnen wird nach dem Gespräch vielleicht ein Zinssatz von 1,9 Prozent angeboten. Klingt prima, denken Sie und zahlen künftig 3.800 Euro im Jahr Zinsen. Dann aber erfahren Sie, dass ein Bekannter von Ihnen mit nahezu den gleichen Voraussetzungen für den gleichen Kredit von der Bank 1,5 Prozent bekommen hat. Er muss nur 3.000 Euro im Jahr abzahlen. Weil sein Score besser war. Er wird anders behandelt als Sie.

Kein Problem, sagen Sie jetzt, die schwarzen Schafe sollen ja aussortiert werden, Sie wollen schließlich nicht für deren Sünden mitbezahlen.

Aber ganz so ist unsere demokratische Gesellschaft nicht gedacht. Viele unserer gesellschaftlich relevanten Systeme basieren auf der Idee, Risiken auf die Schultern aller Menschen zu verteilen, damit alle sich das Leben leisten können und eben nicht nur ein paar Reiche.

Ihr Krankenkassenbeitrag beispielsweise wird eben nicht danach berechnet, wie gesund oder krank, wie jung oder alt Sie sind. Er richtet sich nach den Kosten für alle und nach Ihrem Einkommen. Also danach, was Sie zu den Gesamtkosten beitragen können. Zumindest, wenn Sie gesetzlich versichert sind.

Mit einem durchschnittlichen Einkommen könnten Sie eine Krebsbehandlung mit teuren Medikamenten kaum bezahlen, egal wie lange Sie vorher dafür sparen. Sie haben die Million einfach nicht, die eine chronische Krankheit kosten kann. Ganz abgesehen davon, dass Sie nicht sparen, wenn Sie jung sind, weil Sie hoffen, nie krank zu werden. Wird das Risiko des Einzelnen jedoch auf viele Schultern verteilt, ist eine langwierige und teure Behandlung kein Problem. Das gleiche Prinzip liegt daher auch Steuern zu Grunde. Jeder trägt bei, so viel er kann, anschließend wird das Geld auf alle verteilt.

Scoring zerstört diesen Gemeinschaftsgedanken.

Scoring versucht, das individuelle Risiko zu berechnen, um es dem Einzelnen aufbürden zu können. In gewissen Grenzen ist das auch in Ordnung. Wenn Sie ein großes Unternehmen haben und jeden Tag Waren an Tausende Menschen verkaufen wollen, ist es schwer, jedem neuen Kunden zu vertrauen. Da müssten Sie mit ihm reden, ihn kennenlernen. Wenn Sie Amazon sind, ist das kaum möglich. Also nutzt Amazon selbstverständlich Scoring. Das skaliert besser.

Für zwei von drei beteiligten Parteien in diesem Geschäft ist Scoring ein Gewinn: für das Unternehmen, das etwas an Sie verkaufen will und für das Unternehmen, das die Daten über Sie sammelt, auswertet und verkauft. Für den Dritten in dieser Beziehung, für den Kunden, ist es aber vielleicht nicht ganz so gut. Weil er mit anderen verglichen wird, mit denen er nichts zu tun hat. Weil er aufgrund von wenigen Informationen eingeschätzt wird, obwohl diese kaum etwas mit seinem Verhalten zu tun haben. Und weil er benachteiligt wird, ohne zu wissen, warum.

Laut Bundesdatenschutzgesetz haben Sie ein Recht darauf, von den Datenhändlern und Datennutzern zu erfahren, wie ihr Score aussieht und mit welchen Informationen er berechnet wurde. Aber auch das wird durch die Datenschutz-Grundverordnung schlechter. Diese Auskunftspflichten werden im Vergleich zum bisherigen deutschen Datenschutzrecht eingeschränkt. Sie erfahren im Zweifel nicht, warum Sie mehr zahlen sollen, als Ihr Nachbar – Sie können damit also auch Ihr Verhalten nicht ändern, um diesem Problem zu entgehen.

Und Sie sehen sich möglicherweise sogar gezwungen, eine Rechnung zu bezahlen, obwohl Sie ungerechtfertigt ist. Denn auch der Streit um eine offene Rechnung kann nach der Datenschutz-Grundverordnung bereits dazu führen, dass Ihr Score schlechter wird.

Vielleicht ist Scoring aber auch für eine Gesellschaft als Ganzes nicht so wünschenswert. Eben weil damit Vertrauen durch Statistik ersetzt wird.

Menschliche Gesellschaften funktionieren nur, wenn die Beteiligten einander in einem gewissen Maß vertrauen. Wenn Sie dauernd fürchten, hintergangen zu werden, arbeiten Sie nicht mit anderen zusammen.

Big Data – die Sammlung und Analyse riesiger Datenmengen – macht Scoring zu einem Standardverfahren. Je mehr Firmen es nutzen und sich darauf verlassen, desto mehr entsteht die Illusion, dass jedes Risiko berechenbar ist. Was dazu führt, dass Risiken nicht mehr vergesellschaftet werden. Sie mögen das prima finden, solange Sie jung und reich sind. Aber wenn Sie älter sind und vielleicht nicht ganz so reich, ist das ein Problem. Weil Sie viele zum Leben notwendige Dinge dann nur noch sehr teuer bekommen können oder diese Dinge für Sie gar nicht mehr bezahlbar sind.

Noch ein Beispiel: Es gibt inzwischen Autoversicherungen, die Ihnen einen günstigeren Tarif anbieten, wenn Sie der Versicherung die Daten über Ihr Fahrverhalten geben. Ein kleiner Kasten im Auto zeichnet es auf und schickt die Informationen an die Versicherung. Ort, Uhrzeit, Fahrtdauer, Geschwindigkeit, Beschleunigung, Bremsmanöver – alles wird verwendet, um Ihren Fahrstil und damit das Risiko einzuschätzen.

Sie fahren immer vorsichtig, das wäre für Sie also ein gutes Geschäft, sagen Sie? Dann sind Sie aber besser keine Hebamme. Nachtfahrten werden in diesen Modellen bestraft. Genau wie schnelles Anfahren und viele andere Dinge, die schnell mal passieren, wenn Sie es eilig haben, einem neuen Menschen auf die Welt zu helfen. Für eine Hebamme könnte die Autoversicherung damit unbezahlbar werden. Nur weil einem selbst ein solcher Scoring-Deal sinnvoll erscheint, muss er es noch lange nicht für alle sein.

Um noch mal auf die Adresse zurückzukommen: Sie wohnen auch besser nicht in einer WG, wenn Sie sich für Ihren Score interessieren. Adressen, die mit c/o beginnen, also die Zustellanweisung enthalten, sie bei einem anderen Namen abzuliefern, gelten als so hohes Risiko, dass Firmen wie EOS ihnen das Risiko gar nicht erst abkaufen.

Scoring braucht Grenzen – viel engere, als die neue Datenschutz-Grundverordnung zulässt. Denn Scoring schließt Einzelne aus. Es bewirkt, dass das Zusammenleben nicht mehr für alle möglich ist. Es darf daher nicht zum allgemeinen Prinzip des Zusammenlebens werden. Denn es verstößt gegen den Satz: “Handle nur nach derjenigen Maxime, durch die du zugleich wollen kannst, dass sie ein allgemeines Gesetz werde.” Das ist Kants Kategorischer Imperativ, ein Grundprinzip menschlicher Moral.

Weiterführende Informationen:

- Tagung des Thüringer Datenschutzbeauftragten zu Big Data und Privacy
- Zeit Online: “Wer zu hart bremst, verliert seinen Versicherungsrabatt”