Andreas Diekmann hat in einem Artikel in der Süddeutschen Zeitung [1] kurz vor dem letzten Soziologiekongress die provokante These aufgestellt, die Soziologie müsse sich ganz neu erfinden. Nanu, möchte man sagen, hundertzwanzig Jahre Soziologie einfach in die Tonne treten und neu starten? Was steckt dahinter? Als wichtigstes Argument führt Diekmann die technologische Entwicklung an, die inzwischen zu informatischen Strukturen geführt hat, in denen nahezu alle menschlichen Aktivitäten in Echtzeit Datenspuren erzeugen. Die Medien, die Wirtschaft und zunehmend auch die Wissenschaft sprechen dann von Big Data – eine wohl nicht ganz zufällige Anähnelung an die alte Dystopie vom Big Brother. Freizeitsportlerinnen messen ihre Leistungen und körperlichen Zustände, Kunden ergattern mit Payback-Karten geringfügige Rabatte und zahlen dafür mit ihren Konsumdaten, Strom- und Heizenergiezähler sammeln zunehmend auf digitalen Wegen Verbrauchsinformationen etc. So kommen auf den Servern großer Konzerne, aber auch bei Polizei, Sicherheitsdiensten und (öffentlichen wie privaten) Verwaltungen schnell sehr große Datenmengen zusammen, die dort zum Teil sehr systematisch für z.B. personalisierte Werbung genutzt werden.
Diekmann argumentiert nun: Was für ein großartiges Repertoire sozialwissenschaftlicher Daten, was ließe sich damit alles anfangen! Und andere würden schon beginnen, aus diesen Daten Honig zu saugen, z.B. Informatikerinnen. Die aber seien doch gar keine kundigen Sozialwissenschaftler, daher obliege es der Soziologie, sich mit verbesserten statistischen Verfahren dieser Daten anzunehmen. Die Soziologie aber, so seine Klage, drohe diesen Trend zu verschlafen, was sich schon darin zeige, dass sich im Vorstand der DGS niemand kundig damit befasse. Ob letzteres wirklich ein guter Indikator ist, um die Diekmanns These an der Realität scheitern zu lassen, sei einmal dahingestellt.
Jedoch hat Diekmann zweifelsohne Recht, wenn er auf neue, interessante Datenquellen in der Sphäre des Digitalen hinweist und richtig ist auch, dass es sinnvoll, wenn nicht notwendig ist, auch für diese Datentypen angemessene Analysemethoden zu erforschen. Das Problem an seinem Vorschlag ist aber der methodologische Konventionalismus, von dem aus er vorgetragen wird: Folgt man seiner Argumentation, dann geht es einfach darum, einen neuen Typ von Daten sozialwissenschaftlich relevant zu machen. In seiner Logik wären es Prozessdaten des Sozialen, die das Versprechen in sich bergen, unbeeinflusst von störenden Einflüssen sozialwissenschaftlicher Datengewinnungsprozesse Gesellschaftlichkeit in ihrem Prozessieren zu beobachten. Was in alten Methodenlehrbüchern als Verhaltensspuren beschrieben wird, wäre hier nun in einer ganz neuen Dimension zuhanden und würde einen Kosmos neuer Möglichkeiten eröffnen.
Doch das neue Eldorado der Sozialforschung hat seine Tücken, die man wohl am besten erkennt, wenn man die Erkenntnismöglichkeiten der guten alten Soziologie bemüht und die Weisheit eines – ja – Informatikers: Der KI-Forscher Hubert L. Dreyfuß machte schon 1972 darauf aufmerksam, dass Daten weit entfernt davon sind, roh zu sein [2]. Daten, also die Daten von Big Data, sind voraussetzungsreiche Konstrukte, das lernt die Soziologin spätestens, wenn sie sich im Rahmen einer quantifizierenden Studie mit dimensionaler und semantischer Analyse befasst. Denn Daten setzen Kategorien voraus, denen sie zuzuordnen, nach denen sie zu unterscheiden und auch zu vergleichen sind. Diese Kategorien sind immer auch der geronnene Ausdruck machtförmiger sozialer Prozesse, wie werden ausgehandelt – mal offen und mehr oder weniger formal, weit häufiger aber informell, sukzessive, im Verborgenen. Und ihre Gestalt hat soziale, politische, wirtschaftliche und oft auch psychische Konsequenzen. Der spezifische Zuschnitt von Kategorien ist entscheidend dafür, inwiefern wir die darunter versammelten Daten als gültige Referenten auf einen wie immer gearteten Ausschnitt der empirischen Welt anerkennen wollen. Sie ist auch verantwortlich dafür, in welchen Konturen wir diese empirische Welt zu sehen bekommen. Mit der Faktizität der so generierten und geordneten Daten ist es also so eine Sache, wie bereits George Herbert Mead wusste: »But facts are not there to be picked up. They have to be dissected out, and the data are the most difficult of abstractions in any field.” [3]
Vor (sicher erforderlichen) neuen ausgefuchsten statistischen Verfahren brauchen wir vor allem wissenssoziologische Studien, die Prozesse der Verfertigung und Geltendmachung jener Kategorien empirisch und theoriegenerierend untersuchen, unter denen fortlaufend Prozessdaten des Sozialen aggregiert werden. Welche normativen Vorstellungen stecken etwa hinter dem Body-Mass-Index (BMI), der vielen Fitness-Apps als wertendes Kategoriensystem für das Körpergewicht hinterlegt ist? Was verändert sich, wenn der Individualverkehr große Mengen online verfügbarer Prozessdaten generiert und in welchen Prozessen wird festgelegt, welche dieser Daten in welcher Form in welche anderen Prozesse Eingang finden? Wie verändern sich soziale Praktiken, wenn binäre Zuschreibungen (wie im Fall des x-ten Geschlechts) an Legitimation verlieren? Was bedeuten „Likes“ Facebook: Kann man sie als ‚valide‘ Daten behandeln? Und was wird aus der standardisierten Sozialforschung, wenn im Zuge der Digitalisierung große und heterogene Datenmengen mit relativ wenig Aufwand nach Mustern durchsucht werden können und dabei Zusammenhänge auftauchen, nach denen nicht gesucht wurde? Übernimmt dann die Serendipität der ad hoc-Hypothese? Obsiegt die Korrelation über die Begründung, wie es der Philosoph Klaus Mainzer befürchtet [4]?
Um auf den Ausgangspunkt zurück zu kommen: Neu erfinden muss sich im Angesicht der Digitalisierung des sozialen Lebens vor allem die standardisierte Sozialforschung, die vor diesem Hintergrund ihre Instrumente neu zu justieren, aber auch ihre wissenschaftstheoretischen Modelle zu überprüfen hat. Eine neue Soziologie braucht es dafür nicht, es genügt, wenn wir die alte aus der Mülltonne des Kollegen Diekmann befreien und damit frisch ans Werk gehen. Erste Anfänge sind längst gemacht [5] [6] [7].
[1] Diekmann 2016 Die Gesellschaft der Daten. Süddeutsche Zeitung vom 26.09.2016
[2] Dreyfus, H. L. (1972). What Computers can’t do : A Critique of Artificial Reason. New York.
[3] Mead, G. H. (1938). The Philosophy of the Act. Chicago, S. 98.
[4] Mainzer, K. (2014). Die Berechnung der Welt : von der Weltformel zu Big Data. München.
[5] Duttweiler, S. u.a. (Hg.). (2016). Leben nach Zahlen. Self-Tracking als Optimierungsprojekt? Bielefeld.
[6] Lampland, M., & Star, S. L. (2009). Standards and their Stories: How Quantifying, Classifying, and Formalizing Practices Shape Everyday Life. Ithaca.
[7] Passoth, J.-H., & Wehner, J. (Eds.). (2013). Quoten, Kurven und Profile. Wiesbaden.
Schreibe einen Kommentar