Von Big Data Zu Deep Data

In den vergangenen zehn Monaten habe ich das IDEAS China-Programm des MIT geleitet und mitgestaltet – ein zehnmonatiges Innovationsprogramm für rund 30 hochrangige chinesische Wirtschaftsführer. In diesem Jahr nahmen Führungskräfte einer großen staatlichen chinesischen Bank am IDEAS China-Programm teil. Ein Ziel dieses Teams war es, die Zukunft ihres Unternehmens angesichts von Big Data und anderen damit verbundenen disruptiven Veränderungen neu zu gestalten. Dadurch konnte ich diesen Aspekt der Weltwirtschaft besser verstehen. Jack Ma, der visionäre Gründer von Alibaba, sagte beispielsweise: „Wir gehen davon aus, dass sich das Zeitalter der Menschheit in fünf Jahren vom Zeitalter der Informationstechnologie zum Zeitalter der Datentechnologie entwickeln wird.“

Doch was bedeutet es eigentlich, im Zeitalter von „Datentechnologie“ und „Big Data“ zu leben? Bislang bedeutete es oft, dass große Konzerne wie Google, Amazon, Facebook und Apple – dieselben Unternehmen, die wir einst liebten und denen wir nun zunehmend misstrauen oder die wir fürchten – unsere Daten ohne unsere Zustimmung sammeln und sie ohne unser Wissen an andere Unternehmen verkaufen (bis wir die personalisierten Online-Werbeanzeigen auf unserem Bildschirm bemerken). Interessanterweise hat sich die anfänglich sehr positive Sichtweise auf diese amerikanischen Big-Data-Imperien zunächst in Europa, mittlerweile aber auch in vielen anderen Teilen der Welt, einschließlich Nordamerika, gewandelt. Edward Snowden hat uns alle für den Missbrauch von Big Data sensibilisiert. Doch das ist nur die Spitze des Eisbergs. Das eigentliche Problem liegt tiefer.

Das eigentliche Problem von Big Data besteht darin, dass wir unsere Fähigkeit zu denken und wahrzunehmen zunehmend an in Maschinen programmierte Algorithmen auslagern. Das mag zunächst sehr praktisch und attraktiv erscheinen und bietet Zugang zu Diensten, die viele von uns nutzen möchten. Doch es wirft auch die Frage auf, wem Big Data tatsächlich gehört, welche Rechte Einzelpersonen und Bürger auf ihre persönlichen Daten haben und wie sie über deren Verwendung entscheiden können.

Obwohl Big Data zweifellos völlig neue Möglichkeiten eröffnet hat, möchte ich zwischen oberflächlichen und tiefen Big Data unterscheiden. Oberflächliche Daten sind lediglich Daten über andere: was andere tun und sagen. Daraus besteht fast der gesamte aktuelle Big Data.

Deep Data ermöglicht es Menschen und Gemeinschaften, sich selbst besser zu verstehen . Deep Data wirkt wie ein Spiegel: Es lässt uns uns selbst erkennen – sowohl als Individuen als auch als Gemeinschaft. In den letzten zwanzig Jahren meines Berufslebens habe ich Teams und Organisationen branchen- und kulturübergreifend bei tiefgreifenden Innovationsprozessen und transformativen Veränderungen begleitet. Die wichtigste Erkenntnis aus all diesen Projekten ist, dass der Schlüssel zu transformativem Wandel darin liegt, dem System zu ermöglichen, sich selbst zu erkennen . Deshalb sind Deep Data so wichtig. Sie sind entscheidend für die Zukunft unserer Institutionen, unserer Gesellschaften und unseres Planeten.

Doch heutzutage geschieht mit Big Data oft das Gegenteil: Big Data wird genutzt, um unser Verhalten zu manipulieren und uns mit unerwünschter Werbung zu überfluten. Oberflächliche Big Data dient dazu, menschliches Denken an Algorithmen auszulagern und unser Bewusstsein innerhalb der Grenzen gewohnter Denkmuster zu reduzieren. Tiefgehende Daten hingegen, richtig entwickelt und genutzt, könnten uns helfen, unser Bewusstsein zu erweitern und das System zu verändern , indem sie das Bewusstsein der Beteiligten von der egozentrischen Betrachtung (Bewusstsein des eigenen Bereichs) hin zur ganzheitlichen Betrachtung (Bewusstsein für das Ökosystem ) verschieben.

Ich möchte den Unterschied zwischen oberflächlichen und tiefen Big Data anhand zweier einfacher Zeichnungen verdeutlichen:

Big Data (Wissenschaft 1.0): Daten, die über die Welt informieren (Quelle: A. Oechsner).

Deep Data (Wissenschaft 2.0): Daten, die uns helfen, uns selbst zu sehen (Quelle: A. Oechsner).

Der Weg von Wissenschaft 1.0 zu Wissenschaft 2.0 ist ein Weg, auf dem der Strahl der wissenschaftlichen Beobachtung auf das beobachtende Selbst zurückgelenkt wird – sowohl individuell als auch kollektiv.

Am Ende unseres Abschlusstreffens vergangene Woche reflektierten die Führungskräfte der chinesischen Staatsbank über ihre Erfahrungen der letzten zehn Monate. Jeder Einzelne berichtete von einem tiefgreifenden Wandel in seiner Denk- und Arbeitsweise. Hier zwei beispielhafte Aussagen:

„Diese Reise beschränkt sich nicht nur auf Werkzeuge und Wissen; sie verändert die Denkweise und ermöglicht es, Herausforderungen mit neuen Perspektiven zu begegnen. Ich selbst habe mich verändert. Diese Veränderung habe ich auch bei meinen Kollegen gespürt. Wir finden leichter einen Konsens. Ich spüre, dass sich die Zielsetzung meiner Kollegen verändert hat. Dadurch sind wir stärker mit unserer Erfahrung verbunden und können unsere Aufgaben besser umsetzen.“

„Für mich ist die IDEAS-Reise eine Reise des Herzens. Sie hat mir eine neue Denkweise, eine neue Art der Beziehungsgestaltung und eine neue Art des Seins eröffnet.“

Im Wesentlichen beschrieben die IDEAS-Teilnehmer eine Transformation von
• Denken: vom Abrufen alter Muster zum kreativen Denken
• Gesprächsführung: von der Debatte zum produktiven Dialog
• Zusammenarbeit: von egozentrisch/reaktiv zu ökologisch zentrierter und ko-kreativer

In den vergangenen Monaten haben die Teilnehmenden, während sie ihren regulären Tätigkeiten nachgingen, vier Teams gebildet, die jeweils neue Arbeitsweisen prototypisch entwickelten, um zukünftige Möglichkeiten auszuloten. Besonders beeindruckend war, dass jedes Team letztendlich eine neue Plattform für organisationsübergreifende Zusammenarbeit entwickelte, die Daten als Werkzeug nutzte, um die Kommunikation mit den Stakeholdern zu transformieren. Alle Prototypen befinden sich noch in einem frühen Stadium. Eine Erkenntnis, die von den Teams immer wieder hervorgehoben wurde, war die Bedeutung eines Perspektivwechsels vom „Ich“ zum „Wir“ , vom Ego zum „ Öko“ .

Die Frage, die mir ihre Bemühungen hinterlassen haben, lautet: Welche Arten von tiefgreifenden Dateninfrastrukturen könnten auf gesellschaftlicher Ebene diese „Umkehrung des Beobachtungsstrahls zurück auf den Beobachter“ auf der Ebene ganzer Ökosysteme ermöglichen?

Heute nutzen wir beispielsweise das BIP, um wirtschaftlichen Fortschritt zu messen. Das BIP ist ein hervorragendes Instrument zur Erfassung oberflächlicher Daten. Doch welches Instrument mit tiefergehenden Daten könnte den tatsächlichen wirtschaftlichen Fortschritt einer Gemeinschaft messen? Ich bin überzeugt, dass es ein neues Indikatorensystem umfassen würde, das auf realen Ergebnissen (z. B. Lebenserwartung) und dem Wohlbefinden von Einzelpersonen und ihren Gemeinschaften (z. B. Lebensqualität) basiert. Letztes Jahr haben wir – das Presencing Institute – gemeinsam mit der GIZ Global Leadership Academy (Bundesministerium für Entwicklung und Zusammenarbeit) und dem Gross National Happiness Centre in Bhutan das Global Wellbeing Lab ins Leben gerufen. Dieses Labor vernetzt Führungskräfte aus Politik, Wirtschaft und Zivilgesellschaft weltweit, die innovative Indikatoren und Instrumente mit tiefergehenden Daten entwickeln. Diese helfen Gemeinschaften und Ökosystemen, sich selbst besser zu verstehen , neue Handlungsweisen zu erkennen und zu erproben .

Wo sehen Sie heute die Anfänge solcher neuer Indikatorensysteme oder Deep-Data-Tools? Was lässt sich aus diesen ersten Beispielen lernen? Was würde Deep Data für Sie persönlich bedeuten? Was sind die wahren Quellen von Wohlbefinden und Glück in Ihrem Leben und Beruf, und welche Kennzahlen könnten Ihnen helfen, Ihren eigenen Entwicklungsweg besser zu erkennen und zu verstehen? Wie können wir gemeinsam den Wandel von Big Data zu Deep Data in Wirtschaft, Gesellschaft und im persönlichen Bereich vorantreiben?

***

Für weitere Inspirationen nehmen Sie am Samstag am Awakin Call mit Lara Galinsky zum Thema „Momente der Verpflichtung als Lebenssinn erkennen“ teil. Anmeldung und weitere Informationen finden Sie hier.