Entscheidungen verweisen in einem begrifflichen Sinne auf Gründe. Entscheidungssysteme bieten eine probabilistische Verlässlichkeit als Rechtfertigung von Empfehlungen an. Doch nicht für alle Situationen mögen Verlässlichkeitsgründe auch angemessene Gründe sein. Damit eröffnet sich die Idee, die Güte von Gründen von ihrer Angemessenheit zu unterscheiden. Der Aufsatz betrachtet an einem Beispiel, einem KI-Lügendetektor, die Frage, ob eine (zumindest aktuell nicht gegebene) hohe Verlässlichkeit den Einsatz rechtfertigen kann. Gleicht er nicht einem Richter, der anhand einer Statistik Urteile fällen würde?

Die Beiträge fokussieren drei prominente Anwendungsgebiete von Big Data: Wissenschaft, Gesundheitswesen und Finanzmärkte. Dabei ist der Zweck nicht derjenige, Lösungen für ethische Probleme vorzulegen, sondern zuallererst diejenigen Aspekte der Anwendung von Big-Data-Technologien zu identifizieren, durch die ethische Fragen aufgeworfen werden, und den Rahmen abzustecken für ethische und wissenschaftstheoretische Reflexion und Beurteilung.Hinsichtlich des Anwendungsfeldes Wissenschaft ist dabei vorrangig von Interesse, ob Big Data – wie des Öfteren propagiert wird – einen Paradigmenwechsel auslösen könnte, und welche Erklärungskraft und praktische Verlässlichkeit Ergebnissen zugesprochen (...) werden können, die durch Verfahren wie Data Mining, maschinelles Lernen usw. zustande kommen.Big-Data-Technologien in Gesundheitswesen und medizinischer Praxis verstärken den Widerstreit zwischen Entlastung und Entmündigung. Die Gestaltung der Mensch-Maschine-Interaktion wird zu einer Kernaufgabe. Rückt der Werkzeugcharakter der Technologien aus dem Blick, geraten wir in die Zwänge einer Macht, die den Patienten entindividualisiert und menschliche Interaktionsformen in der medizinischen Praxis infrage stellt. (shrink)