Predictive Analytic und die Haftung für fehlerhafte Ergebnisse gegenüber betroffenen Einzelpersonen. Susanne Mentel
href="#ulink_bb543203-cc74-5367-bab2-740a5633fbf8">III. Ziel der Arbeit und Gang der Untersuchung B. Einführung in Predictive Analytic I. Herkunft des Begriffes und Annäherung II. Definition III. Entwicklung von vorhersagenden Analysen 1. Frühe Scoring-Verfahren zur Kriminalitätsbekämpfung 2. Klassisches Kredit-Scoring 3. Erweiterte Scoring-Verfahren IV. Anwendungsbereiche 1. Predictive Analytic ohne Personenbezug a) Predictive Maintenance b) Google Flu Trends 2. Betroffenenbezogene Vorhersagen 3. Einzelne Anwendungsgebiete a) Predictive Analytic zu Marketingzwecken aa) Predictive Analytic zur Neukundengewinnung bb) Predictive Analytic für personalisierte Werbung cc) Predictive Analytic für die Modalitäten der Ansprache dd) Uplift-Modelling b) Predictive Analytic als Kundenbindungsinstrument c) Predictive Analytic im Dynamic Pricing d) Predictive Analytic zur Arbeitnehmerbewertung e) Predictive Analytic zur Tarifierung und Risikoeinschätzung bei Versicherungen f) Predictive Analytic zur Betrugsbekämpfung g) Predictive Analytic zur Verbrechensvorhersage h) Predictive Analytic zur umfassenden Verhaltenseinschätzung V. Eingrenzung auf Unternehmen VI. Der Unterschied zwischen internen und externen Predictive Analytic C. Technische Grundlagen I. Daten als Ausgangsbasis 1. Interne Datenquellen 2. Externe Datenquellen 3. Öffentlich zugängliche Daten 4. Größe 5. Personenbezug 6. Struktur 7. Verfügbarkeit II. Verortung der Analyse-Software III. Strukturierung, Aufbereitung und Datenbewertung IV. Data Mining und Klassifizierung V. Übertragung der Modelle auf neue Daten VI. Predictive Model VII. Bedeutung von Machine Learning VIII. Predictive Analytic im eigentlichen Sinne D. Fehlerhafte Predictive Analytic-Ergebnisse I. Zur Fehlerhaftigkeit von Wahrscheinlichkeitsaussagen II. Weiteres Vorgehen III. Mögliche Ursachen fehlerhafter Predictive Analytic 1. Fehlerhafte Datengrundlage a) Vernachlässigung der Datenqualität bei Big Data-Analysemethoden b) Bestimmung fehlerhafter Daten c) Fazit für Bestimmung fehlerhafter Daten d) Arten von Datenfehlern aa) Datenfehler im technischen Sinne bb) Datenfehler im inhaltlichen Sinne 2. Fehlerhafte Software 3. Fehlerhaftes Endergebnis aufgrund Black Box-Phänomen IV. Mögliche Folgen einer fehlerhaften Predictive Analytic 1. Abgrenzung zu rein internen Zwecken 2. Marketing und Kundenbindung 3. Dynamic Pricing 4. Analyse von Arbeitnehmerverhalten 5. Vorhersage von Schadensrisiken 6. Umfassende Verhaltensbewertungen des Einzelnen 7. Auswirkungen von Predictive Analytic auf grundrechtlich geschützte Positionen V. Grundsätzliche Ersatzfähigkeit der Nachteile der Betroffenen 1. Ersatzfähigkeit im Ergebnis vs. grundsätzliche Ersatzfähigkeit 2. Bestimmung des ersatzfähigen Schadens a) Ausgangsproblem b) Die Schadenskategorien Vermögens- und Nichtvermögensschaden 3. Einteilung der Folgen von fehlerhaften Predictive Analytic-Ergebnissen a) Vermögensschäden aa) Zahlung eines höheren Preises bb) Abschluss zu schlechteren Konditionen cc) Vorenthaltung von Vergünstigungen dd) Verweigerung eines Vertragsabschlusses ee) Personen- und Sachschäden b) Nichtvermögensschäden 4. Folgerung für das weitere Vorgehen 5.