Für wissenschaftliche Einrichtungen ist die Einrichtung des Austrian Microdata Centers (AMDC) definitiv ein Meilenstein, auch wenn es noch unter Kinderkrankheiten leidet. Ein relativ strenger Zugang regelt, dass diese Daten wirklich nur für wissenschaftliche Zwecke genutzt werden, von Institutionen oder Personen, die auf institutioneller Ebene Forschung auf Universitätsniveau betreiben. Das ist kompatibel mit dem Ethikkodex und den Freiheiten, die die Wissenschaft genießt. Die Idee ist nicht, diese Daten im AMDC freizugeben, damit beispielsweise die Lufthansa ihre Preismodelle optimieren kann.

Es besteht eine gewisse Naivität gegenüber künstlicher Intelligenz (KI) und ein begrenztes Verständnis für die zugrunde liegenden Grundlagen, insbesondere in Bezug auf Modellierung und Daten. Es ist wichtig, dass dieses Verständnis in der Politik vorhanden ist, und dies kann nur gewährleistet werden, wenn die entsprechenden beratenden Gremien über die erforderliche Expertise verfügen. Mittel- bis langfristig sollte sich das Verständnis für KI in Politik und Medien verbessern. Jedoch wäre es kurzfristig sinnvoll sicherzustellen, dass in den Gremien ein gewisses statistisches Grundverständnis vertreten ist.

Für mich steht immer im Mittelpunkt, dass wir die Ausbildung der Menschen nicht vernachlässigen dürfen. Es ist entscheidend, ein Bewusstsein auf höherem Niveau für alle Aspekte im Bereich Data Science, Statistik, KI usw. zu schaffen. Dies sollte bereits in den Schulen Teil der digitalen Grundbildung sein, die verschiedene wichtige Aspekte abdeckt und diese miteinander verbindet. Dies muss selbstverständlich sein. Es sollte den gleichen Stellenwert haben wie Lesen und Schreiben – die Fähigkeit, mit Daten umzugehen, ist meiner Meinung nach von grundlegender Bedeutung.

Metadaten sind tatsächlich von zentraler Bedeutung und erfordern eine einheitliche Steuerung. Es ist unerlässlich, gemeinsame Standards zu etablieren, um in der Zukunft sowohl longitudinal als auch im Querschnitt vergleichbare Daten zu haben, aus denen sinnvolle Schlussfolgerungen gezogen werden können. Manchmal sind es gerade die scheinbar banalen Aspekte, die bei der Zusammenstellung und Aufbereitung von Daten berücksichtigt werden müssen. Daher ist es sinnvoll, der Politik zu vermitteln, dass es notwendig ist, sich umfassend um Standards in diesen vermeintlich banalen Fragestellungen oder Kontexten zu bemühen.

Barbara Prainsack: Die Umsetzung der Datensolidarität wäre ein großes Unterfangen, weil man dann wirklich sagen müsste, dass es Erleichterungen für jene Formen der Datennutzung geben soll, die großen öffentlichen Wert erzielen. Der öffentliche Wert ist immer das Ergebnis der Abwägung von Risiken und Nutzen für Einzelpersonen und Gruppen (siehe https://pluto.univie.ac.at/). - Formen der Datennutzung, die keinen öffentlichen Wert erzielen, gilt es rechtlich zu unterbinden. In den Bereichen dazwischen müsste man entweder die Risiken minimieren oder die kommerziellen Profite mit der Öffentlichkeit besser teilen. Wenn man das umsetzen will, müsste man ein anderes Regelwerk bauen.

Der Datensolidaritätsansatz stellt also nicht primär darauf ab, welche Daten genutzt werden und wer sie nutzt, sondern wieviel öffentlichen Wert die Nutzung schafft (letzteres ist wiederum eine Abwägung von Risiken und Nutzen). In der Regel wird eine nicht profitorientierte Nutzung mehr öffentlichen Wert generieren, aber dies ist nicht zwangsläufig der Fall. Auf der anderen Seite kann kommerzielle Nutzung auch öffentlichen Wert schaffen, jedoch sollten in Situationen, in denen der öffentliche Wert gering ist und kommerzielle Gewinne erzielt werden, angemessene Maßnahmen ergriffen werden, um sicherzustellen, dass Daten solidarisch genutzt werden, d.h. die Gewinne auch geteilt werden. Datensolidarität basiert auf der Annahme, dass die Wertschöpfung von Menschen und der Gesellschaft stammt, die die Datenwissenschaftler ausgebildet haben und die Infrastrukturen bereitstellen, die notwendig sind, um die Daten zu kuratieren und zu sammeln. Daher betont Datensolidarität die Notwendigkeit einer fairen Verteilung der Vorteile und Schäden, die aus digitalen Praktiken resultieren.

Daten dienen auch zum Trainieren von maschinelles Lernen, und sind damit ein wesentlicher Teil der datengetriebenen AI, insbesondere der generativen AI. Der Output der AI hängt wesentlich von den Daten und ihren Eigenschaften ab (Garbage In, Garbage Out; Bias In, Bias Out; etc.). Eine gemeinsame, kuratierte Datenbasis (mit den dafür notwendigen Technologien und Prozessen) zu schaffen stellt eine Option dar, hier mitzugestalten und die Möglichkeit schaffen, dass viele Stakeholder hier Daten beizusteuren. Dazu müssen die Daten entsprechende Eigenschaften aufweisen, und auch sozialen und gesetzlichen Normen wiederspiegeln (z.B., Copyright). Dazu müssen die Daten zumindest dokumentiert werden und bewertet werden, das allerdings auch einen erheblichen Arbeitsaufwand bedeutet. Eine entsprechende, öffentlich verfügbare Datensammlung sollte ermöglicht werden, und optimalerweise sogar aktiv gefördert werden.

In den vergangenen Jahren hat Österreich einige Fortschritte beim Datenzugang für die Forschung / Wissenschaft zu Registerdaten gemacht. Beginnend mit den grundsätzlichen Möglichkeiten, die das Forschungsorganisationsgesetz (FOG) 2018 eröffnet hat und fortgesetzt durch die Änderung des Bundesstatistikgesetzes mit der Etablierung des Austrian Microdata Centers AMDC. Dadurch können Forschungsinstitutionen und ihre Forscher*innen erstmalig die Daten der Statistik Austria auf Mikrodatenebene nutzen. Während dies in anderen europ. Ländern normal ist, war das in Österreich ein Riesenschritt (bis zu den Zeitpunkt war die Nutzung der Daten der Statistik Austria von Gesetz wegen sogar untersagt!!!!). Ende letzten Jahres hat das erste Ministerium - das BMBWF - bundesgesetzlich eingerichtete Register für die Forschung freigegegeben und ins AMDC eingebracht. Während das BMBWF eine Triebfeder dieser Entwicklung ist, weigern sich andere Ministerien mehr oder weniger beharrlich, Daten aus Registern für die Forschung freizugeben. Angst vor Kontrollverlust und eine Skepsis gegenüber den Wert von wissenschaftlicher Forschung spielen da eine Rolle. Ein wichtiger Bereich - nicht zuletzt durch die Pandemie und die damit induzierten Folgen und Probleme für das Gesundheitssystem - wäre der Gesundheitsbereich. Ein substanzieller Anteil der bundesgesetzlichen Register (ca. 40%) entstammen diesem Bereich und würden viele Möglichkeiten für die Wissenschaft eröffnen, um damit den Forschungsstandort zu stärken bzw. einen Beitrag zu evidenzorientierter Politik zu liefen. Allerdings gibt es in diesem Bereich kaum Fortschritte und beharrliche Widerstände. Die Narrative der Politik, dass etwas nicht geht, überwiegen gegenüber einem ambitionierten Ansatz auch diesem Bereich der Forschung zugänglich machen und damit auch Public Health Research, Health Economics oder die Versorgungsforschung am Standort Österreich zu stärken.  Aber nicht nur im Gesundheitsbereich liegen interessante und wichtige Daten, auch im Finanz, Wirtschafts- oder Sozialbereich. Auch hier gibt es Gespräche und auch hier ist es zäh. 

Gerade beim Bereich Registerforschung ließen sich Erfolge relativ schnell realisieren. Die gesetzlichen Grundlagen wurden alle vom Gesetzgeber geschaffen und mit dem AMDC besteht auch bereits eine viable Infrastruktur, die sicherlich noch einiges Verbesserungsbedarf beinhaltet, aber stabil funktioniert. Hier kennen sich die Akteure und sind gut vernetzt - über die Plattform Registerforschung (einem Netzwerk aus der Forschung), der AG Registerforschung im BMBWF, Statistik Austria usw. 

Gefahr des ‚Nachzüglers‘: Wenn andere Länder wie beispielsweise Deutschland schneller bei der Umsetzung sind und Unternehmen EU-weit Anträge stellen können, ist die Gefahr der ‚Abwanderung‘ inhärent.

Die D(G)A und Datenstrategie-Thematik ist nicht isoliert zu betrachten. Vielmehr ist auf das Zusammenspiel mit anderen Rechtsmaterien (KI-Act) abzustellen. Eine integrierte Sichtweise ist für den Erfolg notwendig.