Mobilität der Menschen extrem gut vorhersagbar

Mit der Analyse der Bewegungsprofile von Zehntausenden von Handynutzern wird eine neue Ebene der Massenüberwachung eingeleitet

Wissenschaftler legen die Grundlagen dafür, wie sich aus der Massenüberwachung der anonymisierten Aktivitäten von vielen Menschen Rückschlüsse auf das Verhalten einzelner ziehen lassen. Albert-László Barabási von der Northeastern University in Boston (Massachusetts) und Kollegen hatten schon vor zwei Jahren demonstriert, wie sich die anonymisierten Bewegungsprofile von 100.000 Handynutzern – die natürlich nicht gefragt wurden – zur Verhaltensanalyse bis hinunter zu einzelnen Personen auswerten lassen (Menschen machen es nicht wie die Fliegen). Was nutzt eine Anonymisierung etwa, wenn sich für jeden Handynutzer ein Bewegungsmuster ermitteln lässt, das auch Auskunft darüber gibt, wann sich jemand mit hoher Wahrscheinlichkeit zu einer bestimmten Zeit an einem bestimmten Ort aufhalten wird.

Jetzt haben die Wissenschaftler erneut in Science eine Analyse der über drei Monate ausgewerteten Bewegungsprofilen von 50.000 Handybenutzern vorgelegt, die erneut zeigt, dass die Bewegungsmuster der Menschen sehr vorhersehbar sind, sich also die meiste Zeit wiederholen. Und das in einem erstaunlichen Maß: Die Vorhersagbarkeit liegt mit 93 Prozent bei allen Handynutzern extrem hoch. Interessant sei die Analyse des Aufenthalts und der (lokalen und globalen) Fortbewegung, so sagen die Wissenschaftler, um die Ausbreitung von biologischen und elektronischen Viren vorhersagen zu können, aber auch für die Stadtplanung und das Ressourcenmanagement für mobile Kommunikation. Dass dies auch für Unternehmen, Sicherheitsbehörden, Geheimdienste oder Kriminelle interessant sein könnte, erwähnen sie lieber mal nicht. Und dass mit der Weitergabe der Daten von vielen Menschen an Wissenschaftler auch das sowieso vorhandene Missbrauchsrisiko wächst, soll wohl lieber auch nicht problematisiert werden.

Nur von außen wirke die "menschliche Dynamik" zufällig und unvorhersagbar. Bislang habe man kollektive Verhaltensmuster daher auch mit stochastischen Mitteln zu modellieren versucht. Die Wissenschaftler wollten mit ihrer Analyse herausfinden, welche Hindernisse es für die Vorhersagbarkeit der Mobilität von Menschen gibt. Dazu haben sie für jeden Handynutzer ein Mobilitätsnetzwerk angelegt, dessen Knoten die von diesem besuchten Orte darstellen. Jeder Knoten entspricht durchschnittlich einer 3 Quadratkilometer großen Fläche, die von einem Funkmasten abgedeckt wird. Damit werde die Ungewissheit über den genauen Aufenthaltsort demonstriert, die freilich mit der Verwendung weiterer Sendmasten gerade in Städten erheblich eingeschränkt werden kann.

Meist verbringen die Menschen den größten Teil ihrer Zeit an wenigen Orten, was auch nicht weiter verwundert, da sie ja irgendwo wohnen und oft an einem Ort zur Arbeit oder zur Schule gehen. In aller Regel bewegen sie sich nur über eine Entfernung von 1-10 km, manche allerdings sind über Hunderte von Kilometern unterwegs. Meist würden die Menschen auch in kurzen Zeiten die meisten ihrer Anrufe machen. Wenn sie das Handy ausschalten, sind sie nicht mehr lokalisierbar, was zur Entropie beiträgt. Durchschnittlich gibt es zu 70 Prozent während des stündlichen Messintervalls keinen Lokalisierungsupdate, was aber die Vorhersagbarkeit nicht wesentlich einschränkt – die übrigens sich nach Alter, Geschlecht, Wohnort, Stadt-Land, Bevölkerungsdichte oder Sprachgruppen praktisch nicht unterscheidet (wobei allerdings deutlich wird, dass die Anonymisierung ziemlich porös zu sein scheint).

Die Wissenschaftler sagen, erstaunt habe sie nicht nur die extrem hohe Vorhersagbarkeit und die geringe Entropie oder Zufälligkeit, sondern auch, dass "trotz unseres tief verwurzelten Wunsches nach Veränderung und Spontaneität unsere Alltagsmobilität tatsächlich von einer tief verwurzelten Regelmäßigkeit beherrscht wird". Um so schlimmer oder besser, je nach Perspektive, denn dann reichen schon relativ kurze Übungen im Data Mining, um unsere Gewohnheiten kennen zu lernen und möglicherweise auszubeuten.