Die ethischen Implikationen von Prozessdaten: Eine systematische Literaturanalyse von Datenethik und Process Mining

Immer mehr Unternehmen und Organisationen verlassen sich zunehmend auf Datengestützte Systeme und Geschäftsmodelle, um fundierte Entscheidungen zu treffen und einen Wettbewerbsvorteil zu erlangen (Elgendy und Elragal 2014). Der rechtskonforme Umgang mit Daten wird hierbei vorausgesetzt. Eine steigende Zahl an Initiativen zeigt, dass dieser nicht ausreicht, sondern ein ethischer Umgang mit Technologie im Allgemeinen (bspw. Spiekermann 2015; Spiekermann et al. 2022; D. E. 2023) und mit Daten im Speziellen (Floridi und Taddeo 2016) auf gesellschaftliches Interesse stößt. Das neue Forschungsfeld „Digital Responsibility“ (Trier et al. 2023) befasst sich mit der verantwortungsvollen Gestaltung von digitalen Technologien und umfasst dabei auch deren ethische Implikationen. Gerade mit diesem Gedanken und dem der verantwortungsvollen Innovation (Stahl et al. 2014) ist der ethische Umgang mit Daten und datengetriebenen Geschäftsmodellen sowohl für Praktiker als auch für Wissenschaftler von Interesse.

Um aus den Daten der Geschäftsprozesse einen zusätzlichen Mehrwert generieren zu können, bietet sich Process Mining (PM), an – wodurch die Verbesserung von Geschäftsprozessen durch die Analyse von Ereignisprotokollen ermöglicht wird (van der Aalst 2011). Allerdings existieren auch hier ethische Bedenken: Unternehmen sollten bei den gesammelten Daten, die verarbeitet und gespeichert werden, Datenschutz, Datensicherheit und Transparenz berücksichtigen (van der Aalst 2016). Besonders Bedenken hinsichtlich des potenziellen Missbrauchs sensibler Daten wie bspw. persönlicher Informationen sind bei der Anwendung von PM präsent (van der Aalst 2016).

Dieser Artikel analysiert die ethischen Implikationen von PM-Anwendungen und leitet daraus Richtlinien und bewährte Verfahren zur Sicherstellung von verantwortungsvoller Datennutzung ab. Durch die ethische Nutzung von Daten kann Vertrauen geschaffen, die individuellen Rechte der Nutzer und deren Interessen geschützt werden (Alt et al. 2021). Um diesem Forschungsbereich zu erweitern wurde eine systematische Literaturanalyse durchgeführt. Hierfür wurden die folgenden Forschungsfragen gewählt:

Dieser Artikel ist in mehrere Abschnitte unterteilt. Abschn. 1, die Einleitung betrachtet die wachsende Bedeutung datengestützter Systeme, insbesondere unter Berücksichtigung ethischer Aspekte. Der theoretische Hintergrund in Abschn. 2 beleuchtet Datenethik und Process Mining. Abschn. 3 erläutert die angewandte Forschungsmethode der Literaturanalyse. Die Ergebnisse werden in Abschn. 4, jeweils separat für Datenethik in Abschn. 4.1 und Process Mining in Abschn. 4.2 präsentiert. In der Diskussion in Abschn. 5, werden die ethische Implikationen gegenübergestellt. In der Zusammenfassung in Abschn. 6 werden die Hauptergebnisse zusammengefasst, und Impulse für die praxisnahe Implementierung von PM und Datenmanagement abgeleitet.

Um die Forschungsfragen zu beantworten, wurde in dieser Arbeit eine Literaturanalyse nach Webster und Watson (2002) durchgeführt. Die Auswahl dieser Methodik erfolgte aufgrund ihrer strukturierten und systematischen Vorgehensweise, die eine adäquate Identifikation, Auswahl und kritische Bewertung relevanter Literatur ermöglicht. Für den Suchbegriff „Data Ethics“ wurden ausschließlich englischsprachige Zeitschriften im Bereich der Philosophie in Betracht gezogen. Die Auswahl erfolgte auf Basis des SCImago Journal Rank (SJR) (SCImago o.J.), um relevante Literatur zu identifizieren. Der SJR ist ein Indikator, der die wissenschaftliche Bedeutung von Zeitschriften anhand von Zitationsdaten bewertet. Die Top-26-Zeitschriften gemäß SJR-Ranking wurden mittels des Suchbegriffs „Data Ethics“, ohne zeitliche Einschränkungen, einer Volltextsuche unterzogen, was zu 33 Treffern führte. Durch sorgfältiges Screening der Volltexte wurden irrelevante Artikel eliminiert, sodass schließlich 24 Publikationen als relevant identifiziert wurden. Dabei wurde darauf geachtet, dass die ausgewählten Publikationen das Thema nicht nur erwähnen, sondern einen aktiven Forschungsansatz damit verfolgen, oder das Thema zumindest prominent behandeln. Exkludiert hingegen wurden solche Artikel, die das Thema Datenethik nur grob streifen, oder aber lediglich namentlich erwähnen Tab. 1.

Für den Suchbegriff „Process Mining“ wurden die vorgeschlagenen englischsprachigen Top-Tier Zeitschriften der Wirtschaftsinformatik von Lowry et al. (2013) bis Rang 2, ohne zeitliche Einschränkungen, untersucht. Lowry et al. verwenden Clusteranalysen, um ihre Stichprobe von 21 Top-Tier-Fachzeitschriften für den Bereich Information Systems in verschiedene Ebenen zu unterteilen, um deren Einfluss zu bewerten. Die Auswahl erfolgte aufgrund ihrer Reputation und ihres Einflusses in der Forschungsgemeinschaft. Für den Suchbegriff „Process Mining“ wurden 90 Publikationen identifiziert und nach Screening der Volltexte auf ihre Relevanz überprüft. Irrelevante Artikel wurden eliminiert, und nur Publikationen, die aktiv auf PM eingehen wurden inkludiert. Exkludiert wurden solche Artikel, die das Thema zwar nannten, sich aber nicht auf einer inhaltlichen Ebene damit befassten. Insgesamt wurden 39 relevante Publikationen für die Analyse berücksichtigt.

Eine vollständige Liste aller berücksichtigten Artikel ist auf Anfrage bei den Autoren verfügbar Tab. 2.

Diese Literaturanalyse zeigt einerseits datenethische Grundsätze zur Betrachtung datengestützter Systeme auf und geht andererseits spezifisch auf PM als datengestützte Technologie ein. Die analysierten Artikel zeigen dabei, dass innerhalb der Wirtschaftsinformatik die ethischen Implikationen von PM noch nicht erschöpfend behandelt wurden. 7 der 39 analysierten Artikel zu PM befassen sich mit den identifizierten datenethischen Grundsätzen, während die restlichen Artikel des Datensatzes diese nur eingeschränkt oder gar nicht berücksichtigen.

Ein erheblicher Teil der betrachteten Literatur zu Datenethik behandelt hauptsächlich die funktionalen Aspekte von Technologien, wobei ein besonderes Augenmerk auf spezifischen Technologien liegt, oft im Kontext von Künstlicher Intelligenz (KI) (bspw. Hagendorff 2020; Ratti und Graves 2021; Saetra und Danaher 2022).

Datenqualität stellt einen eher funktionalen Aspekt der datenethischen Grundsätze dar, da dieser ebenso für die grundlegende Nutzung von datengetriebenen Systemen, wie PM-Systemen (vgl. van der Aalst et al. 2010), notwendig ist. In jedem Fall sind Daten von guter Qualität für informierte Entscheidungen notwendig, bei denen alle Aspekte und absehbaren Auswirkungen im Vorhinein berücksichtigt werden können (Floridi 2018; Ratti und Graves 2021).

Der Themenbereich Datenschutz wird oft aufgrund rechtlicher Normen berücksichtigt (bspw. Loi 2019; Saetra und Danaher 2022). Allerdings wird hierbei ethisches Verhalten als solches angesehen, das über die bloße Umsetzung von rechtlichen Vorgaben hinausgeht (Trier et al. 2023). Daher ist eine Ausrichtung notwendig, die sich nicht ausschließlich am rechtlichen Rahmen orientiert, sondern auch auf die Bedürfnisse der Personen eingeht, die im Fokus der Datenerfassung liegen.

Ein wichtiger Aspekt ist ein klares Verfahren für die Einholung der Zustimmung der Personen, deren Daten verwendet werden sollen (Kratsch et al. 2022). Eine transparente Gestaltung von Datenerhebungs- und -Verwendungspraktiken, in Form der Bereitstellung klarer Informationen über die Daten, die gesammelt werden und deren Verwendung, sowie der Personen, die Zugang zu den Daten haben, kann ebenfalls dabei helfen die Akzeptanz von PM-Anwendungen zu steigern. Dabei ist es wichtig, dass die einschlägigen Gesetze und Vorschriften eingehalten werden (Floridi 2018). Die Sicherstellung von Datenqualität gewährleistet, dass in einer Organisation überhaupt informierte Entscheidungen getroffen werden können, da PM-Anwendungen in hohem Maße von dieser abhängen (Dustdar et al. 2006). Zudem trägt sie zur Glaubwürdigkeit von Entscheidungen bei, was besonders wichtig ist, wenn die Ergebnisse einer Analyse erhebliche Auswirkungen auf Einzelpersonen oder Organisationseinheiten haben können (Hand 2018).

Transparenz ist ein datenethischer Grundsatz, der insbesondere bei der Erstellung und dem Betrieb von KI-Systemen vorherrscht (bspw. Ratti und Graves 2021; Mökander et al. 2022; Saetra und Danaher 2022). Dementsprechend findet er sich bei PM-Anwendungen auch in erster Linie beim Einsatz von KI wieder (Kratsch et al. 2022). Transparenz kann jedoch auch auf organisationale Strukturen und die Verwendungsweise der erhobenen Daten bezogen werden. In diesem Kontext kann in Zukunft untersucht werden, ob die klare Darlegung der Datenverwendung die Akzeptanz von beispielsweise PM-Maßnahmen in Organisationen erhöht.

Datenethische Grundsätze wie Voreingenommenheit, Verantwortung und Verzerrung finden in unserem Datensatz nur wenig Betrachtung (bspw. Laat 2021; Morley et al. 2021; Symons und Alvarado 2022). Hieraus lässt sich schließen, dass ein Bedarf an weiter Forschung, insbesondere im organisationalen Umfeld besteht. Management-Entscheidungen sind oft nachgelagert und ihre Auswirkungen sind nicht direkt spürbar (Crane und Matten 2016). Ebenso verhält es sich mit den Auswirkungen der Verwendung von datengestützten Technologien. Hier kann der verantwortungsvolle und ethische Umgang sowohl mit datengestützten Technologien als auch mit gesammelten Daten einen aktiven Beitrag zum gegenseitigen Verständnis bei der Erhebung und Verwendung von Daten leisten. Insbesondere der Aspekt der Verzerrung ist nicht immer offensichtlich (Laat 2021) und hängt sowohl von den Nutzern der Daten als auch von den initial verfügbaren Datensätzen ab. Daher ist weitere Forschung sowohl auf technischer Seite zur Minimierung von Verzerrungen als auch auf organisationaler Seite zum adäquaten Umgang mit gegebenenfalls verzerrten Datensätzen notwendig.

Die in Tab. 3 dargestellten datenethischen Grundsätze lassen sich zu weiten Teilen in den Publikationen zu PM wiederfinden. Datenschutz bildet dabei den am häufigsten genannten Grundsatz, gefolgt von Transparenz. Diskussionen über die DSGVO, welche Regelungen über den Datenschutz festlegt (Loi 2019), sowie aufkommende Bedenken über KI-Anwendungen (Hagendorff 2020) stellen Ausprägungen dieser Grundsätze dar. Informierte Zustimmung und Datenqualität wurden verhältnismäßig wenig betrachtet, was in einer schwierigen Umsetzung in komplexen in KI-Systemen begründet liegen kann (vgl. Mökander et al. 2022).

Weitere Faktoren umfassen die regelmäßige Überprüfung der vorgeschlagenen Data-Governance-Richtlinien, die Durchführung ethischer Prüfungen und die Sicherstellung, dass ethische Praktiken kontinuierlich verfolgt werden (Floridi et al. 2019). Der Umgang mit datenethischen Fragen im PM erfordert einen vielschichtigen Ansatz, der klare Grundsätze und Richtlinien, Maßnahmen zum Schutz der Privatsphäre, zur Transparenz, Rechenschaftspflicht, ethischen Überprüfung und kontinuierlichen Verbesserung umfasst. Unternehmen können durch die Übernahme dieser Best Practices sicherstellen, dass ihre PM-Praktiken ethisch, verantwortungsvoll und vertrauenswürdig sind. Eine zusätzliche Unterstützung könnte durch die Einbeziehung von Ethikausschüssen oder Experten erfolgen, um die möglichen Auswirkungen auf Einzelpersonen oder die Gesellschaft zu bewerten. Eine kontinuierliche Überwachung und Verbesserung der Anwendung von PM kann zudem die ethische Nutzung dieser Technologie stärken.