3 / 88 Kommerzielle Digitale Überwachung im Alltag | Studie im Auftrag der österreichischen Bundesarbeitskammer | 2014 Abbildungsverzeichnis Abbildung 1: Ausschnitt Screenshot Fitbit-Website, Unterseite „Corporate Solutions“ (gelbe Hervorhebung vom Verfasser) ...................... 39 Abbildung 2: Grafik zu Fahrverhalten und Score-Werten. Quelle: Sparkassen DirektVersicherung .............................................................. 44 Abbildung 3: Angebotene Adressen der Wochenzeitung „Die Zeit“. Quelle: AZ Direkt Blätterkatalog. .......................................................... 53 Tabellenverzeichnis Tabelle 1: Prognose persönlicher Eigenschaften aus Facebook-Likes. Quelle: Kosinskia et al, 2013. ........................................................... 15 Tabelle 2: Die fünf Charaktereigenschaften im „Big Five“-Persönlichkeitsmodell (NEO-FFI nach Costa und McCrae) .................................. 17 Tabelle 3: Ausgewertete Mobiltelefon-Nutzungsdaten. Quelle: Chittaranjan et al, 2011. ................................................................................ 17 Tabelle 4: Korrelationskoeffizienten r für Zusammenhänge zwischen Smartphone-Nutzung und Charaktereigenschaften mit p < 0,01. Quelle: Chittaranjan et al, 2011. ........................................................................................................................................................................ 18 Tabelle 5: Prognose von Charaktereigenschaften aus Smartphone-Metadaten. Quelle: Chittaranjan et al, 2011. ......................................... 18 Tabelle 6: Ausgewertete Mobiltelefon-Nutzungsdaten. Quelle: Montjoye, 2013. ............................................................................................. 19 Tabelle 7: Prognose von Charaktereigenschaften aus Mobiltelefon-Nutzungsdaten. Quelle: Montjoye, 2013. .............................................. 19 Tabelle 8: „Big Five“-Profile von durchschnittlichen BesucherInnen dreier Websites. Quelle: Kosinski et al, 2012. ....................................... 20 Tabelle 9: Prognose von Geschlecht, Alter, Bildungsgrad und Beruf bei anonymen Website-BesucherInnen. Quelle: De Bock 2010. ......... 20 Tabelle 10: Ausgewertete Tastatureingabe-Ereignisse. Quelle: Epp et al, 2011. ............................................................................................ 21 Tabelle 11: Zuverlässigkeit der Prognose von Emotionen aus der Tastatur-Eingabedynamik. Quelle: Epp et al, 2011. ................................ 21 Tabelle 12: Riskante Verhaltensmuster von Smartphone-Apps. Quelle: Appthority, Summer 2014 App Reputation Report ......................... 35 Tabelle 13: Vom Unternehmen AZ Direkt angebotene Adresslisten. Quelle: AZ Direkt. ................................................................................. 54 Tabelle 14: Data Broker in den USA: Beispiele für deren Quellen und die Wege der persönlichen Daten. Quelle: FTC, 2014 ...................... 59 Tabelle 15: Beispiele für Quellen, aus denen Data Broker in den USA persönliche Daten beziehen. Quelle: FTC, 2004 .............................. 60 Tabelle 16: Anzahl der Dritt-Unternehmen, an die beim Aufruf von deutschen Nachrichten-Websites NutzerInnendaten übertragen werden. Quelle: http://newsreadsus.okfn.de ................................................................................................................................................................... 64 Tabelle 17: segment.io überträgt die Klick-Daten von Website-NutzerInnen an bis zu 100 weitere Dritt-Anbieter. Quelle: https://segment.io/integrations .......................................................................................................................................................................... 65