Ein digitaler Alltag, zehn Tage Datenschutz-Lesezeit

Ein Blick aufs Smartphone nach dem Aufstehen. Die Kinder zur Schule bringen. Eine Nachricht über WhatsApp schreiben. Im Büro anmelden, einen Kaffee kaufen, Lebensmittel bestellen, die Stromrechnung bezahlen, die Kinder vom Unterricht abholen und am Abend gemeinsam Netflix schauen.

Nichts davon klingt außergewöhnlich. Gerade deshalb ist das Ergebnis einer neuen Untersuchung der Web3 Foundation bemerkenswert: Hinter einem solchen gewöhnlichen digitalen Alltag kann eine kaum überschaubare Zahl von Datenverarbeitungen, Messwerten, Kameraaufnahmen und möglichen Verknüpfungen stehen.

Für ihre Studie Everyday Surveillance: What One Ordinary Day May Reveal About You hat die Web3 Foundation sechs Modellhaushalte in Großbritannien und den USA konstruiert und jeweils einen normalen Werktag nachgezeichnet. Untersucht wurden nicht reale Personen. Stattdessen entstanden evidenzbasierte Modellprofile, deren Alter, Familienverhältnisse, Wohnsituation, Arbeit, Verkehrsmittel, Gesundheitsbedürfnisse, Geräte, Mediennutzung, Banken, Einkaufsgewohnheiten und weitere Faktoren anhand öffentlich verfügbarer Informationen zusammengestellt wurden.

Das Ergebnis macht sichtbar, wie groß der Unterschied zwischen dem subjektiven Alltag und seiner möglichen digitalen Abbildung geworden ist.

Besonders eindrücklich ist das Beispiel einer vierköpfigen Modellfamilie aus Leeds: Priya und Tom, 40 und 43 Jahre alt, mit zwei Kindern im Alter von acht und elf Jahren. Ihr modellierter Alltag ist mit 88 Organisationen verbunden. Bei 25 davon enthalten die untersuchten Dokumente Hinweise darauf, dass sie Informationen von Kindern erfassen können. Rund 2.000 Körper- und Gesundheitsmessungen können allein durch die Wearables der Erwachsenen entstehen. Hinzu kommen in dem Modell etwa 100 Kameraerfassungen der Kinder in der Schule pro Tag, 11.400 protokollierte Tastenanschläge während einer Schulwoche, rund 45 Minuten Innenraumaufnahmen im Auto und zahlreiche weitere Datenspuren.

Und die Familie müsste zunächst eine enorme Menge Kleingedrucktes bewältigen, wollte sie vollständig verstehen, welche Regeln für die beteiligten Dienste gelten: Für Priya und Tom zählt die Untersuchung 257 relevante Dokumente mit 1.184.835 Wörtern. Bei der von den Forschern zugrunde gelegten Lesegeschwindigkeit würde deren Lektüre etwa 83 Stunden oder 10,4 achtstündige Arbeitstage dauern.

Die eigentliche Pointe der Untersuchung lautet deshalb: Datenschutzinformationen können formal verfügbar und dennoch praktisch kaum zu bewältigen sein.

Sechs Haushalte, sechs gewöhnliche Leben

Die Forscher modellierten drei Haushaltstypen jeweils für Großbritannien und die USA: einen alleinlebenden Berufstätigen, eine vierköpfige Familie und eine alleinlebende 75-jährige Person. Diese Figuren sollen ausdrücklich keine repräsentativen Durchschnittsbürger darstellen. Sie sind evidenzbasierte Szenarien, mit denen untersucht werden soll, welche Systeme und Datenströme während eines plausiblen Alltags zusammentreffen können.

Die sechs Modellhaushalte im Überblick

Quelle: Web3 Foundation, Everyday Surveillance: What One Ordinary Day May Reveal About You, S. 12-13. Übersetzung und redaktionelle Aufbereitung.

Der entscheidende Punkt: Daten entstehen keineswegs nur dann, wenn jemand bewusst eine App öffnet. Ein Haushalt bringt Energieversorgung und vernetzte Geräte mit sich. Der Arbeitsplatz bringt Unternehmenssoftware und Zutrittssysteme. Kinder bringen Schulplattformen, Geräteverwaltung und Sicherheitssysteme hinzu. Beim Autofahren können Fahrzeugtelemetrie und Kennzeichenkameras ins Spiel kommen. Im Alter kommen womöglich Gesundheits-, Medikamenten-, Sozial- oder Notrufsysteme dazu.

Ein gewöhnlicher Tag in Zahlen

Die folgende Übersicht fasst die sechs getrennten Modellszenarien der Untersuchung zusammen.

Quelle: Web3 Foundation, S. 14. Bei ACR handelt es sich um Automatic Content Recognition. Die Werte sind modellierte Größen beziehungsweise Spannbreiten und keine Messungen realer Haushalte.

Allein diese Tabelle zeigt, warum die Studie nicht versucht, "die eine Zahl" für digitale Überwachung zu präsentieren. Eine Herzfrequenzmessung ist nicht dasselbe wie ein Kamerabild, eine Finanztransaktion oder ein Standortdatensatz. Deshalb trennt die Untersuchung Organisationen, Verarbeitungsvorgänge, hochfrequente Messreihen und andere quantifizierbare Datenspuren.

Sam in Manchester: Mehr als 1.100 Körpermessungen

Die Modellperson Sam ist 34 Jahre alt und lebt allein in Manchester. Sein Tag umfasst nichts, was besonders ungewöhnlich wäre: Nachrichten lesen, zur Arbeit fahren, bezahlen, einkaufen, trainieren, fernsehen und schlafen.

Trotzdem verbindet das Modell seinen Alltag mit 68 Organisationen und ungefähr 271 möglichen Verarbeitungsvorgängen. Hinzu kommen mehr als 1.100 Körpermessungen und etwa 21.600 modellierte ACR-Screencaptures des Fernsehers. Bei Kameras schätzt die Studie die mögliche Zahl der Aufnahmen auf 60 bis 190.

Sams Tag in Zahlen

Quelle: Web3 Foundation, S. 15.

Bob in Ohio: Eine Fahrt, mehrere Standortspuren

Bobs Modelltag veranschaulicht besonders gut, wie dieselbe Handlung parallel von unterschiedlichen Systemen registriert werden kann.

Eine einzelne Autofahrt kann Connected-Car-Daten produzieren, in einer Kartenhistorie auftauchen, Mobilfunk-Standortinformationen erzeugen und zusätzlich durch Kennzeichenlesesysteme erfasst werden. Insgesamt verbindet die Untersuchung Bob mit 62 Organisationen und etwa 219 modellierten Verarbeitungsvorgängen. Hinzu kommen rund 1.000 Herzfrequenzmessungen und wiederum rund 21.600 modellierte ACR-Erfassungen beim Fernsehen.

Bobs Tag in Zahlen

Quelle: Web3 Foundation, S. 16.

Die Familie als Datenökosystem

Besonders interessant wird die Untersuchung dort, wo mehrere Lebenswelten zusammenkommen. Bei einer Familie geht es nicht mehr ausschließlich um die Smartphones der Eltern.

Schule, Arbeitsplätze, Kindersicherungssoftware, Spiele, Messenger, Gesundheitsdaten, Fahrzeugtechnik, Familienortung, Smart Meter, Bankkonten, Einkäufe, TV und Kameras bilden ein Geflecht unterschiedlicher Systeme.

Am Leeds-Modell von Priya und Tom lässt sich das konkret beobachten. Die Studie verbindet den Haushalt mit 88 Organisationen. Dokumente von 25 Organisationen beschreiben die Möglichkeit, Informationen von Kindern zu erfassen. Die beiden Erwachsenen könnten mit ihren Wearables rund 2.000 Gesundheitsmesswerte täglich produzieren.

Für die Tochter modelliert die Studie rund 62 Kameraerfassungen während eines Schultages, für den Sohn 38, zusammen also ungefähr 100. Hinzu kommen im illustrativen Schuldatensatz 11.400 protokollierte Tastenanschläge in einer Woche. Die Studie weist darauf hin, dass dabei Inhalte erfasst werden können, die ein Kind anschließend löscht und gar nicht absendet.

Das Auto fügt eine weitere Ebene hinzu. Im Modell entstehen an einem normalen Tag ungefähr 45 Minuten Innenraumvideo; außerdem können GPS- und Telemetriedaten zu Geschwindigkeit, Beschleunigung, Bremsen, Kilometerstand, Gang beziehungsweise Fahrzustand, Batteriestatus und Sitzbelegung anfallen.

Für die gesamte Familie kommt die Untersuchung schließlich auf eine modellierte Größenordnung von rund 90 bis 260 möglichen Aufnahmen an einem Tag, wenn Schul-CCTV, Kameras am Schultor, Kennzeichenerfassung, Laden- und Straßenkameras, die eigene Ring-Türklingel und die modellierte Innenraumkamera des Fahrzeugs zusammengedacht werden. Auch das ist ausdrücklich eine Modellrechnung und keine Behauptung, jede Familie werde tatsächlich täglich exakt so oft aufgenommen.

So sieht der modellierte Tag von Priya und Tom tatsächlich aus

Gerade der vollständige Tagesablauf macht die abstrakten Zahlen greifbar. Die nachfolgende Fassung gibt den in Appendix A beschriebenen Modelltag von Priya und Tom vollständig in deutscher Sprache wieder und behält die Zeitabschnitte und die darin genannten Dienste bei. Es handelt sich dabei weiterhin um Modellpersonen, nicht um eine reale Familie.

Priya und Tom, 40 und 43 Jahre, Kinder im Alter von acht und elf Jahren, Leeds

Priya und Tom sind 40 und 43 Jahre alt und leben gemeinsam mit ihrer achtjährigen und ihrer elfjährigen Tochter beziehungsweise ihrem Sohn in Leeds. Das verheiratete Paar wohnt in einem mit Hypothek finanzierten Doppelhaus am Rand der Stadt und besitzt ein Auto. Tom arbeitet Vollzeit, Priya Teilzeit.

Das elfjährige Kind hat gerade die weiterführende Schule begonnen und besitzt sein erstes Smartphone. Die Studie verweist an dieser Stelle auf Ofcom-Daten, wonach der Smartphonebesitz in Großbritannien zwischen zehn und elf Jahren stark zunimmt. Das achtjährige Kind besucht die Grundschule.

Der Haushalt nutzt einen Festnetz-Breitbandanschluss für die Geräte der Eltern, zwei Kindergeräte, Smart-TV, Echo und Heimarbeit. Unterwegs kommt 4G- und 5G-Mobilfunk hinzu. Priya trägt ihre Apple Watch dauerhaft.

06:30-07:30 Uhr: Aufstehen und Vorbereitung auf die Schule

Priya und Tom stehen zuerst auf, bereiten das Frühstück zu und packen die Schultaschen, während sich die beiden Kinder anziehen.

Priya greift zum iPhone und schaut bei BBC Weather nach dem Wetter, liest Daily Mail und BBC News und sieht in die WhatsApp-Gruppe der Schule beziehungsweise Eltern. Alexa läuft im Hintergrund.

Tom fragt Gemini, seinen Sprachassistenten, beim Frühstück nach Uhrzeit und Wetter.

Die Elfjährige prüft Snapchat, während sie sich anzieht. Der Achtjährige besitzt noch kein Smartphone, schaut beim Frühstück aber kurze Videos auf einem iPad.

07:30-08:45 Uhr: Fahrt zur Schule und Arbeitsweg

Während Tom und die beiden Kinder das Haus verlassen, ist die Ring-Türklingel passiv aktiv und kann Benachrichtigungen an die Telefone der Eltern schicken.

Tom fährt die Kinder mit dem langfristig geleasten BYD zur Schule und verwendet Google Maps auf seinem Android-Smartphone zur Navigation. Die Elfjährige, die gerade auf der weiterführenden Schule angefangen und ihr erstes iPhone bekommen hat, schaut während der Fahrt wahrscheinlich YouTube und TikTok über ihre Mobilfunkverbindung.

Beim Absetzen an der Schule werden die Kinder im Modell von CCTV-Kameras am Eingang und auf dem Schulhof aufgenommen. Auf der Fahrt kann das Auto außerdem durch polizeiliche ANPR-Kameras zur automatischen Kennzeichenerkennung registriert werden.

Die Studie verweist darauf, dass laut einer Datenschutz-Folgenabschätzung des britischen Home Office von 2026 an einem durchschnittlichen Tag mehr als 100 Millionen ANPR-Lesevorgänge an die nationalen ANPR-Systeme übermittelt werden können. Nationale Daten können dort bis zu zwölf Monate gespeichert werden, sofern sie nicht für bestimmte Zwecke länger erhalten bleiben müssen.

Tom hört während der Fahrt Spotify.

Nach den in der Untersuchung ausgewerteten BYD-Dokumenten verfügt das Modellfahrzeug über Kameras innerhalb und außerhalb des Wagens, einen Sprachassistenten sowie automatische Fahrzeugdaten. Dazu können Geschwindigkeit, Kilometerstand, Batteriestand, der Zustand der Türen und Informationen darüber gehören, welche Sitze belegt sind.

Bereits die Fahrt zur Schule kann somit Standort-, Fahr- und Fahrzeuginnenraumdaten über Tom und die Kinder erzeugen.

08:45-12:30 Uhr: Vollzeit- und Teilzeitarbeit

Tom betritt sein Büro physisch, indem er eine HID-Global-Zugangskarte verwendet.

Priya und Tom beginnen ihren Arbeitstag mit Gmail und Microsoft 365 auf Windows-Laptops, wobei Microsoft Authenticator zur Anmeldung eingesetzt wird. Priya bevorzugt Safari als Browser, Tom Chrome.

Während einer Pause sehen beide bei BBC News vorbei.

Ein Elternteil kümmert sich um den wöchentlichen Online-Lebensmitteleinkauf bei Tesco und bestellt Haushaltsgegenstände bei Amazon. Tom verwendet für einen Kaffee beziehungsweise das Mittagessen Google Wallet.

Priya arbeitet zeitweise von zu Hause und nutzt eine kurze Pause für Instagram und Facebook. Außerdem bezahlt sie Rechnungen, überprüft ihre Konten bei Lloyds und Monzo sowie ihre Lastschriften.

Während Priya am Vormittag zu Hause ist, läuft Amazon Alexa plausiblerweise im Hintergrund für Radio, Musik, Timer oder schnelle Anfragen.

Priya nutzt ChatGPT auf ihrem Windows-Laptop, um Mitteilungen und E-Mails zu formulieren. Sie nimmt während des Vormittags an Videokonferenzen teil und verwendet Google Workspace für berufliche Kommunikation.

Daneben erledigt sie Schul- und Haushaltsorganisation: Über ParentPay überweist sie Geld für Mahlzeiten und ergänzt Produkte in der wöchentlichen Tesco-Bestellung und im Amazon-Warenkorb.

Beide Eltern koordinieren morgens den Schulalltag per WhatsApp und lesen Eltern-Gruppen.

Auch die Kindergeräte spielen in diesem Zeitfenster eine Rolle. Schulische Monitoring-Software wie Smoothwall Monitor kann nach Darstellung der Studie Geräte und Konten der Schülerinnen und Schüler überwachen. Das System kann bestimmte eingegebene Begriffe markieren, bei möglichen Risiken Screenshots anfertigen und Hinweise zur Überprüfung durch Personal oder Moderatoren senden. Entsprechend können Eingaben und Bildschirmaktivitäten aufgezeichnet werden, auch wenn ein Kind etwas anschließend schnell wieder löscht.

12:30-13:15 Uhr: Mittagspause

Während einer kurzen Mittagspause schreibt Priya ihrer Familie über WhatsApp, überprüft ParentPay und wirft einen Blick auf den Online-Warenkorb von Tesco. Dafür verwendet sie ihr iPhone über die 4G-Mobilfunkverbindung. Außerdem schaut sie während der Mittagspause auf Facebook.

13:15-15:15 Uhr: Nachmittagsarbeit und Haushaltsorganisation

Priya kümmert sich parallel zur Arbeit um eine Tesco-Click-and-Collect-Bestellung und eine Amazon-Bestellung, während Tom weiterhin im Büro ist.

Am Windows-PC vereinbart Priya über die NHS App einen Arzttermin, bezahlt über die Website von Octopus Energy eine Energierechnung, holt bei Aviva ein Angebot für eine Versicherungsverlängerung ein und überprüft vor einer geplanten Anschlussfinanzierung über die ClearScore-App einen Experian-Kreditbericht.

Fordert der Haushalt im Modell ein Angebot bei Aviva an, kann der Versicherer laut Studie eine Prüfung der Kreditakte einsetzen, beispielsweise zur Identitätsbestätigung, Betrugsprävention oder Risikobewertung. Dabei handele es sich gewöhnlich um eine sogenannte weiche Abfrage, die zwar in der Kreditakte auftaucht, die Kreditwürdigkeit aber normalerweise nicht verringert. In den von der Studie betrachteten Aviva-Dokumenten wird die mögliche Nutzung von Informationen einer Kreditauskunftei im Angebotsprozess beschrieben.

15:15-16:15 Uhr: Kinder abholen und Nachmittagssnack

Über die WhatsApp-Gruppe des Schuljahrgangs koordiniert Priya die Abholung.

Sie und die beiden Kinder erscheinen im Modell auf den CCTV-Aufnahmen des Schulhofs. Zu Hause bekommen die Kinder einen Snack und anschließend etwas Bildschirmzeit auf einem Amazon Fire Kids Tablet. Dort schauen sie YouTube Kids und spielen beispielsweise Roblox oder Minecraft, während sie mit ihren Hausaufgaben beginnen.

Priya überwacht und begrenzt Bildschirmzeit und Spielen mit Google Family Link.

Die Elfjährige verwendet zunächst TikTok und Snapchat auf ihrem iPhone und nutzt anschließend ein iPad für BBC Bitesize bei den Hausaufgaben.

16:15-17:30 Uhr: Freizeit, Verabredungen und Aktivitäten nach der Schule

Die Elfjährige schreibt mit Freunden per WhatsApp und iMessage und schaut auf ihrem iPhone Videos über YouTube, Instagram und TikTok.

Der Achtjährige spielt auf dem Amazon Fire Kids Tablet und der Nintendo Switch und schaut YouTube Kids.

Tom koordiniert Aktivitäten und Fahrten über WhatsApp und plant Abhol- und Bringwege mit Google Maps.

Priya nutzt Apple Find My, um bei der Koordination der Aktivitäten den Standort der Elfjährigen zu sehen. Außerdem verwendet sie ParentPay zur Buchung und Bezahlung von Frühstücks- beziehungsweise Nachmittagsbetreuung und Schulausflügen.

17:30-18:30 Uhr: Abendessen kochen

Ein Elternteil kocht das Abendessen, während der andere der Elfjährigen bei den Hausaufgaben hilft. Dafür kommen BBC Bitesize, ChatGPT und das Familien-iPad zum Einsatz.

Während beide Eltern beschäftigt sind, nutzt der Achtjährige wahrscheinlich sein Amazon Fire Kids Tablet und schaut YouTube.

Freitags bestellt die Familie gelegentlich gemeinsam Essen über Deliveroo und bezahlt mit Apple Pay.

Beim Kochen kann Amazon Alexa als Timer, zur Umrechnung von Maßeinheiten, für Musik oder schnelle Rezeptanfragen benutzt werden.

Nach den Hausaufgaben schauen die Kinder gemeinsam Netflix oder BBC iPlayer auf dem Samsung-Fernseher.

18:30-19:15 Uhr: Gemeinsames Familienessen

Beim Abendessen werden die Telefone weggelegt.

Ein Gerät, das in dieser Zeit realistischerweise weiterläuft, ist Amazon Alexa, beispielsweise für Hintergrundmusik, einen Timer oder eine gelegentliche Frage.

Im Hintergrund bleiben außerdem Ring-Türklingel, DCC Smart Meter und Breitbandverbindung aktiv.

19:15-20:00 Uhr: Baden und Schlafengehen der Kinder

Die Elfjährige schreibt ihren Freunden über WhatsApp gute Nacht und schaut noch einige Videos auf YouTube.

Danach werden die Bildschirme der Kinder ausgeschaltet. Es folgen Bad und Gute-Nacht-Geschichte. Manchmal wird ein Hörbuch über Amazon Alexa vorgelesen.

Für den Achtjährigen ist anschließend Schlafenszeit. Die Elfjährige bleibt etwas länger wach.

20:00-22:00 Uhr: Freizeit der Eltern

Priya und Tom schauen Netflix auf ihrem Samsung-Fernseher.

Parallel verwenden sie iPhone und Android-Smartphone, kaufen bei Tesco Lebensmittel und bei Amazon Haushaltswaren und überprüfen über die Apps von Lloyds und Monzo ihre Bankkonten.

Da sie ihr Eigenheim über eine Hypothek finanzieren, meldet der Hypothekengeber regelmäßig Informationen über die Vertragserfüllung an Kreditauskunfteien; Experian hält kontinuierlich eine Kreditakte.

Wird eine Amazon-Bestellung über eine Buy-Now-Pay-Later-Ratenzahlung finanziert, kann auch dieser Kreditgeber die Vereinbarung an Experian melden.

Priya und Tom nutzen außerdem YouTube, Facebook und Instagram und sehen sich Schlagzeilen von BBC News und Daily Mail an.

Die Elfjährige könnte zu Beginn dieses Zeitfensters in ihrem Zimmer noch über Snapchat mit Freunden schreiben, bevor sie schlafen geht.

22:00-23:00 Uhr: Ausklang des Tages

Die letzten Nachrichten werden über WhatsApp und iMessage verschickt. Es folgt ein letzter Blick auf Instagram, Facebook und YouTube. Über Amazon Alexa werden die Wecker gestellt.

Priya protokolliert ihre Menstruationszyklus-Symptome in der Flo-App und liest anschließend auf ihrem Amazon Kindle.

Beide schauen noch einmal bei BBC News und Daily Mail vorbei und überprüfen über BBC Weather die Wettervorhersage für den nächsten Tag.

Als Paar lassen Priya und Tom den Abend wahrscheinlich mit einer gemeinsam angesehenen Folge einer Serie ausklingen.

23:00-06:30 Uhr: Schlaf

Der Haushalt schläft bis zum nächsten Schul- und Arbeitstag.

Digital jedoch kommt das Haus nicht vollständig zur Ruhe.

Die Ring-Videokamera bleibt im Modell auch nachts aktiv, überwacht Bewegungen am Gebäude und kann Benachrichtigungen auf die Smartphones der Eltern schicken.

Priya trägt ihre Apple Watch auch in der Nacht und zeichnet damit ihren Schlaf auf. Tom trägt seinen Fitbit. Er schläft möglicherweise zu einer Schlafmeditation von Calm ein.

Amazon Alexa bleibt über Nacht eingeschaltet, wartet auf eine Aktivierung und ist bereit, um 6.30 Uhr den Wecker auszulösen.

Und während die gesamte Familie schläft, zeichnet der Smart Meter weiterhin im Abstand von jeweils einer halben Stunde den Energieverbrauch auf.

Dann beginnt der nächste Tag.

Das eigentliche Problem beginnt nach der Datenerfassung

Die Untersuchung bleibt nicht bei der Frage stehen, wie viele Informationen möglicherweise entstehen. Sie hat zusätzlich die Datenschutz- und Nutzungsdokumente der beteiligten Organisationen analysiert.

Von insgesamt 143 betrachteten Organisationen beschreiben die Dokumente bei 118 beziehungsweise 83 Prozent eine mögliche Nutzung von Daten für Marketing oder Werbung. Bei 114 beziehungsweise 80 Prozent wird das mögliche Zusammenführen mit Daten anderer Quellen beschrieben. 109 beziehungsweise 76 Prozent beschreiben Möglichkeiten, Schlussfolgerungen beziehungsweise Profile abzuleiten.

Bei 102 Organisationen beziehungsweise 71 Prozent finden sich Möglichkeiten einer Weitergabe an kommerzielle Partner nach der von der Studie verwendeten Definition. Bei 95 beziehungsweise 66 Prozent ist kein fester Aufbewahrungszeitraum angegeben. Bei mindestens 35 Organisationen beziehungsweise 24 Prozent enthalten die Dokumente zudem eine ausdrückliche Aussage, dass Nutzerdaten zum Training oder zur Verbesserung von KI- beziehungsweise Machine-Learning-Systemen verwendet werden können.

Bei 55 der 143 Organisationen, also 38 Prozent, werden zudem besonders schützenswerte Datenkategorien unter den möglicherweise erhobenen Informationen aufgeführt. Dazu gehören unter anderem Gesundheits- und biometrische Informationen sowie Angaben etwa über politische Auffassungen, Religion oder sexuelle Orientierung.

Das Kleingedruckte ist selbst zu einem Skalierungsproblem geworden

Der vielleicht verständlichste Zahlenvergleich der Untersuchung hat allerdings nichts mit Sensoren oder Kameras zu tun.

Er betrifft das Lesen.

Über die sechs Modellhaushalte hinweg zählt die Untersuchung nach ihren Ein- und Ausschlussregeln 1.195 relevante Dokumenteinträge mit insgesamt mehr als 5,38 Millionen Wörtern. Die Forscher rechnen dabei mit einer Lesegeschwindigkeit von 238 Wörtern pro Minute.

Quelle: Web3 Foundation, Berechnung der Lesezeit mit 238 Wörtern pro Minute.

Ausgerechnet bei der britischen Modellfamilie ist die Belastung am höchsten: 257 Dokumente, fast 1,19 Millionen Wörter und etwa 83 Stunden Lesezeit.

Das wirft eine grundlegende Frage darüber auf, was Transparenz im Datenschutz praktisch bedeutet. Eine Information kann juristisch zugänglich sein. Wenn ein Verbraucher aber mehr als zehn komplette Arbeitstage aufwenden müsste, um die für einen einzigen modellierten Alltag relevanten Dokumente zu lesen, bleibt fraglich, welchen praktischen Wert diese Art der Information für eine alltägliche Entscheidung noch besitzt.

Selbst Schlaf bedeutet keine Datenpause

Besonders wirkungsvoll ist deshalb nicht eine einzelne spektakuläre Datenerhebung, sondern die Summe banaler Situationen.

Wer schläft, benutzt möglicherweise gerade überhaupt keine App. Das Wearable kann trotzdem Herzfrequenz, Schlaf oder andere physiologische Größen messen. Der Smart Meter erfasst weiter den Energieverbrauch. Eine Videotürklingel kann auf Bewegungen reagieren. Das Smartphone bleibt mit dem Mobilfunknetz verbunden. Cloud-Dienste synchronisieren sich. Vernetzte Geräte kommunizieren im Hintergrund. Ein Sprachassistent wartet auf sein Aktivierungswort.

Darin liegt eine wesentliche Botschaft der Studie: Die Vorstellung, Menschen würden Daten hauptsächlich dann preisgeben, wenn sie aktiv einen Dienst benutzen, beschreibt einen vernetzten Haushalt nur noch unvollständig.

Auch "Überwachung" ist hier ein definierter Forschungsbegriff

Die Wortwahl der Studie verdient dabei besondere Aufmerksamkeit. Die Web3 Foundation verwendet "surveillance" ausdrücklich als Arbeitsbegriff für die systematische Erzeugung, Beobachtung, Aufzeichnung oder Ableitung von Informationen über eine Modellperson oder einen Modellhaushalt.

Damit ist ausdrücklich kein juristisches Urteil und kein Vorwurf rechtswidrigen Verhaltens verbunden. Erfasst werden auch Datensätze, die legitimen Zwecken wie Sicherheit, öffentlicher Verwaltung, Dienstleistungen, Handel oder Schutz dienen können.

Ebenso wenig behauptet die Untersuchung, dass jede Möglichkeit, die in einer Datenschutzerklärung steht, bei jedem Anwender tatsächlich ausgeschöpft wird. Eine dokumentierte Berechtigung zeigt zunächst, was ein Unternehmen nach seinen eigenen Unterlagen tun kann oder darf, nicht, dass jede beschriebene Verarbeitung tatsächlich bei jedem Nutzer stattgefunden hat.

Diese Unterscheidung ist für die Interpretation der spektakulären Zahlen entscheidend.

Keine Messung echter Familien

Wer die Ergebnisse zitiert, sollte den vielleicht wichtigsten Absatz der Untersuchung nicht unterschlagen.

Die sechs Haushalte sind Modelle, keine beobachteten Menschen. Sie stellen auch keine statistisch repräsentativen nationalen Durchschnittswerte dar. Ergebnisse hängen von Produktwahl, Gerätekonfiguration, Einstellungen und Opt-outs ab. Zahlreiche Hintergrundprozesse lassen sich überhaupt nicht mit einer seriösen täglichen Zahl versehen und wurden deshalb aus den quantitativen Summen herausgelassen.

Auch ein Ereignis ist nicht automatisch genauso schwerwiegend wie ein anderes. Tausend Herzfrequenzmessungen und ein sensibler Gesundheitsdatensatz lassen sich nicht allein deshalb unmittelbar miteinander vergleichen, weil beide gezählt werden können. Die großen Zahlen messen zunächst Häufigkeiten beziehungsweise modellierte Beobachtungen, nicht die jeweilige Sensibilität oder Schwere eines Vorgangs.

Gerade deshalb ist der Tagesablauf von Priya und Tom so aufschlussreich. Er verschiebt den Blick weg von der abstrakten Behauptung, "das Internet sammle Daten", hin zu einzelnen normalen Augenblicken.

Frühstück. Schulweg. Arbeit. Arzttermin. Einkauf. Hausaufgaben. Abendessen. Fernsehen. Schlaf.

Keiner dieser Momente wirkt für sich genommen wie eine außergewöhnliche Datenpreisgabe.

Erst wenn man alle Systeme nebeneinanderlegt, entsteht das eigentliche Bild.

Nicht ein großer Datensatz, sondern viele kleine Puzzleteile

Der vielleicht wichtigste Gedanke der gesamten Studie steckt deshalb nicht in der höchsten Zahl.

Es ist die Verknüpfbarkeit.

Name, Anschrift, Telefonnummer, Konten, Gerätekennungen oder Fahrzeugdaten können dazu beitragen, Datensätze aus unterschiedlichen Situationen einander zuzuordnen. Telefonstandorte, Kartenanwendungen, Fahrzeugdaten, Kennzeichenerfassungen, öffentliche Kameras und Türklingeln können Bewegungsmuster beschreiben. Smart Meter, Fernsehnutzung, Internetaktivität und Sicherheitssysteme können Hinweise darauf liefern, wann jemand zu Hause oder wach ist.

Banktransaktionen, Bonitätsinformationen, Versicherungsprüfungen, Einkaufswagen und Zahlungsvorgänge können finanzielle Lebensumstände abbilden. Kontaktlisten, Kommunikationszeiten, Gruppenmitgliedschaften und andere Metadaten können soziale Beziehungen sichtbar machen, selbst wenn der Inhalt einer Nachricht verschlüsselt ist.

Was jemand schaut, liest, sucht und kauft, kann wiederum in Interessen- und Zielgruppenmodelle einfließen. Aus vorhandenen Daten können darüber hinaus Vorhersagen oder Kategorien abgeleitet werden.

Die einzelne Spur mag banal erscheinen.

Die Kombination der Spuren ist es nicht.

Was daraus folgen soll

Die Web3 Foundation verbindet die Untersuchung mit der Frage, ob digitale Dienste technisch anders konstruiert werden könnten. Das White Paper schlägt sechs Prinzipien vor.

Dienste sollen nur die Informationen offenlegen beziehungsweise abfragen, die tatsächlich benötigt werden. Für eine Altersprüfung müsste ein Anbieter beispielsweise nicht zwangsläufig das vollständige Geburtsdatum oder eine dauerhafte Kopie eines Ausweisdokuments erhalten, wenn sich lediglich nachweisen ließe, dass die notwendige Altersgrenze überschritten wurde.

Menschen sollen wiederverwendbare digitale Nachweise selbst unter Kontrolle halten können. Berechtigungen sollen klar, spezifisch und einfach widerrufbar sein. Systeme sollen eine Frage nach Möglichkeit beantworten können, ohne dafür den kompletten zugrundeliegenden Datensatz kopieren zu müssen. Interoperabilität sollte nicht automatisch dazu führen, dass immer umfangreichere Profile zusammengefügt werden können. Und Menschen mit geringer praktischer Entscheidungsfreiheit, insbesondere Kinder oder auf bestimmte Gesundheits- und Sicherheitssysteme angewiesene ältere Menschen, sollen zusätzlichen Schutz erhalten.

Das ist zugleich der normative Teil einer Studie, deren Herausgeber selbst eine klare Position zur zukünftigen Architektur des Internets vertritt. Diese Interessenlage gehört zur Einordnung der Ergebnisse dazu.

An der praktischen Frage ändert das wenig.

Eine Familie muss heute keine besonders futuristische Technik verwenden, damit ihr Alltag von zahlreichen digitalen Systemen begleitet wird.

Smartphone und Smartwatch. Schulsystem und Videokamera. Navi und vernetztes Auto. Bank und Bonitätsauskunft. Fernseher und Streamingdienst. Smart Meter und Videotürklingel. Messenger, Social Media, Onlinehandel und Sprachassistent.

Das Außergewöhnliche am modellierten Tag von Priya und Tom ist gerade, wie wenig außergewöhnlich er wirkt.

Und genau darin liegt die Stärke der Untersuchung.

Der digitale Fußabdruck entsteht nicht erst bei einer spektakulären Handlung. Er kann sich über den ganzen Tag aus hunderten und tausenden kleinen technischen Vorgängen zusammensetzen. Während aus Sicht einer Familie einfach ein normaler Dienstag vergeht, können die sie umgebenden Systeme denselben Tag als Folge von Messungen, Gerätekennungen, Bildern, Standorten, Transaktionen, Kommunikationsdaten, Gesundheitsinformationen und Verhaltenssignalen darstellen.

Und am nächsten Morgen beginnt die Aufzeichnung möglicher neuer Spuren wieder von vorn.

Quellen- und Methodikhinweis

Grundlage dieses Beitrags ist das White Paper der Web3 Foundation: Everyday Surveillance: What One Ordinary Day May Reveal About You, Version 1.0, 28. September 2026. Die Veröffentlichung gestattet die Wiedergabe und Weiterverwendung der von der Web3 Foundation erstellten Forschungsergebnisse, Statistiken, Tabellen, Berechnungen und Methodik bei eindeutiger Quellenangabe; Rechte an zitiertem Material Dritter bleiben davon unberührt.

Redaktioneller Hinweis: Tabellen und Tagesablauf wurden für die deutschsprachige Veröffentlichung übersetzt und typografisch für einen Online-Beitrag aufbereitet. Die im White Paper beschriebenen Personen sind Modellpersonen und keine real beobachteten Individuen.