Aufsatz : Ein neues „Datenkartellrecht“ zum Schutz der informationellen Selbstbestimmung im Markt der sozialen Plattformen? : aus der RDV 1/2021, Seite 7 bis 14

I. Einführung

Das Bundeskartellamt hat in seiner Entscheidung gegen Face book die Umsetzung einer „inneren Entflechtung“^[1] beschlossen, da einem „Vorsprung durch Rechtsbruch“ in den Datenschutzerklärungen^[2] begegnet werden müsse. Gegen diese Entscheidung wurde im Rahmen des einstweiligen Rechtsschutzes vorgegangen, und das OLG Düsseldorf hat die Argumentationslinien über das Fehlen einer freiwilligen Einwilli gung und dem bestehenden Missbrauch der marktbeherrschenden Stellung des Bundeskartellamtes verworfen. Diesem Sachverhalt kommt die Besonderheit zu, dass kartellrecht liche Mechanismen zum Schutz des Marktes in einem datenschutz rechtlichen Zusammenhang zum Schutz der in formationellen Selbstbestimmung in einer „Aufmerksamkeits plattform“ eingesetzt werden. Bereits an dieser Stelle wird die Zuständigkeit des Bundeskartellamtes in der Entscheidung des OLG Düsseldorf in Frage gestellt, da behördliche Maßnahmen gegen Datenschutz verstöße in den Zuständigkeitsbereich der Datenschutz behörden fallen würden.^[3] Gleichwohl wird mit der Datenschutz-Grundverordnung (DSGVO) eine Interdependenz zwischen Wettbewerbs- und Datenschutzrecht mit dem Recht auf Datenübertragbarkeit gemäß Art. 20 DS-GVO zur Vermeidung von „lock-in-Effekten“ anerkannt. Ebenso wird Informationen aus personenbezogenen Daten ein wirtschaftlicher Wert spätestens mit dem Nutzen von Profilerstellungen als „Wesensmerkmal der Digitalwirtschaft“^[4] zugesprochen.

Auch wenn das datenschutzrechtliche Schutzgut der informationellen Selbstbestimmung aus Art. 7, 8 GRC^[5] ein differenziertes Regelungsregime umfasst, welches dem Kartellrecht zum Erhalt der freien Märkte gerade fehlt, ist eine Wechselwirkung beider Rechtsgebiete nicht ausgeschlossen. Denn seit dem Volkszählungsurteil des Bundesverfassungsgerichts^[6] geht es bei dem Schutz der personenbezogenen Daten auch um den Schutz des Gemeinwohls. Dies soll durch die folgende, interdisziplinäre Untersuchung zwischen Rechts- und Wirtschaftswissenschaft verdeutlicht werden, mit der ein Bedarf nach einem „Datenkartellrecht“ hergeleitet wird. Dafür werden die wesentlichen Argumentationslinien des OLG Düsseldorf dargestellt und mit einem ökonomischen Blickwinkel erweitert. Dazu gehört, dass die juristische Prämisse einer rationalen „freiwilligen Einwilligung“ gemäß Art. 6, 7 DS-GVO (1.) und die Kausalität zwischen „marktbeherrschender Stellung“ und der „Missbrauch“ dieser gemäß § 19 Abs. 1 GWB (2.) mit einem ökonomischen Modell ergänzt werden sollen. Damit könnte manche Argumentationslinie aus dem Beschluss des OLGDüsseldorf mit einer fachübergreifenden Betrachtung zumindest in Frage gestellt, vor allem aber ein Beitrag zu einem möglichen Bedarf nach einem „Datenkartellrecht“ geleistet werden.

II. Rationalität der Einwilligung – Paradigmenwechsel in der „Rationalitäts-Dogmatik“?

1. Rechtliche Anforderungen gemäß Art. 6, 7 DS-GVO

Das OLG Düsseldorf sieht bei der Erteilung der Einwilligung für die Nutzung von Facebook keine „Zwangssituation“, wie sie das Bundeskartellamt angenommen hat. Nach dem Bundeskartellamt sei die „freiwillige Einwilligung“ infolge eines rationalen Kosten-Nutzen-Kalküls die theoretische Anforderung, der aber faktisch eine Einwilligung unter zwangsähnlichen Bedingungen gegenüberstünde.^[7] Damit wird eine gewichtige Beschreibung der Situation vorgenommen, in der der Nutzer die Facebook-Webseite aufruft, das Interface zur Kenntnis nimmt und sich registriert. Bei diesem Registrierungsvorgang komme der entscheidende „Zwangsmoment“ auf, der in der Einwilligung in die Nutzungsbedingungen einschließlich der Datenschutzerklärung liege und in welchem dem Koppelungsverbot gemäß Art. 7 Abs. 4 DSGVO unzureichend Rechnung getragen werde.^[8] Dieser Sachstand wird vom OLG Düsseldorf allein als datenschutzrechtliches und nicht kartellrechtliches Problem angesehen.^[9] Dem rechtlichen Postulat, dass der Nutzer eine rationale Kosten-Nutzen-Entscheidung durch Lesen der Nutzungsbedingungen mit der Datenschutzerklärung vornimmt, steht eine Realität des schnellen Durchklickens und Abnickens gegenüber. Dieses Realphänomen nimmt das OLG Düsseldorf zum Anlass, dem Nutzer eine gewisse Gleichgültigkeit und Bequemlichkeit hinsichtlich seiner Eigenverantwortung über den Schutz seiner personenbezogenen Daten vorzuwerfen.^[10]

Gleichwohl wird der Bedarf eines Paradigmenwechsel hinsichtlich der Rationalitäts-Dogmatik an dieser Stelle besonders deutlich: Das Nutzerverhalten könnte sich nach Acquisti vielmehr an dem Gratifikationsinteresse der Dienstnutzung orientieren^[11] als an einer vorangegangen Kosten-NutzenAnalyse. Entsprechend bestehen in der rechtswissenschaftlichen Literatur interdisziplinäre Betrachtungen, wonach etwa Eidenmüller die Einbeziehung der „neuen Erwartungstheorie” anregt.^[12] Danach gilt das rationale Kosten-Nutzen-Kalkül als überholt, da die Entscheidung des Nutzers vielmehr an ein nicht rational agierendes System 1 anknüpfe und von den rationalen Kriterien des Systems 2 überstimmt werde.^[13] Insbesondere wird die leichte Beeinflussbarkeit der Nutzerentscheidung durch das Interfacedesign oder sogar dem Einsatz von „Nudging“ dadurch erklärbar, dass der einladende grüne „Registrier -Button“ auf der Facebook- Webseite bei dem Nutzer eine gesteigerte Einwilligungsbereitschaft auslösen kann. Dabei wirken sich Priming- und Framing-Effekte aus, die zu kognitiven Verzerrungen bei der Einwilligungserteilung führen können. Verstärkend wirkt hierbei, dass selbst bei Kenntnisnahme der Datenschutzerklärung dem Nutzer keine reale Verhandlungsmöglichkeit zur Verfügung steht. Insofern lässt sich die Entscheidung, die Datenschutzerklärung nicht zu lesen, als eine rationale Entscheidung einordnen.^[14] Dieses Phänomen wird umso deutlicher, wenn etwa nach der Einwilligungserteilung und intensiven Dienstnutzung eine neue Einwilligung in die datenschutzrechtlichen Nutzungsbedingungen abgefragt wird. In diesem Fall wird der Nutzer wegen einem vorrangigen Nutzungs- und Gratifikationsinteresse die geänderten Nutzungsbedingungen mit hoher Wahrscheinlichkeit „wegklicken“. Folglich erscheint die Argumentation des OLG Düsseldorf und die Auffassung von Körber^[15] unter der Perspektive des rationalen KostenNutzen-Kalküls zwar richtig, wünschenswert wäre aber die Einbeziehung neuer verhaltensökonomischer Untersuchungen über die Einwilligungserteilung von Acquisti und Eidenmüller und eine Abkehr von der „Geringschätzung“^[16] eines überforderten nicht lesenden Nutzers. Ebenso lässt sich mit der Orientierung des Nutzerinteresses an Gratifikationen das Nebeneinander des Interesses am Schutz der persönlichen Informationen und der tatsächlich hohen Einwilligungsbereitschaft er klären.^[17] Denn die Entscheidung über die Einwilligungserteilung knüpft nicht an das Schutzinteresse über persönliche Informationen an, sondern an das Gratifikationsinteresse in Gestalt der Nutzungsmöglichkeiten.^[18]

2. Ökonomische Wirkung der beschränkt rationalen Natur des Menschen

Auf die Einwilligungserteilung können sich ebenso die Nutzer zahlen und Netzwerkeffekte auswirken, wie es das OLG Düsseldorf in seinem Beschluss aufgegriffen hat und bei Face book aufgrund der 50 Mio. Facebook-Nichtnutzer in Deutschland widerlegt hat. Folglich soll diese Auffassung aus ökonomischer Perspektive näher analysiert werden. Dabei ist für die Feststellung des Wirkens von Netzwerkeffekten auf die Rationalität des Nutzers die kritische Masse (einer gewissen Anzahl aktiver Nutzer) maßgeblich und nicht die absolute Anzahl der Nutzer. Dies basiert darauf, dass nur die Entscheidung der kritischen Masse nicht von Externalitäten beeinflusst wird. So kann man bei sozialen Netzwerken, wie etwa Facebook, aufgrund der (selbstverstärkenden) externen Effekte lediglich bei einer kritischen Masse an Nutzern von einem unbeeinflussten Beitritt zur Plattform sprechen. Was wiederum die kritische Masse betrifft, lassen sich plausibel verhaltensökonomische Anreize zum „blinden“ und gratifikationsorientierten Beitritt zu der Aufmerksamkeitsplattform anführen, die jeweiligen Beitritte können sich zudem gegenseitig verstärken. Folglich wirken sich aus ökonomischer Perspektive bei der rationalen Einwilligung des Nutzers subjektiv die Gratifikationen aus, d.h. die sogenannten „salienten Anreize“. Auf der Kostenseite hingegen sieht sich der Nutzer einer vergleichsweise hohen „multiplen“ Unsicherheit gegenüber, die sowohl aus den für den Nutzer nachteiligen Datenschutzerklärungen resultiert, als auch aus den insgesamt für den Nutzer nur schwer abschätzbaren Folgen der rechtfertigenden Einwilligung.^[19] Darüber hinaus führt insbesondere die Zusammenführung der Daten von Facebook und WhatsApp^[20] zu weiteren Problemen: So kann davon ausgegangen werden, dass der Nutzer nicht abschätzen kann, welche Informationen durch die Kombination der vormals getrennten Datenpools und das Betätigen der Funktionsschaltfläche „Gefällt-mir“ entstehen. Diese diffuse Kostenkomponente für den Schutz der Nutzer fällt darüber hinaus erst weit in der Zukunft an, weshalb diese vom Nutzer diskontiert werden. Bei Entscheidungen mit ungewissen, zukünftigen Kosten ist häufig der sogenannte Kurzsichtigkeitseffekt (Myopia) relevant, bei dem die kurzfristigen Gratifikationen gegenüber langfristigen Vorteilen etwa zum Schutz der informationellen Selbstbestimmung zu hohe Bedeutung beigemessen wird.

Demnach kann die Kurzsichtigkeit bei der Einwilligungserteilung auch durch Netzwerkeffekte beeinflusst werden. Ein Netzwerkeffekt liegt dann vor, wenn die Anreize eines Nutzers zum Beitritt mit der Anzahl der bereits aktiven Nutzer steigen. Dabei sind quantitative von qualitativen Netzwerkeffekten zu unterscheiden. Diesbezüglich erscheint der Vergleich des OLG Düsseldorf zwischen der Anzahl von Facebook-Nutzern und Nicht-Facebook-Nutzern^[21] zur Begründung einer Rationalität hinkend, da nicht zwischen den Nutzergruppen differenziert wird. Indem aber gemäß § 18 Abs. 3a Nr. 1 GWB das Wirken von Netzwerkeffekten bei der Begründung einer marktbeherrschenden Stellung anerkannt wird, sind die konkreten Nutzerzahlen näher zu analysieren. Da Facebook selbst seit einigen Jahren keine demographisch aufgeschlüsselten Nutzerzahlen mehr veröffentlicht, stehen hierzu nur Studien von Marktforschungsunternehmen zur Verfügung. Beispielhaft seien eine Studie von Emarketer aus dem Jahr 2019 und der Social-Media Atlas 2020 des Faktenkontors, der seit 2011 jährlich erscheint, herangezogen. Beide Studien sehen Facebook als Marktführer mit deutlichem Nutzerrückgang, kommen in bestimmten Altersgruppen aber immer noch auf eine sehr hohe FacebookNutzung. Emarketer kommt auf 7,2 Millionen aktive Facebook-Nutzer unter den 25-34-jährigen Internetnutzern Deutschlands.^[22] Verglichen mit den demographischen Daten des Statistischen Bundesamts sind dies 68 % der 25-34-Jährigen. Der Social-Media-Atlas 2020 sieht den höchsten Facebook-Nutzeranteil bei den 20-29-jährigen mit 73 % der Internetnutzer in dieser Altersgruppe.^[23] Dabei sei erwähnt, dass diese Zahlen noch nicht die Nutzer von WhatsApp und Instagram einbeziehen, obwohl diese Daten ebenfalls zur Marktmacht von Facebook beitragen. Aus diesen Zahlen kann gefolgert werden, dass Facebook keinesfalls mit seinen Feeds nur eine marginale Rolle für die Selbstbestimmung und Persönlichkeitsentfaltung in dieser Altersgruppe spielt. Folglich kann auch das Argument des OLG Düsseldorf in Frage gestellt werden, dass Nutzer keine zur Deckung des allgemeinen Lebensbedarfs notwendigen Güter nachfragten,^[24] wenn doch die informationelle Selbstbestimmung dem Gemeinwohl dient und mit Facebook der Nutzer persönlichkeits- und meinungsbildende Handlungen vornimmt. Wie gezeigt, kann in diversen Altersgruppen entgegen der Argumentation des OLG Düsseldorf vielmehr von einer Mehrheitsnutzung von Facebook ausgegangen werden.

III. Kausalität zwischen Marktmacht und missbräuchlichem Verhalten

1. Rechtliche Anforderungen gemäß §§ 18, 19 GWB

Die Annahme eines missbräuchlichen Marktverhaltens setzt die Kausalität zwischen Marktmacht und dem Missbrauch die ser voraus, § 19 Abs. 1 GWB. Dabei ist Facebook eine Aufmerksamkeitsplattform auf dem „Markt für soziale Netzwerke“, die sich aufgrund der hohen Nachfrage zu einem marktbeherrschenden Unternehmen mit besonderer Verantwortung entwickelt hat.^[25] Demnach kann die Art der Daten, die Aktualität und der Verwendungszweck der Daten, sowie die Eignung der Daten für die algorithmusbasierte Nutzung zu einer marktbeherrschenden Stellung führen.^[26] Folglich könne nur von einer „Datenmacht“ im Sinne einer marktbeherrschenden Stellung belastbar ausgegangen werden, wenn ein exklusiver Zugang zu Daten besteht oder ein Algorithmus derart verfeinert wurde, dass es möglich wird, sich dem Konkurrenzwettbewerb zu entziehen.^[27] Die Marktmacht wird jedoch nicht anzunehmen sein, wenn die digitalen Märkte jederzeit zugunsten eines neuen Marktteilnehmers kippen können („Tipping“).^[28]Dies kann bei Facebook in Anbetracht eines derzeit fehlenden nationalen und internationalen Konkurrenten ausgeschlossen werden. Weiter wird von Paal hinterfragt, ob sich selbstständig ein Gegengewicht zu Aufmerksamkeitsplattformen mit „besseren“ Algorithmen im Markt entwickeln könne, da aus seiner Sicht eine marktbasierte Lösung erschwert, zu spät oder gar nicht erfolge.^[29] Demnach ist Facebook in seiner derzeitigen Ausgestaltung als marktbeherrschendes soziales Netzwerk im deutschen Markt einzuordnen.

Das Vorliegen der Kausalität zwischen marktbeherrschender Stellung und Missbrauch dieser von Facebook wird in dem Beschluss der OLG Düsseldorf unter Anwendung der strengen Verhaltenskausalität abgelehnt. Danach genüge ein bloßes „informationelles Marktversagen“ oder eine „systematische Informationsasymmetrie“ nicht, um eine Kausalität und damit einen Wettbewerbsverstoß gemäß § 19 GWB anzunehmen.^[30] Vielmehr müsse nachgewiesen werden, dass die rechtswidrigen Datenschutzerklärungen und Nutzungsbedingungen zu einem Missbrauch der marktbeherrschenden Stellung geführt haben.^[31] Jedoch wird gegen diese strenge Verhaltenskausalität angeführt, dass sie nicht den europarechtlichen Anforderungen entspräche und daher die vom BGH in den Entscheidungen VBL 1 und 2 angewendete Ergebniskausalität den Vorzug verdiene.^[32] Bezüglich der Ergebniskausalität ist hervorzuheben, dass sie die Folgen der hohen Einwilligungsbereitschaft einbezieht, auch wenn die Nutzer etwa mit der Zusammenführung von Nutzerprofilen aus Facebook, Instagram und WhatsApp nicht immer einverstanden sein werden. Insofern verwundert es, wenn das OLG Düsseldorf in der Zusammenführung der Mehrdaten kein wettbewerbsschädliches Ergebnis sieht und dem Bundeskartellamt eine substantiierte Darlegung auferlegt.^[33] Denn wie die Profilerstellung bei Facebook für identitätsspezifische Werbemaßnahmen^[34] etwa zur Beeinflussung der Meinungsbildung im Einzelnen erfolgt, wird sich gerade nicht im gerichtlichen Verfahren zwischen dem Bundeskartellamt und Facebook beweisen lassen, da es sich um Geschäftsgeheimnisse und die Geschäftsstrategie von Facebook handle.^[35] Um dennoch Einblicke in den Umfang der Profilerstellungsmöglichkeiten zu erhalten, wird von Paal ein In-camera-Verfahren vorgeschlagen.^[36] Damit könnte etwas Licht in die nebulöse Geschäftspraxis von Facebook und die tatsächlichen Auswirkungen auf das Gemeinwohl etwa über den CambridgeAnalytika-Skandal hinaus gebracht werden. Die Problematik der rechtmäßigen Profilerstellungspraxis verschärft sich, wenn die Anwendung der Datenschutzerklärungen rechtsmissbräuchlich erfolgt. Insoweit lassen sich die BGH-Entscheidungen zu VBL 1 und 2 heranziehen, wonach die Verwendung rechtswidriger AGB-Klauseln zu der Annahme eines Missbrauchs der marktbeherrschenden Stellung führt.^[37] Dass das „Wie“ des Missbrauchs der marktbeherrschenden Stellung für die kartellrechtliche Bewertung aus dem Datenschutzrecht abgeleitet werden kann, wurde nun vom Bundesgerichtshof bestätigt.^[38] Demnach kann ein Konditionenmissbrauch zu einem Ungleichgewicht von Leistung und Gegenleistung führen und dazu beitragen, dass der Marktzugang anderer Unternehmen verhindert werde.^[39] Dies kann sich in Gestalt eines Ausbeutungsmissbrauchs gemäß § 19 Abs. 2 Nr. 2 GWB abbilden und zudem das Wirken von Netzwerkeffekten begünstigen.

Das Phänomen der Beschränkung von Wechselmöglichkeiten des Nutzers zu anderen Plattformen in Gestalt der „lock-in-Effekte” und die Bindung der Nutzer mit Hilfe der Netzwerkeffekte findet mit dem Recht auf Datenübertragbarkeit gemäß Art. 20 DS-GVO einen regulatorischen Anreizmechanismus für den Nutzer, den Dienst zu wechseln und für den Verantwortlichen, eine Wechselmöglichkeit bereit zu halten. Denn mit Art. 20 DS-GVO sollen hohe „Switching costs“ vermieden und ein „Multi homing“^[40] ermöglicht werden, damit dem Mechanismus „The winner takes it all“ etwa bei Facebook^[41] begegnet wird.^[42] Da es sich bei dieser Regelung jedoch um ein neues Betroffenenrecht handelt und eine Kompensation wettbewerbsrechtlicher Verzerrungen sich noch entwickeln müsste, soll der ökonomische Wirkmechanismus zwischen Marktmacht und kausalen Missbrauch dieser nachgezeichnet werden. Dies soll im Folgenden modellhaft im Rahmen der hypothetischen Darstellung eines Als-Ob-Wettbewerbs erfolgen.

2. Ökonomische Begründung der Kausalität zwischen Marktmacht und ihren Missbrauch

Die dargestellten rechtlichen Anforderungen zur Annahme eines missbräuchlichen Marktverhaltens gemäß § 19 GWB setzt den Nachweis der Ergebniskausalität zwischen Marktmacht und deren Missbrauch voraus. Die entscheidenden ökonomischen Argumente für diesen Nachweis werden auf Grundlage eines formalen komparativ-statischen Netzwerkmodells beschrieben. Jeder potentielle Kunde eines sozialen Netzwerks, wie etwa Facebook, wägt dabei zwischen dem persönlichen Vorteil der Aufmerksamkeitsplattform und den erwarteten Kosten der Nutzung und der damit verbundenen Einwilligung gemäß Art. 6, 7 DS-GVO ab.

(Netto)Nutzen des Nutzers[i] = a*h2 –x*cP[i] für n > 0

Gemäß des sogenannten Metcalfeschen Gesetzes ist der durch das soziale Netzwerk generierte Nutzen positiv von der Netzwerkgröße g abhängig (Netzwerkeffekt). Zur Vereinfachung betrachten wir hier zunächst nur quantitative Netzwerkeffekte, also solche, die aus der reinen Anzahl der Nutzer resultieren. In der Realität wird die Attraktivität des Netzwerkes auch maßgeblich durch die Qualität der Kontakte etwa Freunde oder Bekannte bestimmt, welche die „Lock-In-Effekte” verstärken. Der Parameter a > 0 ist ein exogener Attraktivitäts-Parameter, der weitere Einflussgrößen auf den Nutzen, wie etwa Bedienbarkeit und Nutzerfreundlichkeit, beschreibt. Die Kosten der Nutzer hängen dabei von der Intensität der Datenverarbeitung x des Betreibers ab, welche zwischen 0 (vollständiger Verzicht auf die ökonomische Weiterverarbeitung der Daten) und 1 normiert ist (maximal „aggressive” Datenverarbeitung, bei der Nutzerbelange und deren Recht auf informationelle Selbstbestimmung völlig außer Acht gelassen werden). Für den Verantwortlichen bedeutet eine intensivere Datenverarbeitungsstrategie (hierbei kann es auch zu einem Datenschutzrechtsverstoß kommen) einen ökonomischen Vorteil, für den Nutzer hingegen stellt ein hohes x Kosten dar. Diese Kosten können etwa in Gestalt unmittelbarer finanzieller Kosten anfallen oder die Ausübung der informationellen Selbstbestimmung als Ausprägung des Gemeinwohls („psychologische Kosten“) einschränken. Da für den Kunden eine Schätzung der finanziellen Kosten relativ schwierig ist, zumal der Marktwert von Profilen kaum bestimmbar ist, wird hier nur von psychologischen Kosten (cP) ausgegangen. Die Nutzer unterscheiden sich hinsichtlich ihrer „Toleranz“ für die Verarbeitung ihrer personenbezogenen Daten durch den Verantwortlichen. Zur Vereinfachung nehmen wir an, dass sich die Nutzer gleichmäßig über das Intervall cP[i] /Element/ [0,1] verteilen. Man erkennt an dieser formalen Beschreibung der Nutzerentscheidung, dass das Konzept der „Freiwilligkeit“ aus ökonomischer Sicht ein relatives Konzept ist: Der durch die Netzwerkeffekte deutlich erhöhte Nutzen kann relativ leicht die Kosten einer Registrierung bei Facebook übersteigen, insbesondere wenn letztere durch gezielte Intransparenz und manipulatives Interface-Design etwa mit Nudging für den Nutzer schwer zu beziffern sind. Diese Situation kann für den Nutzer in einer Art Angebot münden, das er – mangels Alternativen vergleichbarer Aufmerksamkeitsplattformen (insbesondere bezüglich der Netzwerkgröße) mit einem höheren Datenschutzniveau – nicht ablehnen kann. Insofern stützt dies die vom Bundeskartellamt und nunmehr vom BGH angenommene „Zwangssituation“ des Nutzers. Die Netzwerkgröße g(x) wird dabei durch den sogenannten „marginalen“ oder „kritischen“ Nutzer, der indifferent zwischen Eintritt und Austritt aus dem Netzwerk ist, bestimmt. Die Prämisse der freiwilligen – im Sinne einer rationalen und unbeeinflussten – Entscheidung, wie sie das OLG Düsseldorf vertritt, trifft noch am ehesten für den „marginalen“ oder „kritischen“ Nutzer des Netzwerks zu.

h(x) = 1 – ((x*cP)/a)0,5

Wie sich an der Formel erkennen lässt, steigt die Netzwerkgröße im Attraktivitätsparameter a und sinkt im Kostenparameter cP des marginalen Nutzers. Zudem sinkt die Netzwerkgröße mit steigendem x: Je aggressiver der Verantwortliche die Daten verwendet, desto weniger Nutzer werden dem Netzwerk beitreten. Dies verdeutlicht auch die Analogie elektronischer Märkte zu physischen Gütern in Bezug darauf, dass Daten auf elektronischen Märkten als Preis aufzufassen sind.^[43] Wie hoch der Preis tatsächlich ist, bestimmt sich dementsprechend aus der Datenmissbrauchsentscheidung x durch den Netzwerkbetreiber. Für einen gewinnmaximierenden Verantwortlichen lässt sich x entsprechend der Monopolgewinne (GM) im Maximum ermitteln. Da die Grenzkosten der Bereitstellung auf elektronischen Märkten null betragen, ist der Gewinn mit dem Erlös identisch.

G[M] = xh(x) = x (1 – √cP*x/a)

Durch Nullsetzen der ersten Ableitung lässt sich die Lage des Gewinnmaximums bei xM=4a/9cP bestimmen. Setzt man diesen x-Wert in die Formel für die Netzwerkgröße g(x) ein, dann erhält man eine gewinnmaximierende Netzwerkgröße in Höhe von gM=1/3. Würde der Monopolist komplett auf Datenverarbeitungen verzichten (x=0), dann könnte er die maximale Größe des Netzwerkes ausschöpfen (g=1). Für die Nutzer sind unter dieser Bedingung das Gemeinwohl hinsichtlich des Schutzes der informationellen Selbstbestimmung maximal. Um seinen Gewinn zu maximieren, wählt der Verantwortliche jedoch einen x-Wert in etwa der mittleren Höhe von xM*= 44% (Beispiel für a=1 und cP=1), wodurch insgesamt Zweidrittel der Netzwerkgröße eingebüßt wird. Der hohe Nutzerschwund erklärt sich im Modell maßgeblich durch die Transparenz über die Datenverarbeitungen und Profilerstellungspraxis. In der Realität wird der Verantwortliche zumindest einen Teil des x-Wertes unbeobachtet wählen können, so dass die Nutzer den wahren x-Wert unterschätzen.

a) Disziplinierende Wirkung eines hypothetischen Wettbewerbs

Es stellt sich somit nun die Frage, welches Marktergebnis sich einstellen würde, wenn es zwei Netzwerke gäbe (Als-obWettbewerb) und somit zwei Plattformanbieter um die Nutzer konkurrieren (Duopolwettbewerb). Wir unterstellen, dass die Nutzer umso stärker auf das Konkurrenznetzwerk reagieren, je deutlicher sich dessen Attraktivität von ihrem aktuellen Netzwerk unterscheidet. Für diese Analyse muss die oben beschriebene Gleichung des marginalen Nutzers geringfügig abgewandelt und für beide Verantwortliche aufgesetzt werden, womit wir das folgende Gleichungssystem erhalten.

a*((1 – h1)(1 + x2 – x1)/2)2 = x1cP
a*((1 – h2)(1 + x1 – x2)/2)2 = x2cP

Zum Verständnis reicht es aus, sich nur die Gleichung für Plattformanbieter 1 anzusehen (für Plattformanbieter 2 gilt alles analog). Im Unterschied zum Monopolfall ist hier auf der Nutzenseite der Term (1 + x2 – x1)/2) als Faktor hinzugekommen. Dieser Faktor reflektiert die strategische Abhängigkeit der Strategien von den Plattformanbietern bezüglich der Netzwerkgrößen.

h1(x1, x2) = 1 – (2√cP√x1)/((1 – x1 + x2) √ a)
h2(x1, x2) = 1 – (2√cP√x2)/((1 – x2 + x1) √ a)

Je höher Plattformanbieter 1 seinen x1-Wert wählt, desto kleiner wird sein Netzwerk. Darüber hinaus gilt, dass die eigene Netzwerkgröße in x1 steiler sinkt als im Monopolfall. Daran wird deutlich, dass im Duopolfall der effektive Preis einer intensivierten Datenverarbeitung (etwa in Gestalt eines Datenschutzrechtsverstoßes) für den Plattformanbieter höher ausfällt, da er mit steigendem x nicht nur Nutzer verliert, die diese Höhe von x nicht weiter tolerieren, sondern auch diejenigen, die es zwar tolerieren würden, aber nun das Konkurrenznetzwerk attraktiver finden. Für beide Plattformanbieter lässt sich nun, wie im Monopolfall, der Gewinn und die gewinnmaximale Höhe von x1 bzw. x bestimmen.

G1= x1h1(x1, x2) = x1 (1 – 2√(cPx1)/((1 – x1 + x2)2*a))
G2= x2h1(x1, x2) = x2 (1 – 2√(cPx2)/((1 – x1 + x2)2*a))

Um die gewinnoptimale Datennutzungsstrategie zu bestimmen, wird G1 nach x1 sowie G2 nach x2 abgeleitet und die resultierenden Ableitungen wieder gleich Null gesetzt (sogenannte „Bedingungen erster Ordnung“ für ein Gewinnmaximum). Diese beiden Gleichungen stellen sogenannte Reaktionsfunktionen dar. Abbildung 1 zeigt die Reaktionsfunktionen der beiden Verantwortlichen beispielhaft anhand der Parameterkonstellation a=1 und cP=1. Der Schnittpunkt der beiden Reaktionskurven stellt das sogenannte Nash-Gleichgewicht der Interaktion der beiden Firmen dar. Man erkennt in der Grafik, dass die wechselseitig optimale Strategiewahl ungefähr bei x1 ≈0,1 und x2 ≈0,1 liegt. Da wir auch hier dieselbe Parameterkonstellation für a und cP, wie im Monopolfall gewählt haben wird deutlich, dass die Plattformanbieter im Wettbewerb eine deutlich reduzierte Intensität bei der missbräuchlichen Datenverarbeitung wählen (diese lag im Monopolfall bei 0,44). Daraus folgt, dass Monopolmacht zu einem Missbrauch der marktbeherrschenden Stellung verleitet. Die Stärke des strategischen Effektes beim Wettbewerb hängt, wie bereits erwähnt, maßgeblich von der Transparenz der Aktionen von Plattformanbietern, sowie von den effektiven Wechselkosten der Nutzer ab. Bezüglich letzterer werden die Nutzer nämlich relativ schnell einem „Lock-In-Effekt“ unterliegen. Aus ökonomischer Sicht ist es daher sehr wahrscheinlich, dass sich auf elektronischen Märkten aufgrund von Netzwerkeffekten und idiosynkratischen Wechselkosten ineffiziente Monopole tendenziell „verfestigen“. Darüber hinaus kann eine superiore Datenbasis weitere Wettbewerbsvorteile begründen und damit eine effektive Markteintrittsbarriere darstellen.

Reaktionsfunktionen der Verantwortlichen Netzwerkbetreiber

b) Abwärtsgerichtete Marktdynamik und rechtswidrige

Datenschutzerklärungen als Wettbewerbsvorteil

Das Netzwerkmodell hat gezeigt, dass eine höhere Marktmacht mit einem höheren Anreiz zu missbräuchlichem Verhalten verbunden ist, wie es sich etwa bei der Anwendung weitgehender Nutzungsbedingungen und Datenschutzerklärungen widerspiegeln kann. Aber auch die Kausalität in die Gegenrichtung ist von ökonomischer Bedeutung. Durch den Einsatz datenschutzwidriger Nutzungsbedingungen kann sich ein Plattformanbieter Wettbewerbsvorteile verschaffen, die aufgrund der hohen Dynamik der Netzwerkmärkte durch die Konkurrenz kaum aufholbar sind. Besonders ist dies der Fall bei neuen Plattformen hinsichtlich des aktuell gebotenen Datenschutzrechts sowie der Entwicklung des Datenschutzniveaus über die Zeit hinweg. Unter der Annahme, dass der Schutz der informationellen Selbstbestimmung ein Entscheidungskriterium des Nutzers ist, hat der Plattformbetreiber Anreize, das Datenschutzniveau der Plattform etwa mit Interface-Design zu beschönigen. Tatsächlich profitiert der Plattformanbieter jedoch vom schnellen Markteintritt und späterer Monetisierung der erlangten Daten durch personalisierte Werbung. Dabei erleichtert die Marktmacht, wie dargestellt, die nachträgliche Zweckänderung der Datenverarbeitung gemäß Art. 6 Abs. 4 DS-GVO, so dass sich der Schutz für die informationelle Selbstbestimmung verschlechtern kann. Diese strukturellen Informationsasymmetrien führen analog zum Modell von Akerlof^[44] zu einem Marktversagen, d.h. zu einer Verschlechterung der Nutzungsbedingungen einschließlich der Datenschutzerklärungen mit fortschreitender Zeit.

IV. Fazit

Der Beschluss des OLG Düsseldorf scheint zunächst die rechtlichen Möglichkeiten mit einer formaljuristischen Betrachtung über die rationale freiwillige Einwilligung und die strenge Verhaltenskausalität ausgeschöpft zu haben. In Anbetracht eines fortbestehenden Bedarfs nach einem effektiven Datenschutz, der auch die ökonomischen Wirkmechanismen bei einer bestehenden „Datenökonomie” aufgreift, erscheint dieser Beschluss zunächst enttäuschend. Vielmehr wird mit dem Beschluss des OLG Düsseldorf und seiner Resonanz in der Literatur deutlich, dass die bisherigen rechtlichen Wirkmechanismen nicht ausreichen. Die Risiken gegenüber dem Schutz der informationellen Selbstbestimmung und der Meinungsfreiheit verlangen möglicherweise einen weitergehenden Schutzkanon. Dabei wäre eine differenzierte Ausweitung des rechtlich-ökonomischen Schutzregimes über Art. 20 DS-GVO hinaus wünschenswert, um dem Gemeinwohlcharakter des Schutzes der informationellen Selbstbestimmung gerecht zu werden. Dabei könnten die Maßgaben aus Art. 12-14 DS-GVO erweitert und eine „contra proferentem“-Regel entsprechend zu § 307 Abs 2 BGB eingeführt werden. Weiter sollten bei der Einwilligung in die Datenschutzerklärungen die verantwortlichen Stellen etwa durch ein entsprechendes Interfacedesign gehalten sein, eine echte Wahlmöglichkeit in Anbetracht der Risiken für die informationelle Selbstbestimmung zur Verfügung zu stellen. Daneben wäre die Änderung der „privacy by design“- und Zertifizierungsvorgaben gemäß Art. 25, 42 DS-GVO von einer Soll- in eine Muss-Vorschrift geeignet, um im Markt einen Anreiz für Dienste und Produkte mit einem hohen Datenschutzniveau zu schaffen. Insofern lässt sich folgern, dass das Datenschutzrecht mit Rechtsregeln erweitert werden könnte, die die beschriebenen ökonomischen Wirkmechanismen einbeziehen.

_{[1] Mundt, Die Facebook-Entscheidung des Bundeskartellamtes, NZKart 2019, 117.}

_{[2] Körber, Die Facebook-Entscheidung des Bundeskartellamtes – Machtmissbrauch durch Verletzung des Datenschutzrechts? NZKart 2019, 189.}

_{[3] OLG Düsseldorf, Beschluss v. 26.08.2019 – VI Kart 1/19 (V), S. 15.}

_{[4] Paal/Hennemann, Big Data as an Asset – Daten und Kartellrecht, Abida, 2018, S. 12.}

_{[5] Der Begriff des deutschen Grundrechts der informationellen Selbstbestimmung wird hier für den Schutzgehalt des europäischen Datenschutzgrundrechts aus Art. 7, 8 GRC verwendet, da die Schutzausrichtung damit deutlicher wird.}

_{[6] BVerfGE 65, 1}

_{[7] Bundeskartellamt, Beschl. v. 09.02.2019 – B6-22/16, Rn. 530.}

_{[8] Vgl., Paal/Hennemann (Fn. 4), S. 41 f.}

_{[9] OLG Düsseldorf (Fn. 3), S. 27}

_{[10] Ibid., S. 10.}

_{[11] Acquisti, ACM 2004, 21 (25).}

_{[12] Eidenmüller, Liberaler Paternalismus, JZ 2011, 814, 816; vgl. auch Hermstrüwer, Informationelle Selbstgefährdung, 2016, S. 130 f.; van Aaken, in: Kirste (Hrsg.), Interdisziplinarität in den Rechtswissenschaften, 2016, S. 187, 189 f.}

_{[13] Kahnemann, Schnelles Denken, langsames Denken, 2012, S. 33 ff}

_{[14] Vergleiche etwa Paal/Hennemann (Fn. 4) 28; Ben-Shahar, The Myth of the Opportunity to Read, ERCL 2009, 1; McDonald/Cranor, The Cost of Reading Privacy Policies (2008) 4 Isjlp 543; Jensen/Potts, Privacy Policies as Decision-Making Tools: An Evaluation of Online Privacy Notices, Proceedings of the sigchi conference on human factors in computing systems (Association for Computing Machinery 2004); Fabian/Lentz, LargeScale Readability Analysis of Privacy Policies, Proceedings of the international conference on web intelligence (Association for Computing Machinery 2017).}

_{[15] Körber, (Fn. 2), 192.}

_{[16] Haus/Cesarano, Mehr-Daten für Facebook, NZKart 2019, 637}

_{[17] Mit dem Gratifikationsinteresse als Bestandteil der Entscheidung des Nutzers lässt sich das „privacy paradox“ in Frage stellen, vgl. Hermstrüwer/Dickert, Tearing the Veil of Privacy Law, 2013, S. 24.}

_{[18] Hermstrüwer, Contracting Around Privacy: The (Behavioral) Law and Economics of Consent and Big Data, JIPITEC 2017, 9.}

_{[19] Engels/Grunewald, Das Privacy Paradox: Digitalisierung versus Privatsphäre, IW-Kurzberichte 57. 2017, Institut der deutschen Wirtschaft, Köln.}

_{[20] Bundeskartellamt, (Fn. 7), Rn. 498}

_{[21] OLG Düsseldorf (Fn. 3), S. 28.}

_{[22] Vgl. www.emarketer.com/content/facebook-losing-users-in-germanyand-france-faster-than-anticipated/, abruf am 16.01.2021.}

_{[23] Vgl. www.faktenkontor.de/pressemeldungen/facebook-faellt-frei-marktanteil-stuerzt-auf-historisches-tief/, abruf am 16.01.2021.}

_{[24] OLG Düsseldorf (Fn. 3), S. 28.}

_{[25] Mundt (Fn. 1).}

_{[26] Paal/Hennemann (Fn. 4), S. 50}

_{[27] Ibid., S. 51 f}

_{[28] Paal, Missbrauchstatbestand und Algorithmic Pricing, GRUR 2019, 43, 46.}

_{[29] Ibid, S. 46 m.w.N.}

_{[30] OLG Düsseldorf (Fn. 3).}

_{[31] Körber (Fn. 2), 193}

_{[32] Haus/Cesarano (Fn. 16), 643.}

_{[33] OLG Düsseldorf (Fn. 3), S. 9.}

_{[34] Bundeskartellamt, (Fn. 7), Rn. 43 ff.}

_{[35] Paal/Hennemann (Fn. 4), S. 57 f.}

_{[36] Ibid., S. 53.}

_{[37] BGHZ, Urt. v. 24.01.2017 – KZR 47/14; BGH Urt. v. 06.11.2013 – KZR 61/11.}

_{[38] BGH, Beschl. v. 23.06.2020 – KVR 69/19; Paal, (Fn. 25), S. 50.}

_{[39] Paal/Hennemann (Fn. 4), S. 55.}

_{[40] OLG Düsseldorf (Fn. 3), S. 25 f.}

_{[41] Mohr, Kartellrechtlicher Konditionenmissbrauch durch datenschutzwidrige allgemeine Geschäftsbedingungen, EuZW 2019, 265, 267 f.}

_{[42] Zur Marktzutrittshürde vgl. OLG Düsseldorf (Fn. 3), S. 34.}

_{[43] Daten als „hedonischer Preis, also eine Art Währung“, Dewenter 2016, S. 237; der „Nutzer bezahlt mit seinem Nutzungsprofil“, vgl. Jentzsch, DIW 2014, S. 794.}

_{[44] Akerlof, The Market for „Lemons“: Quality Uncertainty and the Market Mechanism, (1970) 84 The Quarterly Journal of Economics 488; Zander/ Steinbrück/Birnstill, Game-theoretical Model on the GDPR, Market for Lemons?, JIPITEC 2019, S. 200 ff.}