Algorithmen im Wirtschaftsrecht

S. 1921. Einleitung

Algorithmen sind – vereinfacht gesagt – darauf programmiert, Gesetzmäßigkeiten, Korrelationen oder Abweichungen von bestimmten Mustern in Daten zu erkennen, um darauf aufbauend vorher (mehr oder weniger) definierte Schlüsse ziehen zu können. Je mehr Daten zur Verfügung stehen, desto treffsicherer ist der Algorithmus. Daten sind demnach das „Rohmaterial“, das durch den Algorithmus veredelt wird. Man spricht in diesem Zusammenhang auch von „data mining“, also vom „Schürfen“ von Daten. Dieses Bild ist aus zweierlei Sicht passend. Einerseits müssen die Daten erst „gesichtet“, „ausgesiebt“ und auf passende Muster hin untersucht werden. Gelingt dies, eröffnen sich auf Grund der immer höheren Rechenleistungen der Systeme ungeahnte neue Möglichkeiten. „Daten“ sind damit andererseits das neue „Gold“, das es zu schürfen gilt.

Bevor man Daten schürfen kann, muss man sie allerdings erst haben. Viele Unternehmungen haben daher inzwischen ihr Geschäftsmodell darauf ausgelegt, in den Besitz möglichst vieler Daten zu gelangen. Durch bestimmte Anreizmodelle sollen Kund:innen, Lieferant:innen und sonstige Geschäftspartner:innen dazu angehalten werden, mehr oder weniger bereitwillig ihre Daten preiszugeben. Die Social-Media-Konzerne haben diese Praxis perfektioniert. Die Datenschutzgrundverordnung (DSGVO) setzt dem inzwischen allerdings Grenzen. Der Zugang zu Daten, mit denen in weiterer Folge Algorithmen gefüttert werden, stellt sich in der Praxis oft schwierig dar.

Vor diesem Problem stehen die Träger der österreichischen Sozialversicherung nicht. Es gibt kaum eine andere Einrichtung in Österreich, die über einen vergleichbar umfassenden Datenpool verfügt. Allenfalls die Finanzämter können sich noch messen, weshalb es auch kein Zufall ist, dass der Gesetzgeber gerade zwischen diesen beiden Einrichtungen den Austausch von Daten forciert. Jede:r Erwerbstätige, unselbständig oder selbständig, ist in Österreich pflichtversichert, entweder in Form einer Vollversicherung oder einer Teilversicherung. Hinzu kommen die mitversicherten Angehörigen und die freiwillig Versicherten. Das bedingt, dass nahezu 99,9 % der gesamten Wohnbevölkerung Österreichs krankenversichert sind. Die Einbeziehung in die gesetzliche Pflichtversicherung hat S. 193zur Folge, dass bestimmte Daten gegenüber dem Versicherungsträger offengelegt werden müssen. Gem § 33 ASVG sind bspw bei der Anmeldung zur Sozialversicherung Name und Versicherungsnummer, das Geburtsdatum der beschäftigten Person sowie die Beitragsgrundlage, also das Entgelt, bekanntzugeben. Leistungsanträge in der Kranken-, Pensions-, Unfall- oder Arbeitslosenversicherung setzen zusätzliche Informationen, wie Diagnosen, Versicherungsverläufe, Beitragszeiten, Anzahl der Kinder etc voraus. Das AMS ist bspw gem § 25 AMSG berechtigt, neben den Stammdaten der Arbeitssuchenden auch Daten über Beruf und Ausbildung, die wirtschaftlichen Rahmenbedingungen, inklusive Familienstand, außerordentliche Aufwendungen oder Beihilfenbezüge, oder den Gesundheitszustand des/der Arbeitssuchenden zu erfassen.

Hinzu kommt, dass diese für das Sozialversicherungsverhältnis relevanten Daten zentral verwaltet werden. Gem § 30c Abs 1 Z 2 ASVG gehört es zur Aufgabe des Dachverbandes der österreichischen Sozialversicherungsträger, eine zentrale Anlage zur Aufbewahrung und Verarbeitung der für die Versicherung bzw den Leistungsbezug bedeutsamen Daten aller nach dem ASVG oder nach einem anderen Bundesgesetz versicherten Personen oder Leistungsbezieher:innen einzurichten und zu führen. Die Verwaltung dieser Daten geschieht einheitlich auf elektronischem Weg. Für den gesamten Vollzugsbereich der Sozialversicherung gilt ein einheitliches elektronisches Verwaltungssystem namens ELSY. Gem § 31a Abs 1 ASVG hat ELSY die Verwaltungsabläufe zwischen Versicherten, Dienstgeber:innen, Vertragspartner:innen und diesen gleichgestellten Personen sowie Sozialversicherungsträgern zu unterstützen, und zwar so, dass die von den Sozialversicherungsträgern zu vollziehenden Gesetze weitgehend ohne papierschriftliche Unterlagen, sprich vollelektronisch, vollzogen werden können. Daneben hat der Dachverband auch noch die sog elektronische Gesundheitsakte, kurz ELGA, zu führen. Dort werden alle maßgeblichen Gesundheitsdaten, wie zB Impfzertifikate, elektronisch gespeichert, soweit der/die Versicherte dem nicht widerspricht.

Die österreichische Sozialversicherung sitzt also bildlich gesprochen auf einem unvorstellbar großen elektronischen Datenschatz. Dieser speist sich neben den Daten der Versicherten auch aus Informationen über Dienstgeber:innen, Vertragspartner:innen, wie Ärzt:innen und Krankenanstalten, und sonstige Dienstleister:innen, wie Wahlärzt:innen und dergleichen. Hält man sich dies vor Augen, so wird einem klar, dass die österreichische Sozialversicherung über ideale Voraussetzungen verfügt, um mittels Algorithmen Daten schürfen zu können. Es überrascht daher nur wenig, dass diese Möglichkeit in der Praxis auch tatsächlich genutzt wird.

S. 1942. Beispiele für den Einsatz von Algorithmen im Sozialversicherungsrecht

2.1. Die Vertragspartnerkontrolle und -analyse

Gem § 32h ASVG besteht eine gesetzliche Verpflichtung der Krankenversicherungsträger, die sog „Vertragspartner-Regelungen“, das heißt die rechtlichen Beziehungen zwischen den Sozialversicherungsträgern und Gesundheitsdienstleister:innen, einer „strukturierten Analyse“ zu unterziehen. Ziel dieses Vertragspartnercontrollings ist es, die unterschiedlichen Kennzahlen und verschiedenen Honorierungssysteme vergleichbar zu machen, um so ihre Anreiz- und Steuerungswirkung überprüfen zu können. Es handelt sich um einen Mosaikstein im Rahmen der sog „Zielsteuerung–Gesundheit“, die im Wesentlichen eine Steuerung der Finanzströme und vor allem eine Kontrolle der Ausgaben im Gesundheitswesen ermöglichen soll.

Neben dieser generellen Vertragspartneranalyse trifft die Krankenversicherungsträger seit jeher auch die Verpflichtung, zu kontrollieren, ob Leistungen von den Vertragspartner:innen im Einzelfall auch tatsächlich entsprechend den vertraglichen Vereinbarungen abgerechnet werden. Näheres dazu regeln die Gesamtverträge. Die Abrechnung selbst hat gem § 340a ASVG elektronisch zu erfolgen. Diese Kontrollpflicht der Krankenversicherungsträger bzw das korrespondierende Recht zur Kontrolle der Vertragspartner:innen ergibt sich zwar dem Grunde nach bereits aus den Gesamtverträgen selbst und ist der sparsamen und rechtmäßigen Verwendung der Versichertengelder geschuldet. Dennoch hat der Gesetzgeber im Jahr 2015 eine dezidierte Rechtsgrundlage für derartige Vertragspartnerkontrollen geschaffen, die explizit auch alle Gesundheitsdienstleister:innen mit einschließt, die zwar selbst in keinem Vertragsverhältnis stehen, für deren Leistungen die Krankenversicherungsträger aber Kostenerstattung gewähren müssen. Gem § 32a ASVG trifft die Versicherungsträger nunmehr die ausdrückliche Verpflichtung, die rechtskonforme sowie die gesamt- und einzelvertragskonforme Vorgehensweise der Vertragspartner:innen zu überprüfen. Zu diesem Zweck dürfen sie auch eigens hierfür ausgestellte Test-e-cards verwenden. Auf diesem Weg sollte die umstrittene Praxis, mit Hilfe von „mystery checks“ vertragswidrige Praktiken aufzudecken, legalisiert werden. Diese „mystery checks“ S. 195dürfen jedoch nur stichprobenweise oder bei einem „begründeten Verdacht“ eingesetzt werden. Wie der Krankenversicherungsträger zu diesem „begründeten Verdacht“ kommt, lässt der Gesetzgeber offen. Typischerweise werden es Auffälligkeiten bei der elektronischen Abrechnung, wie die massive Überschreitung von Durchschnittswerten, sein, die zu einem solchen Verdacht führen. Derartige Abweichungen von der Norm lassen sich besonders gut und effizient mit Hilfe von Algorithmen aufdecken.

2.2. Das Risiko- und Auffälligkeitsanalysetool

Ein anderes Beispiel für den Einsatz von Algorithmen im Sozialversicherungsrecht ist das sogenannte „Risiko- und Auffälligkeitsanalysetool“ der Krankenversicherungsträger, kurz „RAT“, das im Jahr 2015 erstmals gesetzlich verankert wurde. Gem § 42b ASVG haben die Krankenversicherungsträger mit dem Ziel, Versicherungsmissbrauch zu vermeiden, eine Risiko- und Auffälligkeitsanalyse im Dienstgeber:innen- und Dienstnehmer:innenbereich durchzuführen. Zu diesem Zweck werden bestimmte Dienstgeber:innen- und Dienstnehmer:innendaten systematisch gescreent. Ziel dieser Analyse ist es, im Dienstgeber:innenbereich Schwarzarbeit, Scheinanmeldungen, Insolvenzen sowie Melde- und Beitragsmalversationen aufzudecken. Im Dienstnehmer:innenbereich geht es vor allem darum, Krankenstandsmissbrauch zu erkennen, indem Dienstnehmer:innendaten auf die mögliche missbräuchliche Inanspruchnahme von Leistungen aus dem Versicherungsfall der Krankheit, den missbräuchlichen Bezug von Heilmitteln, Heilbehelfen und Hilfsmitteln sowie die missbräuchliche Verwendung der e-card hin untersucht werden. Diese Screeningmöglichkeit besteht unabhängig davon, ob ein begründeter Verdacht vorliegt. Sie ist als vorbeugendes Instrument konzipiert, das im Hintergrund stets mitläuft. Die Daten, die zu diesem Zweck untersucht werden dürfen, sind in der Anlage 14 zum ASVG angeführt. Die Krankenversicherungsträger können sie aus ihrem bestehenden Datenpool auslesen. Im Dienstgeber:innenbereich zählen dazu die Stammdaten, Beitragskontodaten, GPLA-Daten, Prüfakte-Daten, Beitragsabrechnungsdaten, ÖNACE-Daten und Meldedaten. Im Dienstnehmer:innenbereich können die Krankenversicherungsträger auf alle Stammdaten und Versicherungsdaten zugreifen. Der Gesetzgeber hat den Krankenversicherungsträgern darüber hinaus aber auch die Tür zu den Umsatzsteuerdaten der betreffenden Unternehmen geöffnet. Gem § 42b Abs 3 ASVG sind die Abgabenbehörden des Bundes verpflichtet, den KrankenS. 196versicherungsträgern zur Durchführung der gebotenen Risiko- und Auffälligkeitsanalysen die Daten der Umsatzsteuer zu übermitteln. Auf diese Weise soll die Möglichkeit geschaffen werden, jene Unternehmen herauszufiltern, die zwar eine große Anzahl an Dienstnehmer:innen zur Sozialversicherung anmelden, de facto aber keine Umsätze machen und damit im Verdacht stehen, bloße Scheinfirmen zu sein. Auch im Rahmen der Risiko- und Auffälligkeitsanalyse gem § 42b ASVG geht es also im Wesentlichen darum, mittels Algorithmen Abweichungen von der Norm zu identifizieren, um so möglichst frühzeitig zum Schutz der Finanzgebarung der Sozialversicherungsträger Sozialmissbrauch aufdecken zu können.

Der Einsatz von Algorithmen zur Vertragspartnerkontrolle sowie zur Auffälligkeitsanalyse im Dienstgeber:innen- und Dienstnehmer:innenbereich ist seit Jahren gelebte Praxis in Österreich. Die Öffentlichkeit hat davon bis dato freilich kaum bis gar nicht Notiz genommen. Dasselbe gilt für die Wissenschaft, die bisher nur wenig Interesse für diese Instrumente gezeigt hat.

2.3. Das Arbeitsmarktchancen-Assistenz-System

Ganz anders ist die Situation beim Arbeitsmarktchancen-Assistenz-System, kurz AMAS, des Arbeitsmarktservice (AMS), bei dem mit Hilfe eines Algorithmus die Wiedervermittlungschancen arbeitsloser Klient:innen bewertet werden. Das öffentliche Interesse an diesem Instrument ist groß. Es hat eine allgemeine und kontroverse Debatte über den Einsatz von Algorithmen in der Verwaltung ausgelöst. Auch die Gerichte mussten sich bereits mit dem AMAS und der Frage seiner Rechtmäßigkeit auseinandersetzen.

Das AMAS ist ein Instrument, mit dem der Einsatz von Fördermitteln gesteuert werden soll. Abhängig von den konkreten kurz- und langfristigen Reintegrationschancen des/der einzelnen Arbeitslosen werden entweder mehr oder weniger Fördermittel in die Hand genommen. Im Kern geht es also darum, nicht mehr nach dem Gießkannenprinzip, sondern zielgerichtet zu unterstützen, um so die bestehenden notorisch knappen Mittel der Arbeitsmarktverwaltung möglichst effektiv einsetzen zu können. Konkret werden die Arbeitssuchenden von einem Algorithmus in drei Kategorien eingeteilt. Die Differenzierung erfolgt danach, ob die Prognose der Wiedereinstellung als „hoch“, als „mittel“ oder als „niedrig“ eingeschätzt wird. Gefördert sollen vor allem jene werden, die eine „mittlere“ S. 197Chance zur Reintegration in den Arbeitsmarkt haben. Dort, wo die Wiedereinstellungsprognose ohnehin hoch ist oder aber kaum eine realistische Chance besteht, dass die Betreffenden eine neue Arbeit finden, sollen hingegen die Fördermittel mangels Effektivität des Ressourceneinsatzes reduziert werden.

Die Zuordnung der einzelnen Personen zu einer dieser drei Gruppen geschieht anhand bestimmter Merkmale, die sich in der Vergangenheit als maßgeblich für die Wiedereinstellungsprognose erwiesen haben. Zu diesem Zweck werden die beim Dachverband der österreichischen Sozialversicherungsträger gespeicherten Stammdaten sowie eigens vom AMS in der Vergangenheit erfasste Daten analysiert und ausgewertet. Als zentrale Variablen werden in diesem Prozess das Geschlecht, das Alter, die Staatsangehörigkeit, die Ausbildung, das Vorliegen gesundheitlicher Beeinträchtigungen, das Bestehen von Betreuungspflichten, die bisherige Zugehörigkeit zur Berufsgruppe „Produktion“ oder „Dienstleistung“, der bisherige Beschäftigungsverlauf bzw die bisherige Frequenz an Geschäftsfällen, die Geschäftsfalldauer, das regionale Arbeitsmarktgeschehen am Wohnsitz des/der Klienten/Klientin, die bisherige Teilnahme an Fördermaßnahmen sowie die aktuelle Dauer der Arbeitslosigkeit identifiziert und dem Algorithmus als Differenzierungskriterien zu Grunde gelegt. Die einzelnen Variablen sind dabei zum Teil relativ grobschlächtig determiniert. Bei der Variable „Alter“ wird nicht das konkrete Lebensalter des/der Klienten/Klientin berücksichtigt, sondern lediglich eine Einteilung in drei Altersgruppen (jünger als 30, im Alter zwischen 30 und 50 oder älter als 50) vorgenommen. Auch bei der Variable „gesundheitliche Beeinträchtigung“ wird nicht danach differenziert, worin diese besteht. Es wird lediglich erfasst, ob eine solche besteht. Bei der Staatsangehörigkeit wird wiederum lediglich zwischen „Österreich“, „EU“ und „Drittstaat“ unterschieden. Die Variable „Betreuungspflichten“ wird überhaupt nur bei Klientinnen erfasst. Sollten zu gewissen Variablen keine Daten vorliegen, zB auf Grund des noch jugendlichen Alters des Klienten, wird eine Kategorisierung danach vorgenommen, ob der/die Betreffende „Migrationshintergrund“ hat oder erst kürzlich zugezogen ist. Auf diese Weise soll auch für diese Gruppen eine Prognose der Wiedereinstellungschancen errechnet werden.

S. 198Im Rahmen eines Gesprächs mit dem/der Klienten/Klientin werden die einzelnen Variablen abgefragt und ins System eingegeben. Der Algorithmus berechnet dann eine individuelle „Integrationschance“, die maßgeblich für die Zuordnung in eine der drei Kategorien „hoch“, „mittel“, „niedrig“ ist. Wie sich die einzelnen Variablen im berechneten Integrationschancen-Wert niederschlagen, lässt sich nur schwer nachvollziehen, da die Funktionsweise des Algorithmus vom AMS nicht restlos offengelegt wurde. Es scheint jedoch so zu sein, dass ein Alter von über 50, das Vorliegen eines Migrationshintergrundes, das Bestehen von Betreuungspflichten – und damit letztlich das Geschlecht – oder gesundheitliche Beeinträchtigungen eine negative Bewertung zur Folge haben und damit die Wahrscheinlichkeit erhöhen, dass die betreffende Person der Kategorie „mittel“ oder sogar „niedrig“ zugeordnet wird. Die Zuordnung selbst erfolgt nicht automatisch durch den Algorithmus, sondern wird von dem/der zuständigen Sachbearbeiter:in auf Grundlage der berechneten Integrationschance vorgenommen. Zwar kann die/der Sachbearbeiter:in vom errechneten Vorschlag auch abweichen, in diesem Fall muss aber begründet werden, weshalb der/die Klient:in einer anderen Gruppe zugeordnet wird.

3. Zwischenfazit

In der Funktionsweise und auch in der Zielsetzung unterscheidet sich der AMAS-Algorithmus nur wenig von der Vertragspartnerkontrolle der Krankenversicherungsträger sowie dem Risiko- und Auffälligkeitsanalysetool. In allen genannten Fällen soll anhand von „data mining“ sichergestellt werden, dass die begrenzten Mittel der Sozialversicherungsträger effizient eingesetzt werden. Damit soll letztlich das Funktionieren des Gesamtsystems gewährleistet werden, was zweifelsfrei im öffentlichen Interesse liegt und deshalb zuweilen auch als Rechtfertigung für den Einsatz von Algorithmen ins Treffen geführt wird. Dennoch hat erst die kritische Medienberichterstattung über das AMAS zu einer öffentlichen Diskussion darüber geführt, ob im Bereich der Sozialversicherung Entscheidungen auf Basis algorithmisch generierter Grundlagen getroffen werden sollen. Der Grund liegt auf der Hand. Beim AMS-Algorithmus sind erstmals die Versicherten selbst Gegenstand der algorithmischen Entscheidungsfindung. Es geht also nicht mehr bloß um das eher abstrakte Beitrags- und Vertragspartnerrecht, das nur indirekt AusS. 199wirkungen auf die Versicherten hat, sondern es steht erstmals die Frage im Fokus, ob im Einzelfall Fördermittel und damit letztlich auch Leistungen mit Hilfe von Algorithmen zugesprochen werden sollen.

4. Potentiale des Einsatzes von Algorithmen im Sozialrecht

Tatsächlich ist gerade im Leistungsrecht das Potential des Einsatzes von Algorithmen besonders groß. Denn der Anspruch auf Sozialleistungen hängt in aller Regel von der Prüfung einer Vielzahl unterschiedlicher rechtlicher, medizinischer, berufsspezifischer und ökonomischer Voraussetzungen ab. So haben bspw Versicherte aus dem Versicherungsfall der Krankheit Anspruch auf eine Krankenbehandlung. Eine Krankenbehandlung kann gem § 133 Abs 1 ASVG medizinische Hilfe, die Abgabe von Heilmitteln oder Heilbehelfen sein. Gem § 133 Abs 2 ASVG muss die Krankenbehandlung ausreichend und zweckmäßig sein, sie darf das Maß des Notwendigen jedoch nicht überschreiten. Das heißt, der Anspruch auf Krankenbehandlung hängt sowohl von medizinischen als auch von ökonomischen Kriterien ab. Wie dieses Spannungsverhältnis im Einzelfall aufzulösen ist, wird derzeit mittels Richtlinien des Dachverbandes, der sog RÖV und RÖK, vorgezeichnet. Diese Richtlinien bleiben aber naturgemäß ziemlich vage, sollen sie doch möglichst alle erdenklichen Fälle erfassen. Ob eine bestimmte vom/von der Versicherten gewünschte Behandlungsmethode den Grundsätzen der ökonomischen Krankenbehandlung entspricht, ist eine schwierige Einzelfallprüfung, die letztlich vom chef- bzw kontrollärztlichen – nunmehr medizinischen – Dienst zu treffen ist. Gleichzeitig hat die Judikatur aber auch bereits klargestellt, dass durch derartige Richtlinien der Anspruch auf Krankenbehandlung nicht beschränkt werden kann, wenn im Einzelfall der Nachweis gelingen sollte, dass eine konkrete Behandlungsmethode den Anforderungen des § 133 Abs 2 ASVG entspricht. Die Antwort auf die Frage, ob ein Anspruch auf Krankenbehandlung besteht, ist also einzelfallbezogen und damit oft nur schwer prognostizierbar. Die Judikatur zur Inanspruchnahme alternativer, nicht schuldmedizinischer Behandlungsmethoden zeigt dies eindrucksvoll. Algorithmen könnten hier helfen, diesen Prozess zu „objektivieren“, indem sie auf Grund des bestehenden Datenmaterials auswerten, welche Behandlungsmethoden bei welchen Krankheitsbildern und welchen individuellen Voraussetzungen als ausreichend und zweckmäßig, aber als das Maß des Notwendigen nicht übersteigend anzusehen sind.

S. 200Natürlich könnte man mit Hilfe des bestehenden Datenmaterials sogar noch einen Schritt davor ansetzen. Mittels Algorithmen könnte man in den Daten von Versicherten Risikofaktoren frühzeitig erkennen und bei bestimmten Korrelationen prophylaktische Maßnahmen ergreifen. Das könnte zu einer erheblichen Entlastung des notorisch unterfinanzierten Gesundheitssystems führen. Derartige prophylaktische Maßnahmen könnten von der Einladung zu einem ärztlichen Gespräch bis hin zu konkreten Verhaltensanordnungen, wie zB Gewichtsreduktion, gehen. Um diese Maßnahmen mit mehr Effektivität auszustatten, könnte man deren Missachtung auch gleich sanktionieren und zB eine Beitragserhöhung vornehmen, da auf Grund einer zu erwartenden Erkrankung mit Mehrausgaben zu rechnen ist. Über Vergleichbares wurde ja bereits laut nachgedacht. Positive Anreizmodelle wurden im Bereich der Sozialversicherung der Selbständigen bereits implementiert.

Aber auch in der Pensionsversicherung wären die Einsatzmöglichkeiten für Algorithmen mannigfaltig. Das gilt insb im Bereich der Invaliditäts- bzw Berufsunfähigkeitspensionen (§ 254 bzw § 271 ASVG), die ja nur subsidiär zugesprochen werden, wenn keine Rehabilitationsmöglichkeit mehr besteht. Die Antwort auf die Frage, ob eine Pension wegen geminderter Arbeitsfähigkeit oder aber bloß Rehabilitationsgeld aus der Krankenversicherung gebührt, hängt davon ab, ob eine dauernde oder bloß vorübergehende Berufsunfähigkeit bzw Invalidität vorliegt (§ 253f bzw § 270b ASVG). Entscheidend dafür sind wiederum einerseits der Gesundheitszustand des/der Betreffenden, andererseits die noch bestehenden Verweisungsmöglichkeiten auf andere Berufsfelder. Um dies beurteilen zu können, bedarf es derzeit entsprechender medizinischer und berufskundlicher Gutachten. Zu diesem Zweck ist bei der Pensionsversicherungsanstalt gem § 307g ASVG ein eigenes Kompetenzzentrum Begutachtung eingerichtet. Der Einsatz von Algorithmen könnte dieses weitgehend obsolet machen. Mit Hilfe von „data mining“ ließe sich wohl ermitteln, welche Verweisungsberufe mit welchem Gesundheitszustand noch zur Verfügung stehen und ob somit von einer dauernden oder bloß vorübergehenden Arbeitsunfähigkeit auszugehen ist. Aber auch im Pensionsbereich wäre es denkbar, bereits im Vorfeld anzusetzen. Mittels Algorithmen könnte bspw ermittelt werden, ob der/die Versicherte daran mitgewirkt hat, den Eintritt der Arbeitsunfähigkeit zu verhindern. Es könnte bspw ausgewertet werden, wie oft der/die Versicherte Gesundenuntersuchungen in Anspruch genommen hat oder ob er/sie bestimmte Medikamente nimmt, um individuelle Risikofaktoren zu beherrschen. Davon könnte dann der Anspruch auf Pension abhängig gemacht werden.

Der Einsatz von Algorithmen könnte also das bestehende Sozialrecht im Kern revolutionieren. Es stellen sich in diesem Zusammenhang freilich zwei Fragen; S. 201zum einen: Will man das? Und zum anderen: Kann man das? Ersteres muss die Politik beantworten. Letzteres spricht die rechtlichen Grenzen des Einsatzes von Algorithmen im Sozialversicherungsrecht an.

5. Rechtliche Grenzen des Einsatzes von Algorithmen im Sozialversicherungsrecht

5.1. Datenschutzrecht

Rechtliche Grenzen des Einsatzes von Algorithmen ergeben sich zweifelsfrei aus dem Datenschutzrecht. Denn gerade im Sozialversicherungsrecht wird es nahezu immer um das algorithmische Verarbeiten personenbezogener Daten oder sogar besonderer Kategorien personenbezogener Daten, wie bspw Gesundheitsdaten, gehen. Damit ist der Anwendungsbereich sowohl des nationalen DSG als auch der DSGVO, konkret des Art 9, eröffnet. Die Datenschutzbehörde hat aus diesem Grund bereits geprüft, ob der AMS-Algorithmus den Vorgaben des nationalen und unionalen Datenschutzrechtes entspricht, und ist zu dem Ergebnis gekommen, dass dies nicht der Fall sei. Zum einen sei die gesetzliche Grundlage des AMAS zu unbestimmt. Zum anderen sei die Zuordnung von Arbeitslosen zu einer der drei Prognosegruppen mittels eines Algorithmus als unzulässiges „Profiling“ iSd Art 22 DSGVO zu qualifizieren.

Die Notwendigkeit einer hinreichenden gesetzlichen Determinierung leitet die Datenschutzbehörde aus § 1 Abs 2 DSG ab. Da das AMS als „Behörde“ iSd Datenschutzrechts zu qualifizieren sei, dürfe dieses Datenverarbeitungen nur auf Grund von Gesetzen vornehmen, die

Die Voraussetzungen seien im Fall des AMAS nach Ansicht der Datenschutzbehörde nicht erfüllt. Eine explizite Rechtsgrundlage für den Einsatz des AMS-Algorithmus existiere nämlich nicht. § 29 AMSG ordne lediglich an, dass es zu den Aufgaben des AMS gehöre, zur Verhütung und Beseitigung von Arbeitslosigkeit unter Wahrung sozialer und ökonomischer Grundsätze im Sinne einer aktiven Arbeitsmarktpolitik auf ein möglichst vollständiges, wirtschaftlich sinnvolles und nachhaltiges Zusammenführen von Arbeitskräfteangebot und -nachfrage hinzuwirken. Dies ist gem Abs 2 Z 1 vor allem auch durch eine effiziente Vermittlung von geeigneten Arbeitskräften auf offene Arbeitsplätze zu bewerkstelliS. 202gen. Aus dieser Grundsatzbestimmung des § 29 AMSG lasse sich zwar ableiten, dass ein effizienter Ressourceneinsatz bei der Vermittlung arbeitsloser Personen im öffentlichen Interesse sei. Das ergebe sich auch aus der allgemeinen Feststellung des § 31 Abs 5 AMSG, dass das AMS bei allen seinen Tätigkeiten auf die Grundsätze der Sparsamkeit, Wirtschaftlichkeit und Zweckmäßigkeit unter dem Gesichtspunkt der bestmöglichen Erreichung des in § 29 genannten Zieles Bedacht zu nehmen habe. Weder § 29 noch § 31 Abs 5 AMSG ermächtigen das AMS jedoch, diesen effizienten Ressourceneinsatz mit Hilfe von Algorithmen sicherzustellen. Eine solche explizite gesetzliche Ermächtigung setze allerdings der Schutz des Grundrechts auf Datenschutz voraus. Nach der Judikatur des EGMR und VfGH dürfe nämlich ein Eingriff in das Grundrecht auf Datenschutz nur auf Basis einer ausreichend inhaltlich determinierten Rechtsgrundlage erfolgen. Zwar sei das AMS berechtigt, gem § 25 AMSG bestimmte personenbezogene Daten zum Zwecke seiner Aufgabenerfüllung zu verarbeiten. Darin finden sich auch die Variablen des AMAS wieder. Aus der Zulässigkeit der Verarbeitung dem Grunde nach ergebe sich jedoch nicht, dass diese im Konkreten auch durch einen Algorithmus verarbeitet werden dürfen, zumal hier ein „Profiling“ der Betroffenen passiere, das gem Art 22 DSGVO nur unter Beachtung besonderer Kautelen zulässig ist. Genau diese Schutzvorkehrungen seien jedoch im Falle des AMAS nicht getroffen worden. Es handle sich um eine unzulässige, vollautomatische Entscheidungsfindung iSd Art 22 DSGVO. Dem stehe auch nicht entgegen, dass die Letztzuordnung durch den/die zuständige:n Sachbearbeiter:in und nicht durch den Algorithmus selbst erfolge. Es könne nämlich nicht ausgeschlossen werden, dass diese die Vorgaben des AMAS routinemäßig und damit unreflektiert übernehmen; vor allem, wenn man bedenkt, dass in Ostösterreich im Durchschnitt nicht mehr als zehn Minuten für die Beratung der Arbeitssuchenden zur Verfügung stehen. Eine „lückenlose Aufsicht“ der Letztentscheidung durch einen Menschen sei daher nicht sichergestellt.

Diese Argumentation der Datenschutzbehörde hat einiges für sich, vor allem was die Notwendigkeit einer hinreichenden Determinierung jener Rechtsgrundlagen betrifft, auf die der Einsatz von Algorithmen gestützt wird. Das in erster Instanz zuständige BVwG sah das freilich anders. Das BVwG teilte die Bedenken der Datenschutzbehörde in keiner Weise. Ganz im Gegenteil! Weder qualifizierte es § 25 iVm § 29 und § 31 Abs 5 AMSG als zu unbestimmt noch konnte es ein unzulässiges, vollautomatisiertes „Profiling“ erkennen. Vielmehr könne nach Ansicht des BVwG kein Zweifel bestehen, dass die Beurteilung der Wiedervermittlungsschancen eine Datenverarbeitung sei, die im öffentlichen Interesse stehe und den Vorgaben des § 29 Abs 1 sowie § 31 Abs 5 AMSG entspreche. Darüber hinaus sei S. 203das AMS gem § 25 Abs 2 AMSG explizit dazu berechtigt, bestimmte personenbezogene Daten zu verarbeiten. Nach Ansicht des BVwG bestünden daher im vorliegenden Fall „überhaupt keine Bedenken, dass das Arbeitsmarktservice zur Sicherstellung einer ordentlichen Arbeitsmarktpolitik ua die Arbeitschancen von Arbeitssuchenden zu bewerten hat und dazu auch die oben genannten personenbezogenen Daten nach § 25 Abs 1 AMSG verwenden darf“. Dass dies im konkreten Fall vollautomatisch passiere, sei unerheblich, da ja nicht mehr oder andere Daten zum Einsatz kommen würden, als ohnehin vom AMS verarbeitet werden dürften. „Ein […] ‚informationeller Mehrwert‘ einer auf denselben (personenbezogenen) Daten basierenden Beurteilung der Arbeitsmarktchancen, sei es nun automatisiert anhand von Profiling oder nicht automatisiert durch (unterschiedliche) Berater/Beraterinnen kann daher aus datenschutzrechtlicher Sicht“ – so das BVwG wörtlich – „nicht erkannt werden“. Oder anders ausgedrückt: Eine unterschiedliche Beurteilung der Rechtmäßigkeit einer Datenverarbeitung allein wegen der Form ihrer Verarbeitung könne dem geltenden Datenschutzrecht nicht entnommen werden. Darüber hinaus sei das AMAS nicht als unzulässiges „Profiling“ iSd Art 22 zu qualifizieren, denn Art 22 DSGVO wolle nur Entscheidungen verhindern, die ohne jedes menschliche Eingreifen getroffen werden. Das sei beim AMS-Algorithmus nicht der Fall. Nach Ansicht des BVwG handle es sich dabei lediglich um eine „Informationsquelle“. Die Letztentscheidung verbleibe nämlich bei dem/der Sachberater:in. Ferner würden die Sachberater:innen darauf geschult, das Ergebnis mit dem/der Arbeitssuchenden zu erörtern. Dass im Einzelfall Beurteilungen uU unreflektiert übernommen werden, ändere nichts an der grundsätzlichen Rechtmäßigkeit des Systems.

Diese Urteilsbegründung des BVwG lässt einigermaßen verblüfft zurück. Das gilt nicht so sehr in Bezug auf die Frage, ob es sich beim AMAS um eine vollautomatisierte Entscheidung iSd Art 22 DSGVO oder eine solche unter menschlicher Aufsicht handelt. Letztlich ist das eine Einzelfallentscheidung, die auch von Wertungen abhängt; konkret, ob man die Schulungen und internen Anordnungen, die sicherstellen sollen, dass die Chancenbewertung des Algorithmus nur als Orientierung verwendet wird, ausreichen, um von einer „menschlichen“ Entscheidung ausgehen zu können. Fakt ist, dass es offenkundig die Möglichkeit des Sachbearbeiters/der Sachbearbeiterin gibt, von der Zuordnung des Algorithmus abzuweichen. Fakt ist auch, dass die/der Sachbearbeiter:in im persönlichen Gespräch andere Variablen, wie Motivation und Engagement, berücksichtigen darf. Das sind durchaus Faktoren, die dafür ins Treffen geführt werden können, dass es S. 204sich um keine vollautomatische Entscheidung handelt. Kritisch zu sehen ist freilich, dass solche Abweichungen begründet werden müssen. Gerade wenn Zeitdruck besteht, kann das tatsächlich dazu führen, dass man das vorgeschlagene Ergebnis routinemäßig übernimmt. Es wäre sinnvoll, hier entsprechende technische Maßnahmen zu treffen, die das verhindern; zB eine Begründungspflicht, auch wenn der vorgeschlagene Integrationschancen-Wert übernommen wird.

Nicht überzeugend sind hingegen die Ausführungen zur ausreichenden Determinierung der Rechtsgrundlage sowie zur Unerheblichkeit der Verarbeitung der Daten mittels eines Algorithmus, denn die Begründung des BVwG geht am Kern des Problems vorbei. Es ist weder strittig, dass das AMS personenbezogene Daten verarbeiten darf (das ergibt sich unmittelbar aus § 25 AMSG), noch ist in Frage zu stellen, dass die Wiedervermittlungschancen arbeitsloser Personen vom AMS bewertet werden dürfen (dafür lässt sich tatsächlich § 29 AMSG ins Treffen führen). Das Problem ist vielmehr, dass dies durch einen Algorithmus passiert. Dass das BVwG keinen informationellen Mehrwert darin ortet, Daten durch Algorithmen statt von Sachbearbeiter:innen verarbeiten zu lassen, zeugt primär davon, dass sich dieses wohl eher nicht mit der Funktionsweise und den Potentialen von Algorithmen vertraut gemacht hat. Es kann gar kein Zweifel bestehen, dass Algorithmen – abhängig freilich von ihrer Konstruktion und ihrer „Lernfähigkeit“ – ungleich mehr Informationen aus existierenden Daten auslesen können als ein Mensch. Deshalb werden sie ja auch eingesetzt. Ein Mensch wäre gar nicht in der Lage, diese Fülle an Daten zu sichten, geschweige denn zu analysieren und in Beziehung zu stellen. Gerade deshalb hat ja auch der europäische Gesetzgeber mit Art 22 DSGVO klare Vorbehalte gegenüber einer rein automatischen Entscheidungsfindung geäußert. Der Eingriff in das Grundrecht auf Datenschutz ist in diesem Fall ungleich größer als bei Datenverarbeitungen, die von einer Person vorgenommen werden.

Das lässt sich zwanglos daran erkennen, als der Gesetzgeber für ein vollautomatisiertes „Profiling“ besondere Schutzvorkehrungen verlangt, die der Wahrung der Interessen der betroffenen Person Rechnung tragen müssen. Wirkt sich diese Entscheidung auf den Zugang zu Sozialleistungen oder Förderungen im Bereich der Arbeitsmarktverwaltung aus, so sind auch noch andere Grundrechte betroffen. So garantiert Art 29 GRC explizit das Recht auf einen – nach herrschender Lesart diskriminierungsfreien – Zugang zu einem unentgeltlichen Arbeitsvermittlungsdienst. Art 34 GRC anerkennt wiederum allgemein das Recht auf den Zugang zu Leistungen der sozialen Sicherheit bei Krankheit, Pflegebedürftigkeit oder Arbeitsplatzverlust. Und für den Bereich des Gesundheitsschutzes ist mit Art 35 GRC ein spezifisches Recht auf ärztliche Versorgung sichergestellt. S. 205Vor diesem Hintergrund erklärt sich auch, weshalb der neue Vorschlag der Kommission für eine Verordnung zur Festlegung harmonisierter Vorschriften für Künstliche Intelligenz (sog „Gesetz über Künstliche Intelligenz“) KI-Systeme, die den Zugang zu sozialen Dienstleistungen regulieren, als „Hochrisikosysteme“ einstuft. Der Datenschutzbehörde ist daher zuzustimmen, wenn sie einen höheren Determinierungsgrad an die gesetzliche Grundlage anlegt, sobald Algorithmen im Spiel sind. Das ergibt sich nicht nur aus § 1 DSG, sondern auch aus den allgemeinen Grundsätzen für die Verarbeitung personenbezogener Daten gem Art 5 (insb lit b und c) DSGVO.

Dass die Grundsatzbestimmungen des § 29 und des § 31 Abs 5 AMSG als Rechtsgrundlagen für den Einsatz von Algorithmen ausreichen sollen, vermag vor diesem Hintergrund nicht zu überzeugen. Die gesamte öffentliche Verwaltung ist an das Gebot der sparsamen Mittelverwendung gebunden. Im Besonderen gilt das auch für den Bereich der Sozialversicherung. Ließe man das Gebot des ressourceneffizienten Mitteleinsatzes bereits ausreichen, um den Einsatz von Algorithmen zu legitimieren, so könnten in allen Versicherungszweigen Algorithmen darüber entscheiden, ob ein Leistungsanspruch bestehen soll oder nicht. Diesbezüglich besteht kein Unterschied zwischen der Arbeitslosenversicherung und bspw der Krankenversicherung. Umgelegt auf das Risiko- und Auffälligkeitsanalyse-Tool der Krankenversicherung müsste nach der Argumentation des BVwG das Ergebnis lauten, dass es sich auch bei § 42b ASVG um eine ausreichende gesetzliche Grundlage für den Einsatz von Algorithmen handelt, da die Krankenversicherung zum einen dazu berechtigt ist, die in Anlage 14 genannten Daten zu verarbeiten, und zum anderen ein öffentliches Interesse daran besteht, Sozialbetrug zu vermeiden. Das wurde allerdings zu Recht bereits in Frage gestellt, nicht zuletzt deshalb, weil es keinerlei Vorkehrungen gibt, wann und unter welchen Voraussetzungen das Instrument zum Einsatz kommen soll. Oder anders ausgedrückt: Nicht jeder Zweck legitimiert die Mittel. Auch dabei handelt es sich um einen Grundsatz, der unmittelbar aus der DSGVO abzuleiten ist.

5.2. Anti-Diskriminierungsrecht

Neben diesen datenschutzrechtlichen Fragen offenbart die Rechtmäßigkeitsprüfung des AMAS aber vor allem auch diskriminierungsrechtliche Probleme des Einsatzes von Algorithmen, insb des „data mining“. Gerade wenn es um sozialS. 206versicherungsrechtliche Leistungsansprüche geht, müssen oft sensible personenbezogene Daten, wie das Alter, das Geschlecht, der Gesundheitszustand etc, erfasst werden. Diese Kriterien können sich entweder positiv auf den Leistungsanspruch auswirken (so wie das Alter auf den Pensionsanspruch oder die Gesundheit auf den Anspruch auf Krankenbehandlung), sie können aber, wie das Beispiel des AMAS zeigt, auch negative Konsequenzen haben. Denn das Alter, das Geschlecht oder das Vorliegen gesundheitlicher Beeinträchtigung können die Wiedereinstellungsprognose negativ beeinflussen und damit dazu führen, dass die betreffende Person der Gruppe mit „niedrigen“ Integrationschancen zugeordnet wird, was zur Folge hat, dass weniger Fördermittel zum Einsatz kommen. Das ist mit einer Ungleichbehandlung auf Grund bestimmter persönlicher Eigenschaften gleichzusetzen. Man kann auch von einer Diskriminierung sprechen.

Das Anti-Diskriminierungsrecht in Gestalt des GlBG verbietet jedoch gem § 4 Z 1 bzw § 18 Z 1 GlBG unmittelbare und mittelbare Diskriminierungen auf Grund des Geschlechts und anderen in § 17 GlBG genannten Diskriminierungskriterien, ua des Alters und der ethnischen Herkunft, bei der Berufsberatung, Berufsausbildung, beruflichen Weiterbildung und Umschulung außerhalb eines Arbeitsverhältnisses. Eine analoge Regelung enthält § 7a Abs 1 Z 1 BEinstG für den Fall einer Ungleichbehandlung auf Grund einer Behinderung. In seinem III. Teil, also in den § 30 ff, erfasst das GlBG darüber hinaus Diskriminierungen auf Grund des Geschlechts und der ethnischen Zugehörigkeit in Bezug auf den Sozialschutz, einschließlich der sozialen Sicherheit und der Gesundheitsdienste. Fördermaßnahmen des AMS sind daher jedenfalls von den Diskriminierungsverboten des GlBG bzw BEinstG erfasst. Bei ihrer Vergabe darf niemand auf Grund seines/ihres Geschlechts, der ethnischen Herkunft, des Alters oder einer Behinderung diskriminiert werden.

Sowohl das Geschlecht im Zusammenhang mit Betreuungspflichten als auch die Herkunft sowie das Alter und das Bestehen einer gesundheitlichen Beeinträchtigung wirken sich allerdings beim AMS-Algorithmus auf die berechnete Integrationschance aus. Deshalb wurde auch bereits Kritik an der diskriminierenden Wirkung des AMAS geübt. Fraglich ist allerdings, ob es sich dabei auch um eine Diskriminierung im Rechtssinne handelt, denn letztlich hängt der schlussendliche S. 207Integrationswert von einer Vielzahl unterschiedlicher Variablen ab. Eine unmittelbare Diskriminierung setzt allerdings voraus, dass die betreffende Person „auf Grund“ ihrer ethnischen Herkunft oder wegen ihres Geschlechts eine nachteilige Behandlung erfahren hat. Zwar geht der OGH in stRsp davon aus, dass auch dann eine Diskriminierung vorliegt, wenn das geschützte Merkmal innerhalb des „Motivbündels“ eine Rolle spielt, also zumindest mitursächlich war. Gleichzeitig kann aber nach den Bestimmungen des GlBG der Nachweis erbracht werden, dass andere Kriterien für die Ungleichbehandlung ausschlaggebend waren. Was wäre also, wenn dem AMS der Nachweis gelänge, dass eine betroffene Person selbst ohne Berücksichtigung des Geschlechts in die Gruppe mit niedrigen Arbeitsmarktchancen eingereiht worden wäre? Liegt dann gar keine Diskriminierung oder zumindest noch eine mittelbare vor?

Selbst wenn man von einer mittelbaren Diskriminierung ausgeht, so ist damit noch keinesfalls entschieden, dass die Verwendung des AMAS rechtswidrig ist, denn mittelbare Diskriminierungen lassen sich sachlich rechtfertigen. Ist es aber unsachlich, Fördermittel von den realen Verhältnissen am Arbeitsmarkt abhängig zu machen? Hinzu kommt, dass sich eine negative Bewertung auch positiv auswirken kann, da der/die Betroffene dadurch uU der mittleren Gruppe zugeordnet wird. In diesem Fall läge also gar keine Benachteiligung und somit auch keine Diskriminierung vor. Die diskriminierungsrechtliche Erfassung des AMS-Algorithmus mit den Mitteln des GlBG erweist sich somit als schwierig. Das ist zweifelsfrei ein rechtliches Defizit, denn in aller Regel bauen Algorithmen ihre Entscheidungsfindung auf einer Vielzahl unterschiedlicher Kriterien auf.

5.3. Sozialrecht

Freilich wirft die Diskriminierungsproblematik eine viel grundsätzlichere Frage auf: nämlich inwiefern das Abstellen auf die individuelle, persönliche Situation des/der Versicherten mit dem Solidaritätsprinzip der österreichischen Sozialversicherung prinzipiell vereinbar ist. Die österreichische Sozialversicherung fußt auf der Idee, dass die Beitragspflicht, aber auch die Leistungsansprüche unabhängig vom individuellen Risiko bestehen. Vor diesem Hintergrund stellt sich bereits die Frage, inwiefern persönliche Faktoren, wie das Alter, das Geschlecht oder die Staatsbürgerschaft, herangezogen werden dürfen, um Fördermittel zu gewichten. Das AMSG lässt dies bis zu einem gewissen Grad zu. Gem § 31 Abs 3 leg cit sind Leistungen des Arbeitsmarktservice erforderlichenfalls verstärkt für Personen einzusetzen, die entweder wegen ihrer persönlichen Verhältnisse oder ihrer Zugehörigkeit zu einer auf dem Arbeitsmarkt benachteiligten Gruppe bei der ErlanS. 208gung oder Erhaltung eines Arbeitsplatzes besondere Schwierigkeiten haben. Insbesondere ist durch einen entsprechenden Einsatz der Leistungen der geschlechtsspezifischen Teilung des Arbeitsmarktes sowie der Diskriminierung der Frauen auf dem Arbeitsmarkt entgegenzuwirken. Das AMAS wird diesen Anforderungen freilich nur dann gerecht, wenn die persönlichen Variablen zu einer Einordnung in der Gruppe mit „mittleren“ Prognosechancen führt. Variablen wie das Alter, das Geschlecht, eine gesundheitliche Beeinträchtigung oder das Vorliegen eines Migrationshintergrundes können aber ebenso bewirken, dass Personen, die ohnehin schon besondere Schwierigkeiten bei der Erlangung eines Arbeitsplatzes haben, noch weniger Unterstützung erfahren als bisher, weil sie der Gruppe mit „niedrigen“ Integrationschancen zugordnet werden. Genau das untersagt jedoch § 31 Abs 3 AMSG.

Auch im Krankenversicherungsbereich wäre eine Berücksichtigung individueller Risikofaktoren zur Determinierung von Leistungsansprüchen nur in engen Grenzen denkbar, denn das Krankenversicherungsrecht ist de lege lata vom sog „Finalitätsprinzip“ geprägt. Selbst ein schuldhaftes Herbeiführen eines Krankheitsfalles führt nicht zum Leistungsausschluss, jedenfalls soweit es um den Anspruch auf die Sachleistung „Krankenbehandlung“ geht, wie sich im Umkehrschluss aus § 88 ASVG ergibt. Individuelle Risikofaktoren sollen und dürfen sich also gerade nicht auf die Leistungen auswirken. Deshalb sind selbst positive Anreizmodelle, wie sie zuletzt bei der Sozialversicherung der Selbstständigen implementiert wurden, nicht unproblematisch, wenn sie Vergünstigungen für eine „gesunde“ Lebensführung vorsehen.

Einer granularen Berücksichtigung individueller Risikofaktoren durch den verstärkten Einsatz von Algorithmen sind aber nicht nur einfachgesetzliche Grenzen gesetzt. Auch das Verfassungsrecht zieht rote Linien. Nach der Rsp des VfGH ist nämlich der Kompetenztatbestand „Sozialversicherungswesen“ gem Art 10 Abs 1 Z 11 B-VG dadurch gekennzeichnet, dass Risikogemeinschaften gebildet werden, die untereinander eine Solidaritätsgemeinschaft begründen. Eine Differenzierung innerhalb einer Risikogemeinschaft nach „guten“ und „schlechten“ Risiken ist damit nur schwer vereinbar. Der Begriff Risiko- bzw Solidargemeinschaft impliziert vielmehr einen gewissen Ausgleich an Risikofaktoren. Dieses Verständnis des Kompetenztatbestandes „Sozialversicherungswesen“ bindet auch den einfachen Gesetzgeber. Dasselbe gilt in Bezug auf den Gleichheitssatz gem S. 209Art 7 B-VG, der einer Berücksichtigung individueller Risikofaktoren (insb im Leistungsrecht), die von dem/der Versicherten selbst nicht beeinflusst werden können (wie zB Alter, Geschlecht), entgegensteht. Das begrenzt innerhalb des sozialpolitischen Gestaltungsspielraumes des Gesetzgebers die Einsatzmöglichkeiten von Algorithmen im Sozialversicherungsrecht; jedenfalls dann, wenn diese dafür verwendet werden sollen, Leistungsansprüche von individuellen Risikofaktoren abhängig zu machen.

6. Fazit

Zusammengefasst lässt sich festhalten, dass der Einsatz von Algorithmen im Sozial(versicherungs)recht besonders vielversprechend ist, da eine Vielzahl an Daten zur Verfügung steht, die „geschürft“ werden können. Algorithmen können vor allem dabei helfen, den Ressourceneinsatz bei notorisch knappen Mitteln möglichst effizient zu gestalten. Das ist derzeit auch ihr Hauptanwendungsfall. Gleichzeitig handelt es sich bei der gesetzlichen Sozialversicherung aber um einen besonders (grundrechts-)sensiblen Bereich, der eine Schlüsselfunktion hat, um gesellschaftliche Teilhabe zu ermöglichen bzw sicherzustellen. Daraus ist abzuleiten, dass – ganz iS der DSGVO und des Vorschlags der Europäischen Kommission zur Festlegung harmonisierter Vorschriften für Künstliche Intelligenz – spezielle Vorkehrungen zu treffen sind, damit nicht Algorithmen die Notwendigkeit eines gesellschaftlichen Konsenses ersetzen und letztlich darüber entscheiden, wer Zugang zu sozialen Dienstleistungen hat und wer nicht. Folglich ist danach zu differenzieren, in welchen Fällen und zu welchen Zwecken Algorithmen eingesetzt werden. Es macht einen Unterschied, ob mit ihrer Hilfe die Einhaltung des Beitragsrechts kontrolliert wird oder ob sie zur Kategorisierung jener Versicherten verwendet werden sollen, die zB noch ein künstliches Hüftgelenk erhalten. Gerade wenn es um das Leistungsrecht geht, ist auf Grund der multiplen Grundrechtsaffinität von Algorithmen ein strenger Maßstab an die Determinierung ihrer gesetzlichen Grundlage anzulegen. Dieser Anforderung wird das geltende Recht derzeit (noch) nicht gerecht.