Riskante Retweets: "Predictive Risk Intelligence" und Interessenvertretung in globalen Wertschöpfungsnetzwerken

Abstract

Soziale Medien spielen eine paradoxe Rolle für Interessenvertretung in globalen Wertschöpfungsnetzwerken. Zum einen bieten Social-Media-Plattformen Arbeitnehmer*innen und Gewerkschaften die Möglichkeit der Mobilisierung über geografische und institutionelle Distanzen hinweg. Zum anderen lassen diese Plattformen aber auch zu, dass Dritte die digitalen Spuren dieser Kommunikation über Interessenvertretung (z. B. Tweets) extrahieren und verarbeiten. Ziel dieses Beitrages ist es, eine Form dieser Verarbeitung - "Predictive Risk Intelligence" - als neuen Forschungsgegenstand einzuführen. Anbieter von Predictive Risk Intelligence erstellen, basierend auf Social-Media-Daten, Vorhersagen über Ereignisse wie Streiks und Proteste. Diese Vorhersagen stellen sie anderen Akteuren - beispielsweise Unternehmen - als Dienstleistung zur Verfügung. In diesem Beitrag nähern wir uns dem neuen Forschungsgegenstand über eine Fallstudie zu einem Anbieter dieser Dienstleistung. Ausgehend von der Fallstudie entwickeln wir eine Reihe an Forschungsfragen in Bezug auf etablierte und neue Akteure der Interessenvertretung in Wertschöpfungsnetzwerken. Abschließend diskutieren wir Lösungsansätze für methodische Herausforderungen des neuen Forschungsgegenstandes.

Social media play a paradoxical role in matters of interest representation in global value networks. On the one hand, social media platforms offer workers and trade unions the opportunity to move across geographical and institutional borders. On the other hand, these platforms also allow third parties to extract and process the digital traces of this communication about interest representation (e.g. in Tweets). The aim of this paper is to introduce a specific form of processing - "Predictive Risk Intelligence" - as a new object of research. Predictive Risk Intelligence providers use social media data to forecast occurrences such as strikes and protests. They put these predictions at the disposal of other actors - for example, companies - as a service. In this paper, we approach the phenomenon of Predictive Risk Intelligence by means of the case study of a provider of these services. Based on this case study, we develop a set of research questions relating to established and new actors in the field of interest representation in value networks. Finally, we discuss possible solutions for methodological challenges of the new object of research.