Jährlich wird weltweit bei zwei Millionen Frauen Brustkrebs diagnostiziert, über 650'000 sterben daran. Die Soziologin Sophie Mützel hat am Beispiel von neuartigen Therapien mittels «Big Data» untersucht, wie Geschichten für die Entstehung neuer Märkte wesentlich sind.
Sophie Mützel, Sie haben im Rahmen Ihrer vor Kurzem unter dem Titel «Making Sense» (siehe unten) publizierten Studie untersucht, wie wichtig Geschichten für die Entstehung von Märkten sind. Inwiefern interessieren Sie diese Geschichten?
Sophie Mützel:Dieses Interesse hat sich im Soziologiestudium herausgebildet. Die Ökonomie beschäftigt sich mit Fragen der Optimierung von Märkten. Die Wirtschaftssoziologie hingegen beschäftigt sich auch mit kulturellen Aspekten – zum Beispiel wer was erzählt –, die für das Entstehen und Funktionieren von Märkten wichtig sind. Wir sehen auch, welche Rolle Narrationen beispielsweise bei dem letzten «Bank Run» in Kalifornien gespielt haben.
Weshalb schauten Sie sich diese Geschichten ausgerechnet am Beispiel von sogenannten nicht-invasiven, nicht-toxischen Brustkrebsbehandlungen an?
Ich wollte ein Thema mit wichtigen Auswirkungen behandeln. Nicht-invasiv, nicht-toxisch sind sogenannte innovative Behandlungen, die mit Erkenntnissen der molekularen Onkologie arbeiten und bei denen – anders als etwa bei einer Chemotherapie – keine gesunden Zellen zerstört werden. Diese Methoden versprechen Patientinnen eine wirksame Behandlung.
Sie haben dazu Tausende von wissenschaftlichen Berichten, Presseerklärungen und Medienberichten wie auch Branchen- und Finanzanalysen mit grossen computergestützten und qualitativen Text- und Netzwerkanalysen untersucht. Wie haben Sie die Methoden kombiniert?
Mein Untersuchungszeitraum beginnt Ende der 1980er-Jahre, als es nur sehr wenige Firmen gab, die solche innovativen Produkte gegen Brustkrebs entwickelten. Die Pressemitteilungen dieser Firmen sowie die mediale Berichterstattung dazu, von den ersten Entwicklungen bis zur Zulassung
des ersten innovativen Brustkrebstherapeutikums, bilden meinen ersten kleinen Datenkorpus.
Wie ging es weiter?
Ich habe untersucht, welche Firmen welche Forschungsstrategien verfolgen, mit welchen Molekülen sie arbeiten, und auch, wie dies in der medialen Berichterstattung kommentiert wurde. Dabei habe ich für den zeitlichen Verlauf qualitative Verfahren genutzt. Nach der ersten Produktzulassung 1998 habe ich systematisch Berichte von Marktanalysten untersucht, die für potenzielle Investoren Geschichten über mögliche Zukünfte mit erfolgreichen Therapeutika verfassten. In einem dritten Schritt habe ich Zehntausende Zeitungsberichte, wissenschaftliche Artikel und Finanzanalystenberichte in Hinblick auf deren Geschichten über die Zukunft des entstehenden Marktes analysiert. In jedem Schritt waren die Geschichten der Zukunft von Hoffnungen für die Patientinnen (erfolgreiche Behandlung) und für die involvierten wirtschaftlichen Firmen (neue Investitionen, Profite mit neuen erfolgreichen Medikamenten) geprägt.
Bevor es einen Markt gibt, auf dem Therapeutika gehandelt werden, sind die Erwartungen die Produkte, mit denen gehandelt wird.
Was waren Ihre Herausforderungen?
Mein Untersuchungsfeld war gross, mit sehr vielen Texten. Zusätzlich zu der Entwicklung meines soziologischen Modells der Marktentstehung durch das Erzählen von Geschichten über die Zukunft habe ich mir einerseits viel Wissen über Molekularbiologie und Krebstherapien angeeignet. Zudem habe ich ein wenig gelernt zu programmieren und die entsprechenden Tools zu nützen, um zu untersuchen, wie die verschiedenen Forschungsstrategien diskutiert werden.
Was hat Sie am meisten überrascht?
Zu Beginn meines Untersuchungszeitraums hatten Industrie und Forschung die Vorstellung, dass ein Wirkstoff gefunden werden kann, der alle Brustkrebspatientinnen heilen kann. Es stellte sich jedoch heraus, dass es unterschiedliche Typen von Brustkrebs mit fundamentalen, molekularen Unterschieden gibt. Für diese unterschiedlichen Krebstypen entwickelt die Forschung nun unterschiedliche wirkzielspezifische Therapien. Mein Buch zeigt unter anderem, wie sich diese neue, oftmals «personalisiert» genannte Therapieform in der Brustkrebsbehandlung etablierte. Ebenfalls interessant waren die nicht nur kosten-, sondern auch zeitintensiven Innovationsentwicklungen. So nimmt die Industrie mit neuen Verfahren und besserem Verständnis von Wirkweisen alte Ideen wieder auf.
Was ist Ihr wichtigster Befund?
Als Wirtschafts- und Kultursoziologin konnte ich zeigen, dass der Markt der nicht-invasiven Brustkrebstherapien zunächst aus Erwartungen entsteht, die aus den Erzählungen über die Zukunft folgen. Bevor es einen Markt gibt, auf dem Therapeutika gehandelt werden, sind die Erwartungen die Produkte, mit denen gehandelt wird. Zweitens müssen sich die unterschiedlichen Marktteilnehmer darauf einigen, in welchem Markt sie sich befinden. Im untersuchten Fall war es der Markt der wirkzielspezifischen Krebstherapie.
Ihre Studie gehört zur «Big Data»-Forschung. Wann spricht man eigentlich von Big Data?
Das wird immer noch lebhaft diskutiert (lacht). Eine Definition ist, dass man mit einer sehr grossen Datenmenge von oftmals unstrukturierten Texten oder Bildern arbeitet. Ich für meinen Teil habe mehrere Textkorpora mithilfe des Computers analysiert, um darin Muster zu finden, die ich dann auch
visualisieren konnte. So war es zum Beispiel möglich, Entwicklungen in der Krebstherapie während 20 Jahren in einer Grafik aufzuzeigen.
Was sind die Vor- und Nachteile, wenn man mit Big Data arbeitet?
Ein Vorteil ist, dass alle relevanten Daten berücksichtigt werden können. Ich wollte eine so grosse Textmenge wie möglich bearbeiten und alle Akteure berücksichtigen, die behaupteten, an diesen Behandlungsmethoden zu arbeiten, diese zu kommentieren oder zu evaluieren. Gleichzeitig erfordern solche Datensätze auch viel Aufbereitungsaufwand und ein Verständnis dafür, wie Sprache funktioniert. Und: Die Interpretation der Ergebnisse erfolgt weiterhin in einem nächsten Schritt durch die Analystin.
Wie sind Sie damit umgegangen?
Mit der computergestützten Textanalyse kann ich zum Beispiel in einem grossen Textkorpus Themen identifizieren. Expertinnen und Experten aus der Krebstherapieforschung haben die identifizierten Themen überprüfend gegengelesen. Interessant war, dass bei gewissen Themen zwar die Sachverhalte über die Zeit die gleichen geblieben sind, die Begriffe sich aber verändert haben. Doch es braucht nicht nur die Programmierkenntnisse, um die Analysen durchzuführen, sondern auch das Wissen, wie diese Muster zu interpretieren sind.
Hinsichtlich «Big Data» ist die erste Zeit der Wow-Euphorie vorbei. Mittlerweile erachte ich die Frage nach der Datenqualität als zentral.
Im Rahmen der Berichterstattung zu Ihrem mittlerweile abgeschlossenen Drittmittel-Projekt «Facing Big Data» hatten Sie gesagt, dass die Soziologie die Funktion der Übersetzerin zwischen Daten, Analysen, Interpretationen und möglichen Auswirkungen übernehme könne. Meinen Sie das damit?
Genau. Dazu ist es nötig, dass wir Soziologinnen die Idee der Verfahren verstehen, wissen, woher die Daten kommen und auch die Grenzen und Schwierigkeiten der Daten und Verfahren abschätzen können. Wir haben ein grosses Wissen darüber, wie die soziale Welt strukturiert ist und wie die Beziehungen zwischen den Akteuren funktionieren. Das hilft uns, die Analysen zu interpretieren.
Wir haben heute also eine grosse Menge an Daten, die wir analysieren können.
Ja. Aber die erste Zeit der Wow-Euphorie ist vorbei. Mittlerweile erachte ich die Frage nach der Datenqualität als zentral. Wie gut ist ein digitalisierter Textkorpus digitalisiert? Welche Informationen fehlen in Datensätzen digitaler Datenspuren? Gibt es darin systematische Fehler? Wie kann ich mit diesen umgehen? Das sind Fragen, die sich bei der Arbeit mit digitalen Daten ergeben.
Glauben Sie, dass durch die Möglichkeiten der Forschung mit Big Data traditionelle Forschungsmethoden verschwinden werden?
Nein, ich denke, es ist eher ein Hinzukommen als ein Verdrängen. Klassische Datenerhebungsverfahren wie Umfragen, Interviews oder Beobachtungen sind weiterhin wichtig. Nun kommen neue unstrukturierte, algorithmisch geformte oder auch relationale Datenformate hinzu, für die es andere Analysemethoden bedarf. An der Kultur- und Sozialwissenschaftlichen Fakultät bieten wir im Rahmen unserer Studiengänge – wie Gesellschafts- und Kommunikationswissenschaften (SoCom; Bachelor / Master) oder dem Lucerne Master in Computational Social Sciences (LUMACSS) – regelmässig unterschiedliche Lehrveranstaltungen an, die mit grossen Datenmengen und neuen Analyseverfahren arbeiten.
Sophie Mützel
Making Sense. Markets from Stories in New Breast Cancer Therapeutics
Stanford University Press, Stanford 2023
«Data Science» in den Gesundheitswissenschaften
Im Masterprogramm «Health Sciences» der Fakultät für Gesundheitswissenschaften und Medizin können Studierende seit diesem Frühling den Major «Health Data Science» belegen. Gründungsdekan Stefan Boes erklärt: «Sie lernen im neuen Major, wie man mit strukturierten und unstrukturierten Datensätzen umgeht und verschiedene Quellen verknüpfen kann, wie man die Daten mit modernen Methoden der Datenwissenschaften analysiert und daraus geeignete Handlungsempfehlungen ableitet, um etwa Versorgungsketten zu optimieren.»
Auch Themen wie Datenethik, -management und -qualität sowie Datensicherheit werden adressiert, so der Professor für Gesundheitsökonomie. «Und wir blicken in die Welt der künstlichen Intelligenz und befassen uns mit den Möglichkeiten der Digitalisierung im Gesundheitswesen.» Die Kursangebote erfolgen in Abstimmung mit der Wirtschaftswissenschaftlichen Fakultät und mit der Kultur- und Sozialwissenschaftlichen Fakultät. Interessierte sollten, wie Stefan Boes ausführt, gute Grundkenntnisse in Mathematik und Statistik sowie ein Flair für die Arbeit mit dem Computer und in der Programmierung mitbringen.
«Wir haben uns zum Ziel gesetzt, die Studierenden optimal für eine Rolle in einem datenbasierten Umfeld im Gesundheitssystem vorzubereiten», so Stefan Boes. «Sie sollen nicht nur das Gesundheitssystem und seine Akteure verstehen, sondern auch wissen, wie Daten verwendet werden können, um eine an den Bedürfnissen der Patientinnen und Patienten orientierten Versorgung sicherzustellen.» Neben der Forschung und der Industrie – etwa im Bereich Pharma und Diagnostik – hätten die Studienabgängerinnen und -abgänger Jobaussichten bei Versicherern, in der Verwaltung oder bei den Versorgern.
