Was wir bei den US-Wählerdaten falsch gemacht haben
Ein kurzer Nachtrag – und eine Korrektur unserer eigenen Einordnung.
Kürzlich haben wir gefragt, ob die USA ein Problem mit doppelten Wählerdaten haben. Wir haben Daten zu 50 Millionen Wählern aus 7 Bundesstaaten heruntergeladen, durch die Identity-Resolution-Engine von Tilores laufen lassen und festgestellt: 0,8 % der Registrierungen – knapp 400.000 – ließen sich einer Person zuordnen, die in unserer Stichprobe bereits andernorts registriert war. In Ohio und Pennsylvania, den beiden einzigen Bundesstaaten der Stichprobe, die veröffentlichen, ob eine registrierte Person tatsächlich gewählt hat, fanden wir zudem eine kleine Zahl von Datensätzen, bei denen dieselbe Person offenbar an zwei Orten gewählt hat.
Falsch lagen wir bei der Einordnung. Als wir diese Duplikate fanden, gingen wir davon aus, die Ersten zu sein, die das Ausmaß dieses Problems messen. Waren wir nicht.
In den USA gibt es eine gemeinnützige, überparteiliche Organisation namens „ERIC” (Electronic Registration Information Center), die im Wesentlichen genau das tut, was wir getan hatten – in direkter Zusammenarbeit mit ihren Mitgliedsstaaten, um deren Wählerverzeichnisse zu verbessern.
Mit Entity-Resolution-Technologie unseres Wettbewerbers Senzing hat ERIC Daten aus mehr als der Hälfte der US-Bundesstaaten verglichen. Wichtig dabei: ERIC zieht zusätzliche Datenquellen heran, etwa die Führerscheinregister der staatlichen Zulassungsbehörden, um eine weitere Validierungsebene zu schaffen – und tut das auf datenschutzwahrende Weise.
Wir haben mit ihnen telefoniert, um die Methodiken zu vergleichen. Sie finden im Wesentlichen dieselben Duplikate wie wir und hatten dieselben Doppelwahl-Fälle bereits entdeckt. Um es klar zu sagen: Sie leisten gute Arbeit mit den Daten. Aber wie so oft in der Datenwelt besteht die Herausforderung nicht nur darin, das Problem zu finden – sondern darin, was danach passiert. Eine doppelte Registrierung tatsächlich zu entfernen, ist eine Entscheidung jedes einzelnen Bundesstaats, und die liegt außerhalb der Kontrolle von ERIC.
Das Erkennungsproblem ist also im Großen und Ganzen gelöst. Das ist wirklich eine gute Nachricht – und das Gegenteil dessen, was wir zu Beginn erwartet hatten.
Was bleibt, ist die Frage der Abdeckung. In den vergangenen Jahren sind mehrere Bundesstaaten aus dem Verbund ausgetreten. Ein austretender Staat verliert den bundesstaatenübergreifenden Blick auf sein eigenes Verzeichnis – und weil seine Daten nicht mehr im gemeinsamen Bestand liegen, können auch die verbleibenden Staaten Duplikate mit Bezug zu diesem Staat schlechter erkennen. Der Effekt bleibt also nicht auf den austretenden Staat beschränkt. Votebeat beschreibt die Debatte hier ausführlich, einschließlich der Auseinandersetzung darüber, ob das Identifizieren wahlberechtigter, aber nicht registrierter Personen in dasselbe Programm gehört wie die Pflege der Verzeichnisse. Das ist eine berechtigte Frage der Programmgestaltung, zu der wir keine Position beziehen.
Unsere Sicht ist eng und technisch: Ein bundesstaatenübergreifender Abgleich funktioniert nur, wenn die Bundesstaaten daran teilnehmen. Ganz gleich, wie die Governance ausgestaltet ist – ein Staat, der sein Verzeichnis nicht mit dem anderer Staaten vergleichen kann, arbeitet mit weniger Informationen als ein Staat, der es kann.
Genau deshalb halten wir die beiden Ansätze auch für einander ergänzend statt für Alternativen. Ein Bundesstaat kann eine eigene Entity-Resolution-Instanz gegen sein eigenes Verzeichnis laufen lassen – fortlaufend, in der eigenen Infrastruktur, unter eigener Kontrolle – und an einem bundesstaatenübergreifenden Programm teilnehmen. Das Erste zeigt Ihnen die Qualität Ihrer eigenen Daten heute. Das Zweite zeigt Ihnen, was Sie allein nicht sehen können.
Wenn Sie mit Wählerregistrierungsdaten arbeiten oder mit einem anderen öffentlichen Register, in dem doppelte Datensätze reale Folgen haben, nehmen Sie Kontakt mit uns auf – wir sprechen die Methodik gern mit Ihnen durch. US-Behörden auf Bundes-, Landes- und Kommunalebene erreichen uns außerdem über Carahsoft.
Sehen Sie, was aufgelöste Entitätsdaten für Ihr Unternehmen — und Ihre KI — leisten.