+++
title = "Ruminations"
description = "Perspektiven zu Engineering"
date = 2023-03-01
authors = ["Aron Petau", "Niels Gercama"]
banner =  "ruminations1.jpeg"

[taxonomies]
tags = [
  "amazon",
  "browser fingerprinting",
  "capitalism",
  "computer vision",
  "consumerism",
  "data",
  "data privacy",
  "image classifier",
  "journal",
  "javascript",
  "pattern recognition",
  "privacy",
  "studio d+c",
  "university of the arts berlin"
]
[extra]
show_copyright = true
show_shares = true
+++
## Ruminations

Dieses Projekt erforscht Datenschutz im Kontext des Amazon-Ökosystems und hinterfragt, wie wir Browser-Fingerprinting unterwandern und das allgegenwärtige Tracking von Verbrauchern in Frage stellen können.

Wir begannen mit einer provokanten Frage: Könnten wir den Wert gesammelter Daten nicht durch Vermeidung, sondern durch aktive Auseinandersetzung mit dem Tracking mindern? Könnten wir, anstatt uns vor der Überwachung zu verstecken, sie mit sinnvollen, aber unvorhersehbaren Mustern überfordern?

Anfangs erwogen wir die Implementierung eines zufälligen Clickbots, um Rauschen in die Datenerfassung einzubringen. Angesichts der Komplexität moderner Datenbereinigungsalgorithmen und der schieren Menge an Daten, die Amazon verarbeitet, wäre ein solcher Ansatz jedoch wirkungslos gewesen. Sie würden das zufällige Rauschen einfach herausfiltern und ihre Analyse fortsetzen.

Dies führte uns zu einer interessanteren Frage: Wie können wir kohärente, nicht-zufällige Daten erstellen, die grundsätzlich unvorhersehbar bleiben? Unsere Lösung bestand darin, Muster einzuführen, die jenseits der Vorhersagefähigkeiten aktueller Algorithmen liegen – ähnlich dem Versuch, das Verhalten von jemandem vorherzusagen, dessen Denkmuster einer eigenen, einzigartigen Logik folgen.

## Das Konzept

Wir entwickelten eine Chrome-Browser-Erweiterung, die Amazons Webseiten mit einer dynamischen Entität überlagert, die das Nutzerverhalten verfolgt. Das System verwendet einen Bildklassifizierungsalgorithmus, um die Storefront zu analysieren und Produktanfragen zu formulieren. Nach der Verarbeitung präsentiert es ein "perfekt passendes" Produkt – ein subtiler Kommentar zu algorithmischen Produktempfehlungen.

## Der Analoge Wachhund

Die physische Komponente des Projekts besteht aus einer Low-Tech-Installation, die eine Smartphone-Kamera mit Computer-Vision-Algorithmen zur Verfolgung kleinster Bewegungen nutzt. Wir positionierten diese Kamera zur Überwachung der Browser-Konsole eines Laptops, auf dem unsere Erweiterung läuft. Der Kamera-Feed wird auf einem Bildschirm angezeigt, und das System erzeugt roboterhafte Geräusche basierend auf Art und Umfang der erkannten Bewegung. In der Praxis dient es als hörbares Warnsystem für Datenaustausche zwischen Amazon und dem Browser.

## Implementierung

{% gallery() %}
[
  {
    "file": "ruminations1.jpeg",
    "alt": "Projektinstallationsansicht mit der Browser-Erweiterung in Aktion",
    "title": "Die Ruminations-Installation in Betrieb"
  },
  {
    "file": "ruminations2.jpeg",
    "alt": "Nahaufnahme der Tracking-Schnittstelle und Datenvisualisierung",
    "title": "Echtzeit-Tracking-Visualisierung"
  },
  {
    "file": "ruminations3.jpeg",
    "alt": "Der analoge Wachhund-Setup mit Kamera und Display",
    "title": "Das analoge Wachhund-Überwachungssystem"
  }
]
{% end %}

## Code und Dokumentation

Möchtest du das Projekt erkunden oder dazu beitragen? Schau dir unser Code-Repository an:

<div class="buttons centered">
  <a class="big colored external" href="https://github.com/arontaupe/ruminations">Projekt auf GitHub</a>
</div>