InformaApp - EAsyAnon

EAsyAnon

Zur Übersicht

Empfehlungs- und Auditsystem zur Anonymisierung

Fördergeber

Forschungsschwerpunkt

Digital Technologies

Laufzeit

15.12.2022 - 14.12.2025

Ziele

Das Projekt „Empfehlungs- und Auditsystem zur Anonymisierung“ (EAsyAnon) hat zum Ziel, ein Empfehlungssystem zu konzipieren, welches Datenverantwortlichen basierend auf einer standardisierten Metabeschreibung des spezifischen Datensatzes konkrete Empfehlungen zur Anonymisierung gibt. Dabei sollen sowohl die rechtlichen als auch die ethischen Aspekte berücksichtigt werden. Ferner soll ein Auditsystem aufgebaut werden, welches die Zweckmäßigkeit der Anonymität von Datensätzen kontextbezogen bewertet. Dazu werden zum einen automatisierte Methoden entwickelt, die potenziell de-anonymisierbare Teile des Datensatzes erkennen sollen. Zum anderen wird ein sogenanntes „Crowd-Sourced Peer-Review“-Verfahren aufgebaut, in dem Fachleute aus verschiedenen Wissenschaftsdisziplinen vor der Veröffentlichung anonymisierter Datensätze ein Gutachten zur De-Anonymisierbarkeit der jeweiligen Daten erstellen. Für den Fall, dass Teile eines Datensatzes erst zu einem späteren Zeitpunkt veröffentlicht werden dürfen, etwa aufgrund von Fristen oder wenn aufgrund von Hemmnissen keine anonymisierte Veröffentlichung möglich ist, wird ein sogenannter „Trust Service“ entwickelt, der es mittels Maßnahmen der Pseudonymisierung erlaubt, schützenswerte Teile eines Datensatzes gemäß der EU-Datenschutzgrundverordnung zu veröffentlichen und verschlüsselte Daten zweckgebunden auszuwerten.

Beschreibung

In Behörden, Gesundheits- und Forschungseinrichtungen sowie Unternehmen sind zahlreiche Datensätze vorhanden, die potenziell allgemeinzugänglich als sogenannte „Open Data“ veröffentlicht werden können. Oftmals bleiben diese Datensätze jedoch aufgrund von Datenschutzherausforderungen sowie Sicherheits- und Persönlichkeitsrechtserwägungen der Allgemeinheit verborgen und es kann kein gesellschaftlicher Mehrwert daraus geschaffen werden. Zudem ist das zunehmend komplexe Anonymisieren eine weitere Hürde beim Nutzbarmachen der Daten. Die genannten Einrichtungen befinden sich beim Schaffen von Open-Data-Angeboten folglich stets im Spannungsfeld von zu viel oder zu wenig Anonymisierung. Wird zu wenig anonymisiert, könnten zu leicht Rückschlüsse auf die tatsächlichen Dateninhalte möglich werden. Und wird zu stark anonymisiert, können die Datensätze ihren Nutzwert verlieren.

Steckbrief als PDF