DSGVO: Hohe Bußgelder durch Verstöße
Julia Rose
Marketing & Design
02. September 2020
Persönliche Daten mit Anonymisierung besser schützen
Die Sicherheit persönlicher Daten ist wichtig. Und zwar so wichtig, dass Datenschutzverstöße in Unternehmen zu enormen Geldbußen führen kann. Bis zu 200 Millionen Euro wurden gegen einzelne große Unternehmen verhängt, weil es Verstöße gegen die Datenschutzgrundverordnung (DSGVO) gab.
Dabei kann der Schutz von Daten durch Anonymisierung oder Pseudonymisierung einfacher sein.
Wer personenbezogene Daten anonymisiert entlastet den Datenschutz
Laut der Datenschutz-Grundverordnung des Europäischen Parlaments und des Rates vom 27. April 2016 (Erwägungsgrund 26) gelten die Grundsätze des Datenschutzes nicht für anonyme Informationen und Daten.
Das bezieht sich auf Informationen und Daten, die sich auf eine identifizierbare oder identifizierte natürliche Person beziehen, oder allgemeine personenbezogenen Daten, die so anonymisiert worden sind, dass die entsprechende Person nicht mehr identifizierbar ist. Der Datenschutzbeauftragte des Unternehmens muss nach der Anonymisierung der Daten die DSGVO also nicht mehr beachten.
Einige Unternehmen wissen das und anonymisieren Ihre Daten bereits – meistens manuell. Das ist sehr zeitaufwendig und manchmal kann es vorkommen das persönliche Daten übersehen werden.
Künstliche Intelligenz, verpackt in modernen Softwarelösungen und -diensten, unterstützt ein breites Spektrum verschiedenster Branchen. Beispiele sind die Steigerung von Sicherheit der Mitarbeiter durch Sensoren (Link), die Qualitätskontrolle von Produkten (Link), oder selbstverfassende Artikel. All dies findet bereits Anklang.
Doch das Anonymisieren von persönlichen Daten mit Künstlicher Intelligenz ist noch recht unbekannt. Dabei ist der manuelle Aufwand immens und kann komplett automatisiert werden.
Der ROI (Return-of-Investment) liegt bei wenigen Monaten und die Motivation der Mitarbeiter steigt an.
Praktische Lösung die das Anonymisieren für Sie übernimmt
theBlue.ai hat eine KI entwickelt, die das Anonymisieren von spezifischen Daten (Bilder, Text/Dokumente, Video, Sprache, etc.) übernimmt: BlueDSGVO
BlueDSGVO basiert auf modernster Webtechnologie, läuft auf allen bekannten Browsern und kann auch On-Premise oder als Cloud-Lösung implementiert werden.
Die Nutzung ist sehr einfach
Dokumente werden mit Drag & Drop hochgeladen und sofort anonymisiert. Ein KI-Algorithmus findet sehr präzise alle persönlichen Informationen und anonymisiert sie in Sekunden. Der User kann selbstständig Anpassungen vornehmen und die KI weiter trainieren, damit sie auf den spezifischen Anforderungen einer Firma oder auch Klinik, im Laufe der Zeit dazu lernt und immer besser wird.
KI-Algorithmen sind klassische Methoden zur Anonymisierung von Daten weit voraus
Klassische Methoden der Datenanonymisierung basieren oft nur auf der Anonymisierung bestimmter Felder in der Datenbank, die im Voraus definiert werden, wie z.B. Vor- und Nachname oder Geburtsdatum einer Person. In Wirklichkeit speichern und verarbeiten wir personenbezogene Daten jedoch in viel größerem Umfang – etwa in Besprechungsnotizen, medizinischer Dokumentation, Videomaterial oder Aufzeichnungen von Kundendienstgesprächen – das heißt also in Form von sogenannten unstrukturierten Daten.
Um persönliche Informationen in dieser Art von Daten zu finden, ist es nötig, dass der Kontext der Datei – Text, Bild, Video oder Sprachaufzeichnung – verstanden wird. Diese Aufgabe läuft daher auf eine sehr zeitaufwändige und oft sogar in begrenzter Zeit unrealistische manuelle Erkennung und Entfernung sensibler Informationen hinaus. Sie kann aber auch mit speziell trainierten Algorithmen der künstlichen Intelligenz durchgeführt werden.
Effektive Zusammenarbeit zwischen Mensch und Maschine
Da personenbezogene Daten jedoch in branchenspezifischen Kontexten auftreten können, wie z.B. Patientendaten, Kundendaten in CRM-Systemen oder Passanten aus der Sicht eines Autos, muss sichergestellt werden, dass das Modell in der Lage ist, Informationen in dem Bereich, in denen sie benötigt werden, mit sehr hoher Genauigkeit zu erkennen.
Selbst die besten Algorithmen können, genau wie Menschen, Fehler machen. Daher ist es wichtig, in der Lage zu sein, die Daten zu korrigieren und einen optimalen Zyklus zu gewährleisten, der als “Human in the loop”-Ansatz bezeichnet wird. Dieser gewährleistet eine effektive Zusammenarbeit zwischen Mensch und Maschine, um die höchstmöglichen Ergebnisse zu erzielen. Ein solcher Ansatz garantiert die Möglichkeit eines kontinuierlichen Lernens des Machine Learning Modells, das sich an reale Situationen anpasst, in denen sich sukzessive eingehende Daten im Laufe der Zeit ändern können.
