Anonymisierung personenbezogener Daten – der Schlüssel zum Schutz der Nutzer

Anonymisierung ist eine Technik, mit der identifizierende Daten von den verarbeiteten Datensätzen getrennt werden, um das Recht auf Datenschutz zu gewährleisten.

Wir befinden uns in einer Zeit tiefgreifender Veränderungen, in der sogenannten Datenära, in der Informationen das Öl des 21. Jahrhunderts und ein zentraler Vermögenswert für die Unternehmensentwicklung sind. Daten sind die Grundlage von Geschäftsstrategien auf allen Ebenen und haben einen hohen Wert. Das verpflichtet dazu, sie zu schützen, zu respektieren und eine optimale Verarbeitung sicherzustellen, die die Privatsphäre sowie den Datenschutz von natürlichen wie auch juristischen Personen gewährleistet.

Und an diesem Punkt spielt die Anonymisierung eine sehr wichtige Rolle. Wie der Name bereits sagt, handelt es sich bei diesem Verfahren um die Beseitigung des Risikos, sensible Daten zu identifizieren. Anders ausgedrückt: Es sind Techniken, die eine rechtskonforme Nutzung von Daten ermöglichen und dabei die Anonymität von Personen wahren – auf Grundlage der Einhaltung der geltenden Gesetzgebung, wie der Datenschutz-Grundverordnung (DSGVO).

Diese Technik reduziert die Risiken, die mit der massenhaften Verarbeitung von Daten einhergehen, indem sie diejenigen, die besonderen Schutz erfordern, vor öffentlicher Offenlegung bewahrt. Dennoch wird die Fähigkeit, sie zu nutzen und mithilfe von Technologien wie Data Science, Big Data, Künstlicher Intelligenz oder Machine Learning u. a. in nützliche Informationen umzuwandeln, nicht beeinträchtigt.

Anonymisierungstechniken

Die Anonymisierung von Daten kann anhand verschiedener Techniken erfolgen. Sehen wir uns einige davon an:

• Homomorphe Verschlüsselung: Sie ermöglicht es, Daten zu verschleiern und mit ihnen verdeckt zu arbeiten, so als wären sie sichtbar. Um das Recht auf individuellen Schutz zu gewährleisten, können die Informationen der geschützten Daten nur mit einem Zugriffsschlüssel sichtbar gemacht werden. Das heißt: Nur Personen, die über einen Code zum Entschlüsseln der Daten verfügen, können dies tun.

• Hash-Algorithmen: Dabei handelt es sich um eine mathematische Operation, die einem konkreten Datum einen Schlüssel zuweist, ohne den es nicht eingesehen werden kann. Dieser Schlüssel bzw. Fingerabdruck repräsentiert den realen Wert, und ohne ihn kann er nicht entschlüsselt werden. Die Operation erfolgt nur in eine Richtung, um das System abzusichern: Das verschleierte Datum bzw. Mikrodaten erzeugen stets denselben Fingerabdruck; ausgehend von diesem Fingerabdruck ist es jedoch nicht möglich, das anonymisierte Datum zu entschlüsseln.

• Randomisierung: Wie der Name schon sagt, werden Daten zufällig verarbeitet, indem sie zur Nutzung aus der Gesamtheit der Datensätze entnommen werden, ohne zu identifizieren, wem sie zuzuordnen sind – durch Hinzufügen von Rauschen (Änderung eines Datensatzes, damit er weniger exakt ist), Permutation (Vermischung von Attributen, sodass sie verschiedenen Betroffenen zugeordnet werden können) oder differenziellen Datenschutz (allgemeine Datenverarbeitung, ohne zu wissen, wem jedes Attribut zuzuordnen ist).

• Generalisierung: Die Anonymitätsgarantie wird durch die Anpassung von Skalen und Größenordnungen der Attribute der zu schützenden natürlichen oder juristischen Personen erreicht. Dafür werden Techniken wie Aggregation und K-Anonymität (Gruppierung von Personen, um ihre Isolation und Identifizierung zu vermeiden) oder L-Diversität/T-Nähe (ähnlich wie zuvor, jedoch mit zusätzlichen differenzierenden Werten je Äquivalenzklasse) eingesetzt.

Was ist Pseudonymisierung?

Laut DSGVO ist die Pseudonymisierung personenbezogener Daten „die Verarbeitung personenbezogener Daten in einer Weise, dass die personenbezogenen Daten ohne Hinzuziehung zusätzlicher Informationen nicht mehr einer spezifischen betroffenen Person zugeordnet werden können, sofern diese zusätzlichen Informationen gesondert aufbewahrt werden und technischen und organisatorischen Maßnahmen unterliegen, die gewährleisten, dass die personenbezogenen Daten nicht einer identifizierten oder identifizierbaren natürlichen Person zugewiesen werden“.

Das heißt, es werden Attribute der zu schützenden Daten durch verschlüsselte Versionen ersetzt, um eine direkte Identifizierung zu verhindern, ohne die Verknüpfung mit zusätzlichen Informationen zu entfernen – sofern diese getrennt aufbewahrt werden. Ein Beispiel für Pseudonymisierung ist der Austausch von Kundennamen durch alphanumerische Codes, sodass eine direkte Identifizierung nicht möglich ist.

Die Pseudonymisierung kann – wie die Anonymisierung – durch den Einsatz von Hash-Algorithmen, durch den Ersatz sensibler Daten durch Tokens oder durch die Verwendung geheimer bzw. gespeicherter Schlüssel erfolgen.

Unterschiede zwischen Anonymisierung und Pseudonymisierung

Die grundlegenden Unterschiede zwischen Anonymisierung und Pseudonymisierung beruhen auf zwei Aspekten: der Reversibilität der Daten und ihrer Einstufung als personenbezogen. Sehen wir uns das genauer an:

Wie erläutert, verändert die Anonymisierung die Daten irreversibel, sodass die betroffene Person weder direkt noch indirekt identifiziert werden kann. Folglich gelten diese nach der DSGVO nicht mehr als personenbezogene Daten.

Die Pseudonymisierung hingegen ersetzt die zu schützenden Daten durch Schlüssel oder Pseudonyme, wodurch sich der Prozess rückgängig machen lässt. In diesem Fall gelten pseudonymisierte Datensätze aufgrund der Möglichkeit, wieder auf die Originaldaten zuzugreifen, weiterhin als personenbezogene Daten.

Beispiele für Anonymisierung und Pseudonymisierung

Ein klares Beispiel für Anonymisierung findet sich in jeder Art von Studie, die über Umfragen durchgeführt wird. Nehmen wir etwa eine der vielen Lageanalysen, die infolge des Ausbruchs von COVID-19 erstellt wurden. In diesen Fällen werden – wie beispielsweise auch bei der Arbeitskräfteerhebung – die Daten der teilnehmenden Personen nach allgemeinen Merkmalen wie Geschlecht, Altersgruppen, Gesundheitszustand (mit oder ohne Vorerkrankungen) zusammengefasst, sodass eine Identifizierung der einzelnen Personen unmöglich ist.

Wenn wir hingegen ein Beispiel für Pseudonymisierung suchen, finden wir es in unternehmensinternen Kundenregistern. Um die Anonymität zu gewährleisten, werden die identifizierenden Daten durch einen Code ersetzt, der interne Arbeit und statistische Analysen ermöglicht und zugleich den Datenschutz sicherstellt.