Datenanonymisierung

Datenanonymisierung bezeichnet den Prozess, bei dem personenbezogene Daten so verändert werden, dass einzelne Personen nicht mehr identifizierbar sind. Ziel ist es, die Nutzbarkeit der Daten für Analysen zu erhalten, ohne die Privatsphäre zu gefährden. Bei der Anonymisierung werden Merkmale so transformiert oder entfernt, dass Re-Identifikation ausgeschlossen oder stark erschwert wird.

Im Gegensatz zur Pseudonymisierung, bei der Identitätsmerkmale durch Ersatzwerte oder Schlüssel ersetzt werden, gilt anonymisierte Information grundsätzlich als nicht personenbezogen. Pseudonymisierung reduziert zwar Risiken, erlaubt aber eine spätere Re-Identifikation, weshalb sie den Datenschutz stärker beeinflusst. Entscheidend ist die Einschätzung des verbleibenden Re-Identifikationsrisikos, insbesondere durch Verknüpfung mit externen Daten.

Typische Verfahren der Datenanonymisierung umfassen Generalisierung (Merkmale werden in breitere Klassen zusammengefasst), Suppression (Ausblenden sensibler Werte), Daten-Tupelung, Rauschen oder Perturbation, Permutation und Maskierung. Aufbauend darauf wurden formale Konzepte entwickelt, etwa K-Anonymität, L-Diversität und t-Closeness, um das Risiko der Identifikation quantifizierbar zu begrenzen. Neuere Ansätze nutzen Differential Privacy oder den Einsatz synthetischer Daten, um analytische Aussagen ohne reale Identitäten zu ermöglichen.

Rechtlich betrachtet gelten anonymisierte Daten gemäß DSGVO nicht mehr als personenbezogene Daten, sofern eine Identifizierung auch mit zusätzlichen Informationen nicht mehr möglich ist. Pseudonymisierte Daten fallen hingegen noch unter den Anwendungsbereich des Datenschutzes, da eine Re-Identifikation theoretisch möglich bleibt. In der Praxis bleibt die Abwägung von Datenbrauchbarkeit und Privatsphäre eine Herausforderung, besonders bei hochdimensionalen oder öffentlich verfügbaren Datensätzen.

Anwendungsfelder liegen in der Forschung, Statistik, Open Data und der Gesundheitsforschung. Grenzen der Anonymisierung ergeben sich durch fortschreitende Datenverknüpfung und Hintergrundwissen; oft werden zusätzlich Datenschutz-Governance, DPIAs und der Einsatz von synthetischen Daten empfohlen.