DeIdentifikation

DeIdentifikation bezeichnet den Prozess, personenbezogene Daten so zu bearbeiten, dass Identifikationsmerkmale entfernt oder stark reduziert werden, sodass eine Zuordnung zu einzelnen Personen praktisch oder theoretisch erschwert wird. Ziel ist es, die Privatsphäre zu schützen und die Weitergabe oder Nutzung der Daten für Analysen, Forschung oder Dienstleistungen zu ermöglichen, ohne unnötige Identifizierbarkeit herzustellen.

Dabei wird zwischen direkten Identifikatoren (Name, vollständige Adresse, Sozialversicherungsnummer) und indirekten oder Quasi-Identifikatoren (Geburtsdatum, Postleitzahl, Geschlecht) unterschieden. Durch geeignete Techniken wird versucht, Re-Identifikation zu verhindern, wobei auch das Risiko der Restidentifikation bewertet wird.

Zu den gängigen Verfahren gehören Anonymisierung, Pseudonymisierung, Maskierung, Generalisierung, Datenunterdrückung und Data-Perturbation. In der Praxis werden oft Kombinationsansätze genutzt. Die Unterscheidung ist wichtig: Anonymisierung bedeutet, dass eine Re-Identifikation unter vernünftigen Umständen nicht mehr möglich ist; Pseudonymisierung ersetzt Identifikatoren durch Pseudonyme, wobei eine Zuordnung außerhalb des Datensatzes vorhanden bleibt und eine Re-Identifikation mit zusätzlichen Informationen möglich sein kann. Im Datenschutzrecht, insbesondere der EU-Datenschutz-Grundverordnung, wird Pseudonymisierung ausdrücklich als Sicherheitsmaßnahme anerkannt; De-Identifikation ist kein eigenständiger Rechtsbegriff, aber de-identified data können dennoch personenbezogene Daten bleiben, wenn eine Re-Identifikation mit externem Wissen möglich ist.

Techniken wie K-Anonymität, L-Diversität, T-Closeness oder Differential Privacy dienen der Bewertung und Verbesserung des Re-Identifikationsrisikos. DeIdentifikation wird häufig bei Gesundheitsdaten, Forschungsdaten oder offenen Datensätzen angewandt, um Nutzen und Privatsphäre abzuwägen.