ReIdentifikationsrisiken

Reidentifikationsrisiken bezeichnen das Risiko, dass Daten, die als anonymisiert oder pseudonymisiert gelten, einer bestimmten Person zugeordnet werden können. Das Risiko ergibt sich vor allem aus der Möglichkeit, zusätzliche Informationen aus anderen Quellen zu kombinieren oder Rückschlüsse auf individuelle Merkmale zu ziehen.

Ursachen und Mechanismen: Viele Datensätze enthalten sogenannte Quasi-Identifikatoren wie Alter, Postleitzahl oder Geschlecht, die allein wenig aussagen, jedoch in Verbindung mit anderen Datensätzen eine Identität preisgeben können. Fortschritte in Reidentifikationstechniken, die Verfügbarkeit externer Datenquellen und ungenügende oder fehlerhafte Anonymisierung erhöhen die Risiken. Höhere Datenauflösung, unzureichende Generalisierung oder unvollständige Pseudonymisierung begünstigen Reidentifikation.

Beispiele aus der Praxis zeigen das Risiko: Der Fall der öffentlich zugänglichen AOL-Suchdaten aus dem Jahr 2006 demonstrierte, wie scheinbar anonymisierte Datensätze einzelne Nutzer identifizierbar machten. In Forschungsarbeiten wurden Fälle beschrieben, in denen anonymisierte Datensätze durch Verknüpfung mit öffentlichen Informationen eindeutig zugeordnet wurden.

Schutzmaßnahmen: Es existieren Techniken wie k-Anonymität, l-Diversität und t-Closeness, die darauf abzielen, Einzelpersonen in Datensätzen nicht eindeutig identifizierbar zu machen. Differential Privacy bietet formale Garantien gegen Reidentifikation bei Abfrageergebnissen. Weitere Maßnahmen umfassen Datenminimierung, Generalisierung, Rauschen, Zugriffskontrollen, Data Governance und Pseudonymisierung. Rechtliche Rahmenbedingungen wie die GDPR fördern einen risikoabhängigen, verantwortungsvollen Umgang.

Ausblick: Reidentifikationsrisiken bleiben eine zentrale Herausforderung in der Datenverarbeitung. Organisationen sollten Risikoanalysen durchführen, Datenschutz durch Technik und Governance sicherstellen und regelmäßig Aktualisierungen von Anonymisierungsprozessen vornehmen.