Privacy & Mobility 2023: Was wir von freemove in die Praxis mitnehmen und weiterdiskutieren

Auf diesen Einstieg folgend betrachteten TU und FU Berlin (Human Computer Interaction, Prof. Claudia Müller-Birn, Daniel Franzen und Peter Sörries) das Thema Privatsphäre nochmal stärker gesellschaftlich orientiert. Nach einer Einführung über die Bedeutung von Privatsphäre in Zeiten von Big Data und Datenlecks wurde Differential Privacy als Idee eingeführt, eine formale Privatsphäre-Garantie mit festlegbarer “Stärke” mittels des Parameters ϵ (Epsilon). Tech-Branchengrößen werben damit, mit Differential Privacy für Nutzer:innen Privatsphäre zu garantieren - das Entscheidende hierbei ist aber nicht ob, sondern wie groß hierbei ϵ definiert wird. 

Das Team der FU fuhr damit fort, wie die Werte und Bedürfnisse von Nutzer:innen in die Gestaltung von Web-Anwendungen systematisch einbezogen werden können – in unserem Fall in Mobilitätsdatenspendeplattformen oder Apps, die Daten sammeln. Nutzer:innen sollen mit Blick auf ihre personenbezogenen Daten bewusste Entscheidungen und informierte Zustimmungen zu Sammlung und Weitergabe geben. Entsprechend lag der Fokus darauf, wie sowohl Risiken als auch komplexe Technologien verstehbar erklärt werden können (Daniel Franzen), oder viel grundsätzlicher, wie man “Werte” überhaupt zunächst erhebt (Peter Sörries). In puncto Risikokommunikation bedienten sich die Forschenden für ihr Studiendesign in der Medizin, die an diesen Themen im Bereich Patient:innenkommunikation arbeitet. Unabhängig von den einzelnen Studienergebnissen, wurde augenscheinlich, dass effektive Kommunikation von Risiken und insgesamt Datenschutzhinweisen noch viele offene Fragen mit sich bringt. Klar ist aber, dass der Status Quo in der Praxis informierte Einwilligung nur bedingt ermöglicht. 

Nach einer sonnigen Mittagspause ging es weiter mit der zweiten Keynote von Prof. Yves-Alexandre de Montjoye. Dieser leitet die Computational Privacy-Forschungsgruppe am Imperial College London und unter anderen Autor eines vielfach zitierten Nature-Paper zu Privatsphärerisiken von Bewegungsdaten. Er ist Harvard-Alumnus und neben akademischen Verpflichtungen beratend für die Europäische Kommission und die belgische Datenschutzbehörde tätig. In seiner Keynote wurde augenscheinlich, was es so schwierig und kontextabhängig macht, Bewegungsdaten wirklich zu anonymisieren. Selbst hoch-aggregierte Statistiken können, mit wenig Vorwissen (bspw. durch später veröffentlichte zusätzliche Datenquellen) zu Rekonstruktionen von Bewegungsprofilen und somit Identitäten führen. Er ging dabei auf alle auch im Projekt angeschnittenen Privatsphäre-erhaltenden Technologien ein: Synthetische Datengenerierung, Verrauschung mittels Differential Privacy, Aggregierung und Generalisierung. Zusammengefasst plädierte auch er zu einem gründlichen Testen von angewandten Methoden, da nur dadurch Sicherheitslecks auffindbar werden, und zeigte sich skeptisch gegenüber “Hypes” im Privacy-Bereich. 

Das war der passende Auftakt für Alexandra Kapps Einführung in die synthetische Datengenerierung anhand von zwei Beispielen und einer Abwägung sowohl in Richtung der Nutzungsmöglichkeiten der generierten Daten als auch der Privatsphäre-schützenden Wirkung. Das Prinzip synthetischer Datengenerierung liegt in der künstlichen Erstellung eines neuen Datensatzes, der die möglicherweise personenbezogenen Ursprungsdaten ersetzt, aber entscheidende statistische Merkmale erhält. Bei Bewegungsdaten liegt hier das entscheidende Problem grob gesagt: Je besser die Merkmale des Datensatzes erhalten bleiben, desto weniger privat ist dieser wiederum, da Merkmale auf exakten Uhrzeit- und Standortdaten fußen. Nichtsdestotrotz gab der Vortrag Einblicke in den Forschungsstand und mögliche übrige Nutzungsszenarien sowie quantitativ berechenbare Gütekriterien für synthetische Datensätze. 

Wouter Lueks vom CISPA Helmholtz-Zentrum für Informationssichherheit trat nach diesem Exkurs nochmal einen Schritt aus der konkreten Anwendersicht heraus: Anhand mehrerer Beispiele aus seiner bisherigen Arbeit erläuterte er das Design Privatsphäre-freundlicher Systeme mit abwechslungsreichen, anschaulichen Einblicken  – etwa aus dem Bereich kommunikative, globale identitätsschützende Vernetzung investigativer Journalist:innen, die sensible Informationen bereitstellen, oder der privatsphärefreundlichen Verteilung von Entwicklungshilfe. Die Herangehensweise in der Entwicklung der Verfahren lässt sich auf einige zentrale Fragestellungen herunterbrechen: Was ist das Problem, das ich lösen möchte? Ist das der möglichst datenminimierende Weg, um an mein Erkenntnisziel zu kommen? Was für Folgeprobleme erschaffe ich durch den Lösungsweg, für den ich mich entschieden habe? Erschaffe ich durch meine Lösung mehr Probleme und Risiken, als ich eigentlich behebe? Diese Aspekte sind zentral für alle Projekte, deren Umsetzung die Verarbeitung personenbezogener Daten beinhaltet. 

Als letzter Tagesordnungspunkt des Konsortiums präsentierte Max von Grafenstein mit Valentin Rupp (UdK) nach einem spannenden Problemaufriss von Kilian Spuck (Jelbi/BVG) den von ihnen entwickelten Zertifizierungsansatz für Datenverarbeitungsmethoden.  Durch diesen konnte das Unternehmen Rechtssicherheit erlangen und gleichzeitig Wettbewerbsvorteile generieren. Der Professor für Digitale Souveränität ist derzeit mit Akkreditierungsbehörden im Gespräch, um ein solches Verfahren genehmigen zu lassen. Ziel ist es, Datenschutz zu gewährleisten, aber gleichzeitig die Nutzung der Daten für bestimmte, festgelegte Zwecke rechtlich abzusichern und dadurch bspw. Unternehmen Sicherheit zu gewährleisten. 

Nach diesen doch sehr dichten inhaltlichen Sitzungen, ging es zum lockeren, interaktiven Teil des Tagesprogramms über. Eingeladene Projekte durften mittels knackiger Flash-Präsentationen auf der Bühne ihre Beiträge ankündigen und die Gäste tauschten sich für den verbleibenden Tag im Ausstellungsraum und auf der Dachterrasse zu den gehörten Themen aus.