Wertschöpfung

Wertschöpfung mit anonymisierten Daten und privatheitswahrende Geschäftsmodelle

Geschäftsmodelle, die auf neuen Mobilitätskonzepten aufbauen, wie Automatisiertes Fahren, Carsharing oder Mobilitäts-Apps, bauen auf der Sammlung, Verarbeitung und Analyse von digitalen Daten als Kerntätigkeiten auf. Hierbei spielen die personenbezogenen Daten eine besondere Rolle. Sie unterliegen dem Schutz der Privatsphäre und müssen deshalb datenschutzkonform behandelt werden. Die europäische Datenschutz-Grundverordnung (DSGVO) sieht deshalb entsprechende Maßnahmen zum Schutz vor. Neben dem Prinzip der Datensparsamkeit müssen diese Daten auch wieder gelöscht werden, wenn ein Benutzer oder eine Benutzerin dies wünscht.

Diese Anforderungen stellen Unternehmen vor die Herausforderung, dass personenbezogene Daten nicht nur einen höheren Organisations- und Bearbeitungsaufwand bedeuten als andere digitale Daten. So kann das Recht auf Löschung einen empfindlichen Einfluss auf die Geschäftsgrundlage haben, wenn Unternehmen ihre Geschäftsmodelle gänzlich auf Daten basieren. Eine Löschung von Daten bedeutet, dass die Analysegrundlage entzogen wird.

Eine Lösung zu diesen hohen Anforderungen und dem Problem der Löschung liegt in der Anonymisierung von personenbezogenen Daten. Diese hat zum Ziel, den Personenbezug aus den Daten zu entfernen, sodass die DSGVO nicht mehr anzuwenden ist. Ein solcher Schritt bedeutet aber auch, dass die Anonymisierung in die Datenwertschöpfung explizit eingebaut werden muss. Bisher ist unklar, welche Auswirkungen anonymisierte Daten im Vergleich zu nicht-anonymisierten, personenbezogenen Daten auf Geschäftsmodelle haben.

Dieser Frage hat sich der darauf spezialisierte Teilbereich des Projekts ANYMOS angenommen. Um herauszufinden, welche Auswirkungen die digitale Wertschöpfungskette – bestehend aus Sammlung, Verarbeitung und Analyse von Daten – auf Geschäftsmodelle hat, wurden anhand geeigneter Methoden die Verarbeitungsschritte abgebildet.

Im Ergebnis zeigt sich, dass zwar der Personenbezug durch die Anonymisierung verloren geht. Klassische Anonymisierungsverfahren erlauben jedoch auch unter diesen Bedingungen die Errechnung von statistischen Werten, wie den Mittelwert oder das wahrscheinlichste Ziel eines Fahrgastes einer Stadtbahn bei Eingabe der Daten in eine Mobilitäts-App.

Somit zeigt die durchgeführte Analyse, dass in Bezug auf digitale Geschäftsmodelle zwar Aussagen über Einzelne nicht mehr direkt möglich sind. Jedoch erlauben die Berechnungsmethoden Durchschnittswerte, auf deren Grundlage die Algorithmen dennoch tragfähige Aussagen errechnen können. Demnach bedeutet die Anonymisierung von personenbezogenen Daten aus Sicht des derzeitigen Analysestandes keine Einschränkung von digitalen Geschäftsmodellen, sondern vielmehr ein Umdenken im Design der Datenwertschöpfung.

Die Projektergebnisse in diesem Bereich können Mobilitätsdienstleistern, Plattformbetreibenden und politischen Entscheidungstragenden ein besseres Verständnis für die Entwicklung privatheitswahrender Geschäftsmodelle verschaffen. Die Ergebnisse wurden auf der Veranstaltung der Deutschen Datenschutzkonferenz (DSK) zum Anlass des Europäischen Datenschutztages in Berlin am 28.01.2025 als Poster präsentiert.

Text: Frederik Metzger, Judith Junker.