AnoMoB

© KEHN HERMANO - Pexels

AnoMoB - Anonymisierte Erfassung und Nutzung von Mobilitäts- und Bewegungsdaten

 

Herausforderung

Mobilitätsdaten sind nicht nur Grundlage für zahlreiche neue Geschäftsmodelle, sie sind mittlerweile auch ein Schlüssel, um Verkehrswege und Städte effizient zu planen und um möglichst emissionsfreie Fortbewegung in und zwischen Städten, Landkreisen oder Kommunen sicherzustellen.

Die Verarbeitung der Daten stehen in einem Spannungsfeld zwischen Datenschutzrecht und Verwendungszeck. Das Datenschutzrecht soll auf der einen Seite die Privatsphäre des Bürgertums wahren, auf der anderen Seite soll der Verwendungszweck durch die Datenverarbeitung neue Potenziale freisetzen. Genau dieses Spannungsfeld gilt es aufzulösen, ohne die Privatsphäre auszuheben und gleichzeitig zu ermöglichen tiefgreifende Erkenntnisse aus den Daten abzuleiten. Um Lösungen für diese Problematik zu finden, startete im Dezember 2022 das Forschungsprojekt AnoMoB - Anonymisierte Erfassung und Nutzung von Mobilitäts- und Bewegungsdaten.

 

Ziel

Das Ziel des Forschungsprojektes ist es, Mobilitätsdaten vollständig anonym zu erheben, sodass zu keiner Zeit ein Rückschluss auf einzelne Personen und deren Verhalten im gesamten Datenverarbeitungsprozesses möglich ist.

Durch die Nutzung verschiedener kryptographischer und statistischer Verfahren sollen ausschließlich komplett anonyme Daten die persönlichen Endgeräte verlassen. Dadurch soll die aufwändige Schließung von Datenschutzvereinbarungen und damit einhergehend das bisher stets notwendige Vertrauen in Unternehmen, welche die Daten verarbeiten, entfallen. Die personenbeziehbare Verarbeitung der Daten soll also nicht nur wie in der Vergangenheit organisatorisch und rechtlich, sondern auch technisch unmöglich gemacht werden.

 

Methodik

Innerhalb des Projekts werden Anwendungsszenarien aufgegriffen und bearbeitet. Dabei stehen die spezifischen Mobilitätsdaten – in welcher Menge und Qualität sie benötigt werden – sowie die zu erwartenden Erkenntnisse aus den Mobilitätsdaten im Zentrum. Die Anwendungsszenarien dienen als Basis für die Ableitung von Privacy-Szenarien, mit denen notwendige Maßnahmen zur Erhaltung der Privatsphäre erarbeitet werden, die gleichzeitig den notwendigen Informationsgehalt bewahren.

Das Gesamtziel wird in drei Stufen erreicht. In allen drei Stufen sind die Mobilitätsdaten am Ende anonymisiert, jedoch unterscheiden sich die Stufen durch den Grad des Vertrauens, das die Dateneigentümer (DE) in die Datenverarbeitenden (DV) setzen müssen.

  • Lösungsstufe 1 (vollständiges Vertrauen der DEs in DVs): In der ersten Stufe werden klassische Clustering-Algorithmen eingesetzt, um die Mobilitätsdaten zu anonymisieren. Diese erste Stufe liefert bereits eine Lösung, die je nach Privacy-Szenario gut für einzelne Use Cases genutzt werden kann.
  • Lösungsstufe 2 (begrenztes Vertrauen der DEs in DVs): In einer zweiten Stufe des Gesamtziels werden die besonders sensiblen Mobilitätsdaten (z.B. Sozialdaten) durch ein Verfahren des privacy-preserving Clustering vor Einsicht durch die DVs geschützt. Dabei kommen angepasste Verfahren des Homomorphic Encryption und der Multi Party Computation zum Einsatz.
  • Lösungsstufe 3 (minimales Vertrauen der DEs in DVs): In der dritten Stufe des Gesamtziels wird das privacy-preserving Clustering auf alle Daten angewandt, um die Daten mit minimalem Vertrauen erheben zu können.

 

Ergebnisse

Durch die erarbeitete Lösung ergeben sich folgende Vorteile:

  • Die nutzbare Implementierung einer datenschutzfreundlichen Erhebung von Daten und die dezentrale Anonymisierung von Daten auf den Endgeräten der Mobilitätsnutzenden.
  • Keine Notwendigkeit für eine Zustimmung der Datenverarbeitung, da die gewählte Lösung ein vollumfängliches Vertrauen garantiert.
  • Den Abbau von Hürden zur Entwicklung datengetriebener Geschäftsmodelle.

 

Projektbeteiligte

Das Projekt wird im Rahmen des Forschungsrahmenprogramms der Bundesregierung zur IT-Sicherheit »Digital. Sicher. Souverän.« vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und wird finanziert von der Europäischen Union – NextGenerationEU. Die Projektlaufzeit beträgt 3 Jahre. Weitere Informationen finden Sie auch auf der Webseite des BMBF.

Die Konsortialführung übernimmt die Hochschule Esslingen, weitere Projektpartner sind die cantamen GmbH, die MOTIONTAG GmbH sowie das Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO.