Mobilitätsdaten werden als essenzieller Treiber einer nachhaltigen, urbanen Transformation gehandelt. Gleichzeitig gehören Bewegungsmuster zu den am stärksten bezogenen Daten, die es gibt. Trotz Ähnlichkeit, sind sie hochindividuell. Wie Arbeit mit Mobilitätsdaten unter Privatsphäreschutz für Unternehmen und Verwaltungen möglich ist, erforschen wir.
Wir, das Verbundprojekt freeMove aus Lehrstühlen der HTW, UdK, TU und FU, sowie Technologiestiftung und DLR, arbeiten an datenschutz-zentrierten Lösungen für die Bereitstellung, Verarbeitung und Sammlung von Daten. Im Programmpunkt würden wir unser Projekt und erste Ergebnisse vorstellen (https://www.freemove.space/).
Das Potential der Analyse von Bewegungsdaten ist enorm für die Bewältigung kritischer Probleme wie beispielsweise Epidemien und Katastrophen, aber auch für eine nachhaltige, menschzentrierte und umweltbewusste Stadt- und Verkehrsentwicklung. Dem stehen Herausforderungen, die mit der Verfügbarmachung solcher Bewegungsdaten verbunden sind, gegenüber: der rechtlich wie ethisch erforderliche hohe Schutz der Privatsphäre von Personen verlangt anspruchsvolle mathematische und technische Anonymisierungsverfahren.
Die Verwertbarkeit der Daten, beispielsweise für statistische und algorithmische Modellierungsverfahren (Nutzbarkeit) einerseits und das Bedürfnis nach Datenschutz und Datensicherheit stehen in einem Zielkonflikt. Um Abwägungen zu ermöglichen, müssen zunächst eine Reihe von Fragen beantwortet werden:
Wie lässt sich das Risiko einer Deanonymisierung, bezüglich der Daten und dem Kontext, in dem sie entstehen und verwendet werden, zuverlässig schätzen und bewerten?
Wie können technische Verfahren zur Anonymisierung der Daten den Nutzer*innen vermittelt werden?
Wie lassen sich die Vorstellungen und Werte von Bürger*innen, die ihre Daten zur Verfügung stellen, in dem Prozess der Verfügbarmachung berücksichtigen?
