
Pseudonymisierung oder Anonymisierung: was die IT tut, damit Testdaten keine personenbezogenen Daten sind
Pseudonymisierung und Anonymisierung werden oft gleichgesetzt, dabei entscheidet der Unterschied, ob die DSGVO für Ihre Daten noch gilt. Ein Datensatz, aus dem die Namen entfernt wurden, ist meist nicht anonym, sondern pseudonymisiert. Dieser Artikel behandelt die Technik: was jede Methode leistet, wo der Schlüssel hingehört und wie Sie ohne echte personenbezogene Daten testen und auswerten.
Pseudonymisierte Daten sind weiterhin personenbezogene Daten: Mit zusätzlichen, getrennt aufbewahrten Informationen lassen sie sich einer Person zuordnen. Anonyme Daten nicht mehr, und deshalb fallen sie aus der DSGVO.
Namen zu entfernen ist fast nie Anonymisierung. Postleitzahl, Geburtsdatum und Geschlecht zusammen, ein seltener Wert oder ein Freitextfeld weisen oft noch auf genau eine Person.
Pseudonymisierung steht und fällt mit dem Schlüssel: Er gehört in eine andere Umgebung, zu anderen Administratoren. Ob ein Datensatz anonym genug ist, entscheidet der Verantwortliche; wir sind keine Juristen.
Pseudonymisierung oder Anonymisierung: der Unterschied
Die DSGVO definiert Pseudonymisierung in Art. 4 Nr. 5 als eine Verarbeitung, nach der sich Daten ohne zusätzliche Informationen nicht mehr einer Person zuordnen lassen, sofern diese Informationen gesondert aufbewahrt und geschützt werden. Eine Kundennummer statt eines Namens, mit einer Tabelle an anderer Stelle, die Nummer und Namen verbindet, ist das Lehrbuchbeispiel. Die Daten bleiben personenbezogen, und die DSGVO gilt vollständig.
Anonymisierung geht weiter: Die Daten lassen sich mit den Mitteln, die nach allgemeinem Ermessen wahrscheinlich genutzt werden, niemandem mehr zuordnen, auch Ihnen nicht. Dann sind es keine personenbezogenen Daten mehr, und die Verarbeitung fällt aus dem Anwendungsbereich der DSGVO.
Deshalb ist die Wahl wichtig. Pseudonymisierung ist eine Schutzmaßnahme, die die DSGVO selbst nennt: Sie verringert die Folgen einer Datenpanne und die Zahl der Personen, die jemanden erkennen können. Anonymisierung ist ein Weg, Daten zu nutzen, die nicht mehr personenbezogen sind. Wer das Erste tut und meint, es sei das Zweite, verarbeitet personenbezogene Daten ohne den Schutz, der dazugehört.
Wann ein Datensatz wirklich anonym ist
Die europäischen Datenschutzbehörden haben drei Fragen formuliert, mit denen sich prüfen lässt, ob ein Datensatz anonym ist. Kann jemand noch:
- eine Person herausgreifen, weil ihr Datensatz als einziger eine bestimmte Kombination von Werten hat;
- die Daten verknüpfen mit einer anderen Quelle, etwa einem öffentlichen Register oder einer geleakten Datei, und die Person so wiederfinden;
- etwas ableiten über eine Person, mit hoher Wahrscheinlichkeit und ohne ihren Namen zu kennen?
In der Praxis steckt das Risiko selten im Namen und fast immer im Rest. Postleitzahl, Geburtsdatum und Geschlecht zusammen bezeichnen oft eine einzige Person. Eine seltene Funktion in einer kleinen Niederlassung tut dasselbe. Freitextfelder enthalten Namen, Telefonnummern und Diagnosen. Und Metadaten, Zeitstempel und Standortdaten sind oft genauer als der Datensatz selbst.
Anonymität ist außerdem keine Eigenschaft, die ein Datensatz für immer behält. Was heute nicht verknüpfbar ist, kann es morgen sein, sobald eine neue Quelle hinzukommt. Halten Sie deshalb fest, welche Prüfung Sie mit welchen Annahmen gemacht haben, und wiederholen Sie sie, wenn sich Daten oder Nutzung ändern.
Die Techniken, und was sie leisten und was nicht
Keine Technik anonymisiert von allein. Jede verringert ein bestimmtes Risiko, und meist braucht es mehr als eine.
- Tokenisierung. Ein identifizierender Wert wird durch ein zufälliges Token ersetzt, die Zuordnungstabelle liegt getrennt. Das ist Pseudonymisierung und für den Inhaber der Tabelle leicht umkehrbar.
- Hashing. Ein einfacher Hash einer E-Mail-Adresse oder Personalnummer lässt sich zurückrechnen, indem man alle möglichen Werte hasht und vergleicht. Mit geheimem Schlüssel (ein Keyed Hash) ist es Pseudonymisierung; ohne Schlüssel oft nicht einmal das.
- Maskierung. Teile eines Werts ausblenden, etwa die mittleren Stellen einer IBAN. Nützlich in Masken und Berichten, aber der Rest des Datensatzes kann erkennbar bleiben.
- Generalisierung. Aus dem Geburtsdatum wird das Geburtsjahr oder eine Altersgruppe, aus der Postleitzahl nur die ersten Stellen. Verringert die Gefahr des Herausgreifens.
- Aggregation. Nur Summen und Mittelwerte, mit einer Mindestzahl von Personen je Zelle. Nahe an anonym, aber die Einzeldatensätze gehen verloren.
- Synthetische Daten. Künstliche Datensätze mit derselben Struktur und Verteilung wie das Original. Für Tests oft die beste Wahl, sofern der Generator keine echten Datensätze reproduziert.
Der Schlüssel getrennt: woran Pseudonymisierung hängt
Pseudonymisierung ist genau so stark wie die Trennung zwischen den Daten und der Information, mit der man sie zurückführt. Eine Zuordnungstabelle in derselben Datenbank, mit denselben Administratoren, ist keine Trennung.
- Eine andere Umgebung. Zuordnungstabelle oder Schlüssel liegen in einem anderen System oder einem eigenen Tresor, nicht neben dem Datensatz.
- Andere Personen. Wer mit den pseudonymisierten Daten arbeitet, kann sie nicht selbst re-identifizieren. Die Zuordnung ist ein eigener Vorgang mit eigenem Recht.
- Protokoll, wer zuordnet. Jede Zuordnung eines Pseudonyms zu einer Person wird mit Grund protokolliert.
- Schlüssel wechseln und vernichten. Ein Schlüssel, der jahrelang gilt, wird selbst zum Risiko. Und wer den Schlüssel vernichtet, macht die Daten nicht automatisch anonym: Der Rest des Datensatzes kann erkennbar bleiben.
Wie Schlüssel in der Praxis verwaltet werden und wo sie liegen können, beschreiben wir unter Schlüsselverwaltung und Verschlüsselung.
Testumgebungen ohne echte personenbezogene Daten
Der häufigste Ort, an dem personenbezogene Daten unnötig liegen, ist eine Test- oder Abnahmeumgebung, die mit einer Kopie der Produktion befüllt wurde. Entwickler, Tester und manchmal externe Dienstleister haben Zugriff, der Schutz ist geringer, und niemand räumt die Kopie auf.
Ein Vorgehen, das funktioniert:
- Machen Sie die Maskierung zum festen Schritt im Kopiervorgang, nicht zu etwas, das jemand hinterher erledigt. Die Kopie kommt erst in die Testumgebung, wenn Namen, Kontaktdaten, Nummern und Freitext ersetzt sind.
- Erhalten Sie die Beziehungen. Nutzen Sie konsistente Ersetzungen, damit derselbe Kunde in allen Tabellen dasselbe Pseudonym bekommt und die Tests weiter funktionieren.
- Erwägen Sie synthetische Daten für neue Funktionen und für Dienstleister, damit überhaupt keine echten Datensätze das Haus verlassen.
- Vergessen Sie die Nebenprodukte nicht. Backups, Protokolle und Exporte der Testumgebung enthalten dieselben Daten wie die Umgebung selbst.
Muss doch mit Echtdaten getestet werden, etwa um einen Fehler nachzustellen, halten Sie fest, wer, warum, wie lange und wann die Kopie gelöscht wurde.
Berichte, Auswertungen und Weitergabe an Dritte
Für eine Berichts- oder BI-Umgebung reicht Pseudonymisierung oft aus: Analysten sehen Trends je Kunde oder Mitarbeitendem, ohne zu wissen, wer es ist, und ein begrenzter Personenkreis kann bei Bedarf zuordnen. Entfernen Sie Felder, die die Auswertung nicht braucht, und generalisieren Sie, wo es geht.
Bei der Weitergabe an eine andere Organisation, etwa an eine Forschungseinrichtung, eine Beratung oder einen Analysedienstleister, ist die Frage schärfer. Verlässt der Datensatz das Haus pseudonymisiert, bleibt er personenbezogen und braucht eine Vereinbarung darüber, was der Empfänger damit tun darf. Soll er anonym sein, muss die Prüfung aus den vorigen Abschnitten für den Empfänger gelten, mit den Daten, die dieser bereits hat.
Birgt die Verarbeitung ein hohes Risiko, gehört die Wahl zwischen Pseudonymisierung und Anonymisierung mit Begründung in die Datenschutz-Folgenabschätzung.
Wo unsere Arbeit aufhört
Was wir tun. In den Umgebungen, die wir liefern, einrichten oder betreuen, setzen wir die Technik um: Maskierung als festen Schritt beim Kopieren in die Testumgebung, Tokenisierung und Keyed Hashes, die Trennung von Daten und Schlüssel, Rechte und Protokollierung rund um die Zuordnung. Wir beschreiben, welche Technik auf welche Felder angewandt wurde, damit Ihr Datenschutzkoordinator oder Datenschutzbeauftragter diese Wahl bewerten kann. Wir arbeiten nach ISO/IEC 27001; das beschreibt, wie wir arbeiten, und ist kein Urteil über Ihre Verarbeitungen.
Was wir nicht tun. Wir sind keine Juristen und keine Datenschutzbeauftragten. Wir erklären keinen Datensatz für anonym im Sinne der DSGVO, bewerten nicht, ob die Verarbeitung pseudonymisierter Daten rechtmäßig ist, und entscheiden nicht, ob Daten an Dritte weitergegeben werden dürfen. Diese Bewertung gehört dem Verantwortlichen, mit Beratung durch einen Datenschutzbeauftragten oder eine im Datenschutzrecht tätige Kanzlei.
Fragen, die wir dazu bekommen
Die fünf, die am häufigsten kommen.
Was ist der Unterschied zwischen Pseudonymisierung und Anonymisierung?
Bei der Pseudonymisierung werden identifizierende Daten durch ein Pseudonym ersetzt, und mit getrennt aufbewahrten Zusatzinformationen lässt sich die Person wieder zuordnen. Bei der Anonymisierung ist das mit vertretbaren Mitteln für niemanden mehr möglich. Pseudonymisierte Daten sind personenbezogen, anonyme Daten nicht.
Gilt die DSGVO für pseudonymisierte Daten?
Ja. Pseudonymisierte Daten bleiben personenbezogene Daten, weil sie sich mit den getrennt aufbewahrten Informationen zuordnen lassen. Die DSGVO gilt also vollständig. Pseudonymisierung ist dennoch eine Schutzmaßnahme, die die DSGVO selbst nennt, weil sie die Folgen einer Datenpanne verringert.
Ist Hashing eine Anonymisierung?
Nein. Ein einfacher Hash eines bekannten Werttyps, etwa einer E-Mail-Adresse oder Nummer, lässt sich zurückrechnen, indem man alle möglichen Werte hasht und vergleicht. Mit geheimem Schlüssel ist es Pseudonymisierung. Anonym ist ein Datensatz erst, wenn auch die übrigen Daten auf keine Person mehr verweisen.
Wie erstellt man Testdaten ohne personenbezogene Daten?
Machen Sie die Maskierung zum festen Schritt beim Kopieren der Produktion in die Testumgebung, mit konsistenten Ersetzungen, damit die Beziehungen zwischen Tabellen erhalten bleiben. Für neue Funktionen und externe Dienstleister sind synthetische Daten oft besser, weil keine echten Datensätze verwendet werden. Denken Sie an Backups und Protokolle der Testumgebung.
Können Sie bestätigen, dass unser Datensatz anonym ist?
Nein. Ob ein Datensatz im Sinne der DSGVO anonym ist, bewertet der Verantwortliche mit Beratung durch einen Datenschutzbeauftragten oder eine Kanzlei. Wir setzen die Techniken um und beschreiben genau, was mit welchen Feldern geschehen ist, damit diese Bewertung auf Fakten beruht.
Weiterlesen
Woran Pseudonymisierung anschließt.
Liegen echte personenbezogene Daten in Ihrer Testumgebung?
Wir ermitteln, wo Kopien der Produktion liegen, und richten die Maskierung als festen Schritt ein. Ob das Ergebnis anonym genug ist, bewertet Ihr Datenschutzbeauftragter.
Praktisches IT-Wissen in Ihrem Postfach
Neue Leitfäden zu Verwaltung, Sicherheit und Arbeitsplatz, geschrieben von den Menschen, die die Arbeit machen. Kein Verkaufsgerede, und Sie können sich mit einem Klick abmelden.