Der Kompetenzcluster Anonymisierung für vernetzte Mobilitätssysteme (ANYMOS) möchte erforschen, wie Techniken zur Anonymisierung in hochgradig vernetzten Mobilitätssystemen und der dazu notwendigen massiven Datenerhebung und -verarbeitung effektiv eingesetzt werden können. Im Fokus steht das Verständnis, welche Informationsquellen durch diese Systeme entstehen, wie diese zusammenspielen, welche personenbeziehbare Informationen sie enthalten und wie Techniken zur Anonymisierung darauf einwirken. Die Notwendigkeit zur ganzheitlichen Betrachtung vernetzter Mobilitätssysteme ergibt sich v.a. aus dem hohen Risiko zur Identifikation und Profilbildung von Personen durch Daten mit Ortsbezug und dem ebenfalls hohen Risiko zur Profilbildung bspw. im Individualverkehr. Selbst wenn beispielsweise die Bilddaten einer Verkehrskamera entsprechend dem Stand der Technik anonymisiert (z. B. auf reine Trajektorien reduziert) werden, können trotzdem die Trajektorien einzelnen Personen zugeordnet werden, wenn aus anderen Informationsquellen präzise Bewegungsprofile verfügbar sind (Navigation, Fahrzeugdiagnose, ortsbezogene Dienste auf Smartphones etc.). Der Kompetenzcluster wird alle Forschungsarbeiten entlang von Anwendungsfällen aus den beiden Themenfeldern autonomes Fahren und vernetze Infrastruktur sowie öffentlicher Verkehr durchführen.
Der Kompetenzcluster ANYMOS verfolgt langfristig das Ziel, Anonymisierung als Enabling-Technologie zu etablieren, um Unsicherheiten in Bezug auf die Notwendigkeit zur Anwendung der Regelungen des Datenschutzes beim Teilen und Nutzen von Daten abzubauen und die starke Position Deutschlands in den Bereichen Automotive und öffentlicher Verkehr auch bei daten-getriebenen Innovationen zu bewahren. Als Instrument zum Abbau von Unsicherheiten wird ANYMOS ein Vorgehensmodell erarbeiten und etablieren, das Unternehmen hilft, Anwendungsfälle im Bereich Mobilität Anonymisierungsbedarfe und -möglichkeiten zu identifizieren, geeignete Anonymisierungsmethoden entsprechend dem Stand der Forschung und Technik auszuwählen, diese korrekt anzuwenden und systematisch Re-Identifikationsrisiken zu identifizieren und zu bewerten.
Fraunhofer-Institut für System- und Innovationsforschung ISI