Unzureichende Datenminimierung in KI-Datenpipelines
KI-Datenpipelines verarbeiten mehr personenbezogene Daten als erforderlich oder behalten diese länger als für den Zweck notwendig.
Kontext
- Branche
- branchenübergreifend
- Prozess
- Datenmanagement
- Schutzgut
- Datenminimierung
Ursachen
- fehlende Datensparsamkeitsprüfung
- ungefilterte Rohdatenübernahme
- keine Lösch- und Aufbewahrungsregeln
Auswirkungen
- erhöhte Betroffenenrisiken
- unnötige Offenlegung sensibler Daten
- höhere Folgen bei Sicherheitsvorfällen
Praxisbeispiel
- Freitextfelder mit Namen
- Gesundheitsangaben und Beschwerden werden unverändert in ein Analysemodell übernommen
- obwohl aggregierte Merkmale ausreichen würden.
Stakeholder
- Data Owner
- Datenschutz
- Data Engineering
- Fachbereich
- Betroffene Personen
Maßnahmen
- Datenminimierungsprüfung je KI-Zweck durchführen
- personenbezogene Rohdaten vor Training filtern oder pseudonymisieren
- Aufbewahrungsfristen technisch umsetzen
Präventive Maßnahmen
- Datenkategorien nach Erforderlichkeit klassifizieren
- Privacy-by-Design-Gates in Datenpipeline einbaün
- Standardlöschfristen definieren
Detektive Maßnahmen
- Stichproben auf unnötige personenbezogene Daten durchführen
- Datenflüsse und Speicherorte prüfen
- Retention-Reports auswerten
Korrektive Maßnahmen
- Datenpipeline bereinigen
- überschüssige Daten löschen
- Feature-Set reduzieren
- Pseudonymisierung nachrüsten
Pruefziele
- Nachweisen
- dass nur erforderliche personenbezogene Daten in KI-Prozessen verarbeitet werden.
Auditfragen
- Welche Datenkategorien sind für den KI-Zweck wirklich erforderlich?
- Wie werden Rohdaten vor Training oder Analyse reduziert?
- Welche Löschfristen gelten für Trainings- und Protokolldaten?
Normbezüge
- SDM ISO/IEC 27701 DSGVO Erwägungsgrund 75 ISO/IEC 42001
Normhinweise
- Orientiert an Datenschutz-Gewährleistungszielen wie Datenminimierung
- Nichtverkettung
- Transparenz und Intervenierbarkeit.
Nachweise
- Datenflussdiagramm
- Datenminimierungsbewertung
- Löschkonzept
- Pipeline-Konfiguration
Nachweistypen
- Bewertung
- Konzept
- Technischer Nachweis
- Datenfluss
Kontrollen
- Datenpipeline blockiert nicht freigegebene Datenkategorien
- Retention-Check für KI-Datenspeicher monatlich ausführen
Verwandte Risiken
Noch keine Beziehungen hinterlegt.