Big Data, Innovation und Datenschutz. Appl, C., Ekelhart, A., Fenz, N., Kieseberg, P., Leo, H., Kirrane, S., Polleres, A., Taudes, A., Treitl, V., Singer, C., & Winner, M. December, 2017. Studie im Auftrag des Bundesministeriums für Verkehr, Innovation und Technologie (BMVIT)Paper abstract bibtex Mit der Einführung der DS-GVO im Mai 2018 müssen Europaäische Organisationen, die davon betroffen sind, Datenschutz und die daraus folgenden Beschraänkungen beachten. Die Problematik stellt sich besonders für den Innovationstreiber Big Data, da bei derartigen Anwendungen a priori nicht klar ist, welche Daten zu sammeln sind und wie diese in entsprechende Anwendungen eingehen. In einer datenschutzfreien Welt wuürden derartige Anwendungen durch omöglichst breite, zweckfreie Datensammlung, darauf basierende Datenanalyse zur Entdeckung verborgener Muster und die Entwicklung neuer Funktionen, die den AnwenderInnen anhand ihrer Daten angeboten werden, entstehen. Die in vorliegender Studie vorgenommene rechtliche Analyse der DS-GVO ergibt, dass aufgrund der rechtlichen Anforderungen diese Vorgangsweise zur Entwicklung von Big Data Anwendungen nicht möglich ist: Datensammlungen und Data Mining Analysen mit personenbezogenen Daten sind ohne Einwilligung nicht erlaubt. Als Ausgangspunkt zur Entwicklung eines entsprechenden Maßnahmenbündels wird in dieser Studie eine DS-GVO kompatible Vorgangsweise zur Entwicklung einer Big Data Anwendung entwickelt. Basis dieses Vorschlags sind eine rechtlichen Analyse der DS-GVO mit Schwerpunkt Big Data, eine technische Analyse der zur Umsetzung der Auflagen vorhandenen Technologien sowie Gespraäche mit Unternehmen und Behoörden. Grundidee der Vorgangsweise ist die Einholung der Einwilligung zur Anonymisierung und/oder Datenanalyse bereits bei der Entwicklung des datengenerierenden Systems, einer auf das Testen abgestimmten Einwilligung und einem Opt-in beim Ausrollen der Big Data Anwendung. Desweiteren schlägt die Studie strategische Maßnahmen in den Bereichen Ausbildung, Forschung, Förderung, gesetzliche Rahmenbedingungen, sowie Teilnahme an internationalen Initiativen (wie z.B. MyData) vor.
@misc{big_data_innovation_datenschutz_endbericht_7_12_17,
url = {http://polleres.net/publications/big_data_innovation_datenschutz_endbericht_7_12_17.pdf},
title = {{Big Data, Innovation und Datenschutz}},
abstract = {Mit der Einf\"uhrung der DS-GVO im Mai 2018 m\"ussen Europa\"aische Organisationen, die davon betroffen sind, Datenschutz und die daraus folgenden Beschra\"ankungen beachten. Die Problematik stellt sich besonders für den Innovationstreiber Big Data, da bei derartigen Anwendungen a priori nicht klar ist, welche Daten zu sammeln sind und wie diese in entsprechende Anwendungen eingehen. In einer datenschutzfreien Welt wu\"urden derartige Anwendungen durch om\"oglichst breite, zweckfreie Datensammlung, darauf basierende Datenanalyse zur Entdeckung verborgener Muster und die Entwicklung neuer Funktionen, die den AnwenderInnen anhand ihrer Daten angeboten werden, entstehen.
Die in vorliegender Studie vorgenommene rechtliche Analyse der DS-GVO ergibt, dass aufgrund der rechtlichen Anforderungen diese Vorgangsweise zur Entwicklung von Big Data Anwendungen nicht m\"oglich ist: Datensammlungen und Data Mining Analysen mit personenbezogenen Daten sind ohne Einwilligung nicht erlaubt. Als Ausgangspunkt zur Entwicklung eines entsprechenden Maßnahmenb\"undels wird in dieser Studie eine DS-GVO kompatible Vorgangsweise zur Entwicklung einer Big Data Anwendung entwickelt. Basis dieses Vorschlags sind eine rechtlichen Analyse der DS-GVO mit Schwerpunkt Big Data, eine technische Analyse der zur Umsetzung der Auflagen vorhandenen Technologien sowie Gespra\"ache mit Unternehmen und Beho\"orden. Grundidee der Vorgangsweise ist die Einholung der Einwilligung zur Anonymisierung und/oder Datenanalyse bereits bei der Entwicklung des datengenerierenden Systems, einer auf das Testen abgestimmten Einwilligung und einem Opt-in beim Ausrollen der Big Data Anwendung. Desweiteren schl\"agt die Studie strategische Ma{\ss}nahmen in den Bereichen Ausbildung, Forschung, F\"orderung, gesetzliche Rahmenbedingungen, sowie Teilnahme an internationalen Initiativen (wie z.B. MyData) vor.},
author = {Clemens Appl and Andreas Ekelhart and Natascha Fenz and Peter Kieseberg and Hannes Leo and Sabrina Kirrane and Axel Polleres and Alfred Taudes and Veronika Treitl and Christian Singer and Martin Winner},
address = {Vienna, Austria},
note = {Studie im Auftrag des Bundesministeriums f\"ur Verkehr, Innovation und Technologie (BMVIT)},
YEAR = 2017,
month = dec,
publisher = {Bundesministerium f\"ur Verkehr, Innovation und Technologie}
}
Downloads: 0
{"_id":"Q2zEzEp7idPfRY47C","bibbaseid":"appl-ekelhart-fenz-kieseberg-leo-kirrane-polleres-taudes-etal-bigdatainnovationunddatenschutz-2017","downloads":0,"creationDate":"2018-02-02T05:54:06.517Z","title":"Big Data, Innovation und Datenschutz","author_short":["Appl, C.","Ekelhart, A.","Fenz, N.","Kieseberg, P.","Leo, H.","Kirrane, S.","Polleres, A.","Taudes, A.","Treitl, V.","Singer, C.","Winner, M."],"year":2017,"bibtype":"misc","biburl":"www.polleres.net/mypublications.bib","bibdata":{"bibtype":"misc","type":"misc","url":"http://polleres.net/publications/big_data_innovation_datenschutz_endbericht_7_12_17.pdf","title":"Big Data, Innovation und Datenschutz","abstract":"Mit der Einführung der DS-GVO im Mai 2018 müssen Europaäische Organisationen, die davon betroffen sind, Datenschutz und die daraus folgenden Beschraänkungen beachten. Die Problematik stellt sich besonders für den Innovationstreiber Big Data, da bei derartigen Anwendungen a priori nicht klar ist, welche Daten zu sammeln sind und wie diese in entsprechende Anwendungen eingehen. In einer datenschutzfreien Welt wuürden derartige Anwendungen durch omöglichst breite, zweckfreie Datensammlung, darauf basierende Datenanalyse zur Entdeckung verborgener Muster und die Entwicklung neuer Funktionen, die den AnwenderInnen anhand ihrer Daten angeboten werden, entstehen. Die in vorliegender Studie vorgenommene rechtliche Analyse der DS-GVO ergibt, dass aufgrund der rechtlichen Anforderungen diese Vorgangsweise zur Entwicklung von Big Data Anwendungen nicht möglich ist: Datensammlungen und Data Mining Analysen mit personenbezogenen Daten sind ohne Einwilligung nicht erlaubt. Als Ausgangspunkt zur Entwicklung eines entsprechenden Maßnahmenbündels wird in dieser Studie eine DS-GVO kompatible Vorgangsweise zur Entwicklung einer Big Data Anwendung entwickelt. Basis dieses Vorschlags sind eine rechtlichen Analyse der DS-GVO mit Schwerpunkt Big Data, eine technische Analyse der zur Umsetzung der Auflagen vorhandenen Technologien sowie Gespraäche mit Unternehmen und Behoörden. Grundidee der Vorgangsweise ist die Einholung der Einwilligung zur Anonymisierung und/oder Datenanalyse bereits bei der Entwicklung des datengenerierenden Systems, einer auf das Testen abgestimmten Einwilligung und einem Opt-in beim Ausrollen der Big Data Anwendung. Desweiteren schlägt die Studie strategische Maßnahmen in den Bereichen Ausbildung, Forschung, Förderung, gesetzliche Rahmenbedingungen, sowie Teilnahme an internationalen Initiativen (wie z.B. MyData) vor.","author":[{"firstnames":["Clemens"],"propositions":[],"lastnames":["Appl"],"suffixes":[]},{"firstnames":["Andreas"],"propositions":[],"lastnames":["Ekelhart"],"suffixes":[]},{"firstnames":["Natascha"],"propositions":[],"lastnames":["Fenz"],"suffixes":[]},{"firstnames":["Peter"],"propositions":[],"lastnames":["Kieseberg"],"suffixes":[]},{"firstnames":["Hannes"],"propositions":[],"lastnames":["Leo"],"suffixes":[]},{"firstnames":["Sabrina"],"propositions":[],"lastnames":["Kirrane"],"suffixes":[]},{"firstnames":["Axel"],"propositions":[],"lastnames":["Polleres"],"suffixes":[]},{"firstnames":["Alfred"],"propositions":[],"lastnames":["Taudes"],"suffixes":[]},{"firstnames":["Veronika"],"propositions":[],"lastnames":["Treitl"],"suffixes":[]},{"firstnames":["Christian"],"propositions":[],"lastnames":["Singer"],"suffixes":[]},{"firstnames":["Martin"],"propositions":[],"lastnames":["Winner"],"suffixes":[]}],"address":"Vienna, Austria","note":"Studie im Auftrag des Bundesministeriums für Verkehr, Innovation und Technologie (BMVIT)","year":"2017","month":"December","publisher":"Bundesministerium für Verkehr, Innovation und Technologie","bibtex":"@misc{big_data_innovation_datenschutz_endbericht_7_12_17,\nurl = {http://polleres.net/publications/big_data_innovation_datenschutz_endbericht_7_12_17.pdf},\ntitle = {{Big Data, Innovation und Datenschutz}},\nabstract = {Mit der Einf\\\"uhrung der DS-GVO im Mai 2018 m\\\"ussen Europa\\\"aische Organisationen, die davon betroffen sind, Datenschutz und die daraus folgenden Beschra\\\"ankungen beachten. Die Problematik stellt sich besonders für den Innovationstreiber Big Data, da bei derartigen Anwendungen a priori nicht klar ist, welche Daten zu sammeln sind und wie diese in entsprechende Anwendungen eingehen. In einer datenschutzfreien Welt wu\\\"urden derartige Anwendungen durch om\\\"oglichst breite, zweckfreie Datensammlung, darauf basierende Datenanalyse zur Entdeckung verborgener Muster und die Entwicklung neuer Funktionen, die den AnwenderInnen anhand ihrer Daten angeboten werden, entstehen.\nDie in vorliegender Studie vorgenommene rechtliche Analyse der DS-GVO ergibt, dass aufgrund der rechtlichen Anforderungen diese Vorgangsweise zur Entwicklung von Big Data Anwendungen nicht m\\\"oglich ist: Datensammlungen und Data Mining Analysen mit personenbezogenen Daten sind ohne Einwilligung nicht erlaubt. Als Ausgangspunkt zur Entwicklung eines entsprechenden Maßnahmenb\\\"undels wird in dieser Studie eine DS-GVO kompatible Vorgangsweise zur Entwicklung einer Big Data Anwendung entwickelt. Basis dieses Vorschlags sind eine rechtlichen Analyse der DS-GVO mit Schwerpunkt Big Data, eine technische Analyse der zur Umsetzung der Auflagen vorhandenen Technologien sowie Gespra\\\"ache mit Unternehmen und Beho\\\"orden. Grundidee der Vorgangsweise ist die Einholung der Einwilligung zur Anonymisierung und/oder Datenanalyse bereits bei der Entwicklung des datengenerierenden Systems, einer auf das Testen abgestimmten Einwilligung und einem Opt-in beim Ausrollen der Big Data Anwendung. Desweiteren schl\\\"agt die Studie strategische Ma{\\ss}nahmen in den Bereichen Ausbildung, Forschung, F\\\"orderung, gesetzliche Rahmenbedingungen, sowie Teilnahme an internationalen Initiativen (wie z.B. MyData) vor.},\nauthor = {Clemens Appl and Andreas Ekelhart and Natascha Fenz and Peter Kieseberg and Hannes Leo and Sabrina Kirrane and Axel Polleres and Alfred Taudes and Veronika Treitl and Christian Singer and Martin Winner},\naddress = {Vienna, Austria},\nnote = {Studie im Auftrag des Bundesministeriums f\\\"ur Verkehr, Innovation und Technologie (BMVIT)},\nYEAR = 2017,\nmonth = dec,\npublisher = {Bundesministerium f\\\"ur Verkehr, Innovation und Technologie}\n}\n\n\n","author_short":["Appl, C.","Ekelhart, A.","Fenz, N.","Kieseberg, P.","Leo, H.","Kirrane, S.","Polleres, A.","Taudes, A.","Treitl, V.","Singer, C.","Winner, M."],"key":"big_data_innovation_datenschutz_endbericht_7_12_17","id":"big_data_innovation_datenschutz_endbericht_7_12_17","bibbaseid":"appl-ekelhart-fenz-kieseberg-leo-kirrane-polleres-taudes-etal-bigdatainnovationunddatenschutz-2017","role":"author","urls":{"Paper":"http://polleres.net/publications/big_data_innovation_datenschutz_endbericht_7_12_17.pdf"},"metadata":{"authorlinks":{"polleres, a":"https://bibbase.org/show?bib=www.polleres.net/mypublications.bib"}},"downloads":0,"html":""},"search_terms":["big","data","innovation","und","datenschutz","appl","ekelhart","fenz","kieseberg","leo","kirrane","polleres","taudes","treitl","singer","winner"],"keywords":[],"authorIDs":["FyLDFGg993nDS2Spf"],"dataSources":["cBfwyqsLFQQMc4Fss","gixxkiKt6rtWGoKSh","QfLT6siHZuHw9MqvK"]}