Datenschutz
Datenschutz (Data Privacy) ist die Gesamtheit der Rechte, Regeln und Praktiken, die bestimmen, wie personenbezogene Informationen erhoben, genutzt, weitergegeben und aufbewahrt werden. Er gibt Menschen Kontrolle über die Daten, die sie betreffen, und nimmt Organisationen für deren Umgang damit in die Pflicht.
Was ist Datenschutz?
Datenschutz fragt, ob eine Organisation personenbezogene Daten auf eine bestimmte Weise nutzen sollte; Datensicherheit fragt, ob die Daten vor denen geschützt sind, die sie nicht haben sollten. Ein Unternehmen kann vollkommen sicher sein und dennoch den Datenschutz verletzen, etwa indem es die Kaufhistorie für einen Zweck nutzt, dem Kunden nie zugestimmt haben.
Artikel 5 DSGVO legt die Kerngrundsätze fest, die die meisten Gesetze aufgreifen: Rechtmäßigkeit, Verarbeitung nach Treu und Glauben und Transparenz; Zweckbindung; Datenminimierung; Richtigkeit; Speicherbegrenzung; Integrität und Vertraulichkeit; sowie Rechenschaftspflicht. Zu den wichtigsten Regelwerken gehören die DSGVO der EU und des Vereinigten Königreichs, der kalifornische CCPA in der durch den CPRA geänderten Fassung, HIPAA für US-Gesundheitsdaten und das brasilianische LGPD. Diese in tägliche Regeln zu übersetzen, ist Aufgabe der Data Governance.
Was umfasst ein Datenschutzprogramm?
Ein funktionierendes Datenschutzprogramm besteht größtenteils aus operativer Dokumentation, gestützt durch einige technische Kontrollen.
Dateninventar: ein Verzeichnis von Verarbeitungstätigkeiten, das Artikel 30 DSGVO für die meisten Organisationen vorschreibt.
Rechtsgrundlage und Einwilligung: eine der sechs Rechtsgrundlagen aus Artikel 6, plus ein Consent-Tool wie OneTrust oder Cookiebot für nicht notwendige Cookies.
Betroffenenanfragen: Auskunfts- und Löschanfragen, die nach der DSGVO innerhalb eines Monats und nach dem CCPA innerhalb von 45 Tagen beantwortet werden.
Folgenabschätzungen: eine DSFA nach Artikel 35 für Verarbeitungen mit hohem Risiko, etwa umfangreiche Gesundheitsdaten.
Verträge mit Dienstleistern: Auftragsverarbeitungsverträge nach Artikel 28.
Aufbewahrungsplan: Löschtermine für jede Datenkategorie.
Wie sieht Datenschutzarbeit in der Praxis aus?
Der Großteil der Datenschutzarbeit besteht darin, zu erfassen, wohin personenbezogene Daten fließen, und sicherzustellen, dass jeder Datenfluss dem entspricht, was Kunden mitgeteilt wurde. Nehmen wir eine britische E-Commerce-Marke mit 45 Mitarbeitenden, die beginnt, nach Kalifornien zu verkaufen.
Das Team erfasst die Datenflüsse aus Shopify, Klaviyo, Google Analytics 4 und dem Helpdesk.
Die Rechtsberatung prüft, ob das Unternehmen einen der CCPA-Schwellenwerte erreicht: Jahresumsatz, Anzahl kalifornischer Verbraucher oder Umsatzanteil aus dem Verkauf oder der Weitergabe von Daten.
Weil Werbepixel Daten für kontextübergreifende verhaltensbasierte Werbung weitergeben, ergänzt die Website einen Link „Do Not Sell or Share My Personal Information“ und berücksichtigt Global-Privacy-Control-Signale.
Ein Anfrageformular speist eine Checkliste, die jedes System abdeckt, sodass ein Löschantrag in allen Systemen erledigt wird, nicht nur in Shopify.
Der letzte Schritt wird am leichtesten übersprungen: die Datenschutzerklärung so zu aktualisieren, dass sie die neuen Datenkategorien, die Zwecke und die Dritten nennt, die die Daten nun erhalten.
Welche Zielkonflikte und typischen Fehler gibt es beim Datenschutz?
Jede Datenschutzkontrolle kostet einige Daten, und der ehrliche Weg ist, diesen Verlust einzuplanen, statt ihn zu verbergen. Consent-Banner verringern die Abdeckung der Analysen; Datenminimierung begrenzt künftige Modelle; kürzere Aufbewahrung schränkt historische Vergleiche ein.
Widerspruch zwischen Richtlinie und Pipeline: Die Datenschutzerklärung sagt das eine, während das Data Warehouse stillschweigend etwas anderes tut.
Speicherung „für alle Fälle“: Alles für immer aufzubewahren, verstößt gegen den Grundsatz der Speicherbegrenzung.
Serverseitiges Tracking als Ausnahme betrachten: Ein Tag auf den Server zu verlagern, beseitigt nicht die Notwendigkeit einer Einwilligung.
Ungeprüfte KI-Tools: Wenn Mitarbeitende Kundendaten in öffentliche Chatbots einfügen, entsteht eine nicht dokumentierte Verarbeitungstätigkeit.
Wie unterscheidet sich Datenschutz von Datensicherheit und Compliance?
Datenschutz legt die zulässigen Verwendungen fest, Sicherheit setzt den Schutz durch, und Compliance weist beides gegenüber Aufsichtsbehörden und Prüfern nach. Zu den Tools der Datensicherheit gehören Verschlüsselung, Zugriffskontrolle und Monitoring. Datenschutz-Tools verwalten Einwilligungen, Anfragen und Datenlandkarten, und Teams für Daten-Compliance nutzen deren Aufzeichnungen als Prüfnachweise: OneTrust, Transcend, DataGrail, Osano und Cookiebot sind gängige Optionen.
Im Data Stack zeigt sich Datenschutz in Masking Policies auf Spaltenebene in Snowflake oder BigQuery, in Löschjobs auf Basis von Kunden-IDs und in pseudonymen IDs in der Analytics. Ein nützlicher Test: Wenn ein Kunde Sie heute fragen würde, welche Daten Sie über ihn gespeichert haben, könnten Sie innerhalb eines Monats vollständig antworten?
Datenschutz vs. Datensicherheit
Datenschutz | Datensicherheit | |
|---|---|---|
Kernfrage | Sollten wir diese Daten so nutzen? | Sind diese Daten vor Missbrauch geschützt? |
Wichtige Regelwerke | DSGVO, CCPA/CPRA, HIPAA, LGPD | ISO 27001, SOC 2, PCI DSS |
Typische Kontrollen | Einwilligung, Hinweise, Löschanfragen | Verschlüsselung, MFA, Zugriffskontrolle |
Verantwortlich | Datenschutz- oder Rechtsleitung, Datenschutzbeauftragter | Security-Team, CISO |
Beispiel für ein Versagen | Nutzung von Daten über den angegebenen Zweck hinaus | Für Angreifer offen zugängliche Datenbank |
Wie geht VIZIO AI in seinen Projekten mit personenbezogenen Daten um?
Die Fallstudien von VIZIO AI zeigen datenschutzrelevante Designentscheidungen innerhalb größerer Projekte statt eigenständiger Datenschutzprogramme. Für einen US-amerikanischen Anbieter von Hörakustik mit Kliniken in sieben Bundesstaaten führte unser DX Studio Patientenakten, Gerätedaten und CRM-Eingaben aus übernommenen Altsystemen in einem Warehouse zusammen und bereinigte doppelte und widersprüchliche Datensätze, bevor prädiktive Modelle aufgebaut wurden. Der Anbieter senkte die Rückgabequote von Hörgeräten in den Pilotkliniken um 12–15 %.
Für Found Factory ergänzte unser Venture Studio ein in 13 Wochen geliefertes MVP für das Matching von Mitgründern um die Verifizierung akademischer E-Mail-Adressen und eine Benutzerrollenverwaltung. Wo Sie anfangen sollten: Erstellen Sie eine einseitige Übersicht aller Systeme, die personenbezogene Daten speichern, und wer darauf zugreifen kann.
Datenschutz in Fallstudien von VIZIO AI
- Patient Retention Analytics ›Patienten-, Geräte- und CRM-Daten wurden vor der Modellierung klinikübergreifend zusammengeführt und trugen dazu bei, die Rückgabequote von Hörgeräten in den Pilotkliniken um 12–15 % zu senken.
- Found Factory ›Verifizierung akademischer E-Mail-Adressen und Rollenverwaltung wurden in ein in 13 Wochen geliefertes MVP für das Matching von Mitgründern integriert.