7. April 2025
Künstliche Intelligenz und maschinelles Lernen gestalten eine intelligentere Art der Zukunft. Wir beobachten deren Einfluss in bahnbrechenden Innovationen, die von autonomen Fahrzeugen über digitale Therapeutika bis hin zu Strafverfolgung und wissenschaftlicher Forschung reichen. KI spielt auch eine ebenso wichtige Rolle für den Unternehmenserfolg, indem sie immer intelligentere Möglichkeiten zur Herstellung und Vernetzung ermöglicht. Da diese Technologien erhebliche Mengen an Videodaten erfordern, wächst die Besorgnis darüber, wie man die Privatsphäre in KI- und Machine-Learning-Projekten schützen kann.
Innovation beschleunigt das Wachstum
Tatsächlich sprechen die Ergebnisse des Innovationsstrebens in Bezug auf das Wachstum des Endergebnisses für sich. Beispielsweise zeigte der Global Innovation 1000 Bericht von Booz & Co. (jetzt Strategy&) aus dem Jahr 2011, dass innovative Organisationen ein um 22% höheres EBITDA-Wachstum erzielen als ihre weniger kreativen Pendants.
Eine private Angelegenheit
Dennoch erfordert das Training von Algorithmen zur Erfüllung ihrer Aufgaben oft enorme Mengen an hochwertigen Bild- und Videodaten. Und wenn Sie KI- und Machine-Learning-Projekte durchführen, sind Sie sich zweifellos auch der Notwendigkeit bewusst, strenge Datenschutzbestimmungen einzuhalten, einschließlich CCPA in den USA, PIPL in China und der Datenschutz-Grundverordnung (DSGVO) der EU.
Ein prekärer Zustand
Sie werden auch wissen, dass die Konsequenzen einer Verletzung dieser Standards äußerst schwerwiegend sein können. Allein bis Oktober 2022 schätzt enforcementtracker.com, dass die Bußgelder für Verstöße gegen Datenschutzstandards 555 Millionen Euro betragen werden.
Ein delikates Dilemma
Da die Erfassung, Verwendung und Speicherung von Daten die ausdrückliche schriftliche Einwilligung der betroffenen Personen erfordert, ist es eindeutig unrealistisch zu erwarten, dass Sie die betroffenen Personen ausfindig machen, um diese Einwilligung einzuholen. Innovationsgetriebene Unternehmen stehen somit vor einem Dilemma: Wie können sie weiterhin KI- und Machine-Learning-Projekte durchführen, die Videodaten erfordern, und gleichzeitig die Datenschutzbestimmungen einhalten?
Datenschutz droht Innovation zu ersticken
Laut Bitkom, dem Digitalverband Deutschlands, stimmten über 75% der 502 befragten Unternehmen zu, dass Innovationsprojekte aufgrund der durch die DSGVO auferlegten rechtlichen Verpflichtungen gescheitert sind. Und 86% haben Projekte aufgrund von Unsicherheiten im Umgang mit der Verordnung eingestellt.
Qualität und Quantität
Der herkömmliche Ansatz besteht darin, sich Anonymisierungstechnologien wie Unschärfe, Verpixelung und schwarze Balken zuzuwenden. Dies ist jedoch bei weitem nicht perfekt. Diese Methoden sind von Natur aus nicht in der Lage, die Genauigkeit und Integrität der ursprünglichen Daten zu bewahren. In den meisten Fällen müssen Sie jedoch diese ursprüngliche Qualität beibehalten, um Algorithmen zu optimieren und sicherzustellen, dass Systeme wie beabsichtigt funktionieren.
DNAT gewährleistet konforme Videodaten
Deep Natural Anonymization (DNAT) löst jedoch dieses Dilemma. Basierend auf generativer KI erzeugt diese einzigartige Technologie synthetische Gesichter und Repliken von Nummernschildern, die verhindern, dass die ursprünglichen Subjekte erkannt werden. Durch die Bewahrung der Qualität der ursprünglichen Daten bei gleichzeitiger Gewährleistung der Einhaltung globaler Standards beseitigt sie den Kompromiss zwischen Privatsphäre und Innovation und ist in der Lage, die Privatsphäre in KI- und Machine-Learning-Projekten zu schützen.
Mit anderen Worten, DNAT ermöglicht es Ihnen, KI- und Machine-Learning-Projekte mit Videodaten in Übereinstimmung mit globalen Datenschutzstandards durchzuführen.
Diese Anonymisierungstechnik ist weitaus wertvoller als das einfache Unkenntlichmachen von Gesichtern und Nummernschildern. Gesichtszüge und physische Attribute können weiterhin erkannt werden, und die Daten können zur Schulung von maschinellen Lernmodellen verwendet werden. Wichtig ist, dass dieser Ansatz sicherstellt, dass Videoaufzeichnungen den strengen Datenschutzrichtlinien entsprechen.
Philipp Wende, Senior Consultant Automotive & Innovation Program Lead, DXC
Eine völlig neue Ebene des Datenschutzes
DNAT erkennt automatisch Gesichter und andere identifizierbare Elemente wie Nummernschilder in den Originalbildern und -videos. Anschließend generiert es zufällig künstliche Ersetzungen, die die ursprünglichen Attribute wie Gesichtszüge, Ausdrücke, Geschlecht, Emotionen, Absichten oder Alter genau widerspiegeln. Diese nicht umkehrbaren Überlagerungen werden dann auf das Original angewendet, wodurch eine Reidentifizierung durch Gesichtserkennungstechnologie unmöglich wird.
Qualität erhalten. Privatsphäre garantieren.
Dabei bewahrt DNAT die semantische Segmentierung und ist somit die einzige Anonymisierungstechnik, die Analysen und maschinelles Lernen ermöglicht. DNAT löst das Dilemma zwischen hochwertigen Videodaten und Datenschutz.
Die Vorteile von DNAT
DNAT ist sicher, da es eine Re-Identifizierung durch Gesichtserkennungstechnologie unmöglich macht: Synthetische Gesichter werden zufällig generiert und sind nicht rückgängig zu machen. Es ist zudem äußerst präzise: Alter, Geschlecht, ethnische Zugehörigkeit, Emotionen, Blickrichtung und Intention werden für die Entwicklung von KI und maschinellem Lernen beibehalten. Schließlich ist DNAT konform und verfügt über eine EuroPriSe-Zertifizierung für datenschutzkonforme IT-Produkte.
Zusammengefasst ermöglicht Deep Natural Anonymization Ihnen die sichere Nutzung von Videos und Bildern zur Optimierung von KI und maschinellem Lernen, ohne die Gefahr hoher Bußgelder oder der Behinderung von Innovationen.
