Transparenz und virtuelle Identitaet Privacy Concerns in Smart Cities

irena.grbic.uni-linz, 22. November 2016, 16:17

 

Der folgende Text dient als Zusammenfassung des Artikels „Privacy Concerns in Smart Cities“ von Liesbet van Zoonen. Der Artikel wurde im Jahr 2016 im Journal Government Information Quarterly veröffentlicht.

Im Rahmen der Forschungsarbeit wurde ein Konzept entwickelt, um darzustellen, ob und wie Smart City-Technologien und Big Data in Städten Bedenken bezüglich der Privatsphäre bei den Menschen in diesen Städten (Einwohner, Pendler, Besucher etc.) hervorrufen.

Smart Cities bezeichnen einen Siedlungsraum in dem ökologisch, sozial und ökonomisch nachhaltige Produkte, Dienstleistungen, Technologien, Prozesse und Infrastrukturen eingesetzt werden. In der Regel werden diese durch hochintegrierte und vernetzte Informations- und Kommunikationstechnologien unterstützt. (Vgl. Q2)

Im Zuge der Recherche wurden von den Autoren zunächst drei Aspekte identifiziert, welche die Bedenken bezüglich der Privatsphäre beeinflussen: Art der Daten, Verwendungszweck der Daten, Institution von der die Daten gesammelt werden. (Vgl. Q1, S. 472)

1. Art der Daten

Die Sensibilität von Daten wird von Personen sehr unterschiedlich empfunden. Dabei werden medizinische, finanzielle und städtische Daten bspw. als sensibel eingestuft, wobei die Nationalität, das Geschlecht oder das Alter als weniger problematisch angesehen werden. (ebd. S. 474)

2. Verwendungszweck der Daten

Für Personen ist interessant für welchen Zweck die Daten verwendet werden und welcher Nutzen für sie dadurch entsteht. Ist der Nutzen von hoher persönlicher Relevanz (medizinische Dienstleistungen, Gewinnzuwachs) sind Personen eher dazu geneigt ihre Daten preiszugeben. (ebd. S. 474)

3. Institution von der die Daten gesammelt werden

Dabei wird medizinischen Einrichtungen und Banken am ehesten vertraut wohingegen Telekommunikations- und Internetfirmen wenig Vertrauen entgegengebracht wird. Auch ist das Vertrauen in Social Media und Suchmaschinen bezüglich der Datensicherheit sehr gering und wird oftmals als Bedrohung der Privatsphäre angesehen. (ebd. S. 475)

 

Privacy Framework 

Das Modell wurde in Bezug auf zwei unterschiedliche Gesichtspunkte entwickelt. Zum einen wird unterschieden zwischen dem Empfinden der Personen über die Sensibilität der Daten (persönliche vs. unpersönlich) und zum anderen zwischen dem Verwendungszweck der gesammelten Daten (Service vs. Überwachung). (ebd. S. 472)

 

 

Abbildung 1: Van Zoonen (2016), S. 475

 

Persönliche Daten für Servicezwecke (I)

Im ersten Quadranten des Modells befinden sich alle traditionellen Daten, die von einer Stadt über die Einwohner gesammelt wurden (Geburtsdatum, Sterbedatum, Beruf, etc.) aber auch digitale Daten, wie bspw. Daten über Online-Transaktionen zwischen Stadtdiensten und Bürgern und Daten über das Social Media-Verhalten. Der Zweck dieser Daten ist die Unterstützung der Stadtplanung, Verbesserung der Stadtservices und die Unterstützung der Einwohner. Die Privatsphärebedenken in diesem Quadranten sind mäßig, da diese Daten seit jeher von Städten verwaltet werden. Weiters wird die Weitergabe dieser Daten eher als positiv betrachtet, da Bürger aufgrund dieser bspw. soziale Unterstützung erhalten. (ebd. S. 475)

 

Persönliche Daten für Überwachungszwecke (II)

In diesem Quadranten befinden sich persönliche Daten der Bürger, welche für Überwachungszwecke gesammelt werden. Diese beinhalten alle polizeilichen Daten oder Daten der städtischen Behörden (öffentliche Verkehrsmittel, Hafenbehörden etc.). (ebd. S. 475)

 

Unpersönliche Daten für Überwachungszwecke (III)

Diese Informationen betreffen alle Daten, welche nicht einer individuellen Person zugeordnet werden können und für Überwachungszwecke verwendet werden. Diese Daten werden bspw. aus der Überwachung des Verkehrsgeschehens, der öffentlichen Verkehrsmittel oder Sportevents gewonnen. Jedoch können alle Daten analysiert und erweitert werden. Somit ist es möglich bspw. durch Gesichtserkennungssoftware gesammelte Daten auf individuelle Personen zurückzuführen. Folglich werden aus zunächst unpersönlichen plötzlich sehr persönliche Daten. (ebd. S. 467)

 

Unpersönliche Daten für Servicezwecke (IV)

Ein großer Anteil der gegenwärtigen Smart City-Technologien und Bedenken bzgl. der Datenverwendung betreffen unpersönliche Daten welche für einen effizienteren Stadtbetrieb sorgen. Dazu zählen Daten, die aus der Überwachung von Luft, Lärm und der Wasserqualität oder auch Smart Waste-Management. Diese Daten sind nicht direkt auf Personen bezogen und werden daher auch nicht als besonders sensibel betrachtet. Darüber hinaus befinden sich auch alle Daten, welche über Open Data-Portale von Städten verfügbar sind in diesem Quadranten. (ebd. S. 476)

 

Beispiele für die Verwendung des Privacy Frameworks

 

Smart Waste-Technologien

Der Einsatz von Smart-Technologien wie bspw. Smart Bins etabliert sich in Städten zunehmend. Diese sogenannten Smart Bins messen mit Hilfe von Sensoren, wie voll ein Müllcontainer ist. Sobald ein bestimmtes Level erreicht ist, wird eine Meldung an den Entsorgungsdienst gesendet. Man unterscheidet zwischen Müllcontainern bei denen lediglich der Sensor eingebaut ist und Containern, welche zusätzlich eine Smart Card-Schnittstelle haben, um den Benutzer zu identifizieren. Container, welche nur den Sensor integriert haben, stellen sicher, dass der Müll rechtzeitig geleert wird. Jedoch werden keine Informationen über den Benutzer gesammelt. Es ergibt sich also eine Kombination von unpersönlichen Daten die einen Servicezweck erfüllen. Diese Art von Daten ruft keine Bedenken bezüglich der Privatsphäre hervor. Im Gegensatz dazu, werden bei Müllcontainern, die über eine über eine Smart Card-Schnittstelle verfügen, persönliche Daten über den Benutzer gesammelt. Durch diese zusätzlich gesammelten Daten über den Benutzer entwickeln sich Smart Bins von einer zunächst harmlosen zu einer Technologie mit Eingriff in die Privatsphäre. (ebd. S. 476)

 

Prognostizierende Polizeiarbeit

In diesem Fall werden individuelle und aggregierte Daten zur Analyse von Verbrechensmustern und zur Verbesserung der Polizeiarbeit eingesetzt. Dazu werden unpersönliche Daten für Überwachungszwecke verwendet. Dieser Fall wäre somit im vierten Quadranten des Privacy-Frameworks zu finden. Jedoch kann der Fall der prognostizierenden auch schnell in den zweiten Quadranten wechseln. Dies würde zutreffen, wenn Data Mining-Technologien über die Identifikation von Ort und Zeit hinausgehen und anstatt Arten von Verbrechen direkt die Angreifer vorhergesagt werden. Basierend auf Data Mining-Analysen werden Risiko-Profile erstellt, welche voraussagen sollen, wer möglicherweise ein Verbrechen durchführen könnte. (ebd. S. 477)

 

Social Media Monitoring

Durch Social Media entstandene Daten sind prinzipiell an Personen gebunden und somit sehr persönlich. Trotz dieser Tatsache, werden Social Media Daten oftmals nicht als persönlich und sensibel angesehen. Social Media wird von Städten genutzt, um Servicezwecke zu erfüllen und für die Kommunikation Bürgern. Daher ist das Social Media Monitoring im ersten Quadranten des Frameworks angesiedelt. Jedoch besteht die Gefahr, dass auch hier die Daten für andere Zwecke aggregiert werden und Daten für Überwachungszwecke genutzt werden. Dies würde wiederum zu einem Eingriff in die Privatsphäre der Bürger führen. (ebd. S. 478)

 

Fazit

Der Artikel zeigt sehr gut welche unterschiedlichen Daten in Smart Cities erhoben werden und welche dieser Daten bei den Bürgern dieser Städte Bedenken bezüglich ihrer Privatsphäre hervorrufen. Die Bedenken variieren zunächst aufgrund der Tatsache, dass je nach Person Daten als unterschiedlich sensibel wahrgenommen werden. Weiters spielt die Verwendung der Daten, also ob diese für Service- oder Überwachungszwecke verwendet werden eine große Rolle. Zusammenfassend kann bemerkt werden, dass persönliche Daten für Überwachungszwecke sehr große Bedenken bezüglich der Privatsphäre hervorrufen und unpersönliche Daten für Servicezwecke eine eher geringe Problematik bei Bürgern darstellen.

Der Artikel zeigt zwar gut auf, welche Daten welche Bedenken bei den Bürgern hervorrufen, jedoch kommt nicht hervor, ob und in welchem Ausmaß diese Datensammlung Nachteile für die Bürger der sogenannten Smart Cities darstellen kann. Denn je mehr Daten verfügbar sind und je mehr sie sich in Beziehung setzen lassen können, desto genauer sind die Berechnungen und Aussagen über die Menschen dahinter. Damit ist das Recht jedes Menschen auf ein unbeobachtetes Leben und somit auf ein Privatleben in Gefahr.

 

Quellen

Q1: Van Zoonen, Liesbet: Privacy concerns in smart cities, in: Government Information Quarterly, 33, 3/2016, S. 472-480

Q2: http://www.din.de/de/forschung-und-innovation/smart-cities (abgerufen am 22.11.2016)

3 comments :: Kommentieren

@prognostizierende Polizeiarbeit

sylvia.pichler.uni-linz, 21. November 2016, 22:00

... dieser Teil hat mich besonders interessiert, weil mein Beitrag ebenfalls dieses Thema behandelt.

Ich bin dafür, dass Daten zur Vorbeugung von Kriminalität ausgewertet werden.

Verlinken :: Kommentieren

Unterscheidung ist schwierig

magdalena.giegler.uni-linz, 22. November 2016, 20:50

Ich finde es schwierig eine klare Trennung zwischen Service und Überwachung zu ziehen. Wird z.B. eine Überwachung zur Kriminalitätsbekämpfung nicht eher als Service für die Bürger angesehen, da ihre Stadt ja sicherer werden soll? Oft heißt es: "Ich selbst habe ja nichts zu verbergen, darum ist es mir egal." Ich denke, dass gerade diese Frage sehr schwer zu beantworten ist, denn auch wenn es der Sicherheit dient, ist es dennoch eine Überwachung. Und in anderen Kanälen im Web stört es uns ja auch, dass Daten überwacht werden, auch wenn wir da per se nichts zu Verbergen hätten. 

Verlinken :: Kommentieren

Viel hilft viel: Mehr Überwachung, mehr Sicherheit?

stevan.milic.uni-linz, 23. November 2016, 00:05

So pauschal kann man das nicht sagen. Folgender Artikel thematisiert das Problem der Überwachung:

Mehr Überwachung bringt nicht zwingend mehr Sicherheit - derStandard.at

Verlinken :: Kommentieren