Transparenz, offene Daten und Zugang zu Informationen

Gewinne:

• Bereitet Antworten auf Informationsanfragen in Übereinstimmung mit der Gesetzgebung vor und erläutert dabei nicht mehr und nicht weniger.
• Es anonymisiert offene Daten vor der Veröffentlichung und scannt sie auf der Ebene von Kombinationen, bei denen das Risiko einer erneuten Identifizierung besteht.
• Weiß, dass Transparenz ein Governance-Instrument ist, das das Vertrauen der Öffentlichkeit stärkt und unterscheidet, was vertraulich behandelt werden sollte.

Der Grundstein einer demokratischen öffentlichen Verwaltung ist Transparenz: die Fähigkeit der Bürger zu erfahren, wie und auf welcher Grundlage Entscheidungen, die sie betreffen, getroffen werden. Dieses Prinzip wird in zwei konkreten Mechanismen zum Leben erweckt. Das erste ist das Recht auf Information (Gesetz über das Recht auf Information Nr. 4982; Bürger können mit Ausnahmen Informationen und Dokumente von öffentlichen Institutionen anfordern). Das zweite sind offene Daten (öffentliche Institutionen veröffentlichen den nicht-personenbezogenen und nicht-vertraulichen Teil der von ihnen produzierten Daten so, dass jeder darauf zugreifen und ihn nutzen kann). Hier ist KI ein leistungsstarkes Hilfsmittel, um eingehende Informationsanfragen zu klassifizieren, Antwortentwürfe zu erstellen, vorab zu bewerten, welche Informationen gegeben werden können und welche ausgenommen sind, und offene Datensätze für die Veröffentlichung vorzubereiten. Aber der zweifache Vorbehalt dieser Einheit ist wichtig: Transparenz sollte nicht mehr und nicht weniger sein – der Bürger sollte die Informationen erhalten, auf die er Anspruch hat, aber personenbezogene Daten und echte Ausnahmen sollten geschützt werden; Dieses Gleichgewicht wird vom zuständigen Beamten und nicht von der KI hergestellt.

Die beiden falschen Enden des Wissenserwerbs

Bei Auskunftsanfragen können Fehler in zwei Richtungen gemacht werden:

• Mangelnde Transparenz: Übergebene Informationen werden unnötigerweise als „vertraulich/außergewöhnlich“ abgelehnt. Dies verletzt sowohl das Recht als auch das Misstrauen gegenüber der Institution und endet oft bei der Justiz.
• Übermäßige Offenlegung: Versehentliche Offenlegung personenbezogener Daten Dritter, eines Geschäftsgeheimnisses oder einer tatsächlichen Ausnahme (Sicherheit usw.) bei der Übermittlung eines Dokuments. Dies verstößt gegen KVKK und verursacht Schaden.

KI kann an beiden Enden helfen: Sie kann ein Dokument scannen, darin enthaltene personenbezogene Daten markieren und eine Schwärzung (Verdeckung/Entfernung vertraulicher/persönlicher Teile des Dokuments) vorschlagen; Möglicherweise wird darin die Ausnahmekategorie aufgeführt, unter der Sie die Anfrage bewerten. Aber die endgültige Entscheidung – ob diese Informationen weitergegeben werden, welcher Teil verschleiert wird – liegt bei einer Person, die die rechtliche Verantwortung trägt.

Achtung: Die Aussage von AI, dass „diese Informationen im Ausnahmebereich liegen“ oder „gegeben werden können“, ist keine Rechtsauffassung. Die Ausnahmebewertung wird gemäß den einschlägigen Artikeln des Gesetzes über den Zugang zu Informationen vorgenommen und begründet; KI erstellt nur Vorqualifikationen und Entwürfe.

Offene Daten sicher veröffentlichen

Offene Daten erhöhen die Effizienz und Rechenschaftspflicht der Öffentlichkeit; Unternehmer, Journalisten und Forscher schaffen Mehrwert aus diesen Daten. Vor der Veröffentlichung eines Datensatzes sollte dieser jedoch auf das Risiko einer Reidentifizierung überprüft werden (vermeintlich anonyme Daten werden durch Kombination mit anderen Daten wieder mit Personen verknüpft). Beispielsweise kann die Kombination „Alter + Nachbarschaft + seltener Beruf“ auf eine einzelne Person hinweisen. Bei der Vorbereitung eines Datensatzes für die Veröffentlichung ist KI hilfreich, um riskante Spaltenkombinationen zu kennzeichnen und ein Datenwörterbuch (eine Beschreibung der Bedeutung jeder Spalte) zu erstellen.

Tipp: Bevor Sie offene Daten veröffentlichen, fragen Sie: „Kann ich eine einzelne Person finden, indem ich zwei bis drei Spalten in diesem Satz kombiniere?“ Wenn die Antwort „vielleicht“ lautet, aggregieren Sie (Gruppe statt Einzel), kombinieren Sie seltene Kategorien oder entfernen Sie den sensiblen Bereich.

Schritt für Schritt Informationsfluss

1. Bedarf verstehen und einordnen. Was wird beantragt, um welche Einheit handelt es sich, wie lange dauert es?
2. Sind Informationen vorhanden oder müssen sie erstellt werden? Das Gesetz umfasst vorhandenes Wissen; Die Institution muss möglicherweise keine neue Analyse erstellen (bestätigt).
3. Ausnahmeauswertung. Gibt es Ausnahmen wie personenbezogene Daten, Sicherheit, Geschäftsgeheimnisse, interne Meinung?
4. Redaktion. Entfernen Sie Teile des exportierbaren Dokuments, die erhalten bleiben müssen.
5. Begründete Antwort. Der gegebene/nicht gegebene Teil und seine Grundlage; Einspruchsverfahren bei Ablehnung.
6. Protokoll und Audit-Trail. Antrag, Entscheidung und Begründung werden protokolliert.

drei Mini-Koffer

Fall 1 – Bearbeitungsfehler vermieden. Eine Agentur würde ein Ausschreibungsdokument einer Informationsfreiheitsanfrage unterziehen. AI scannte das Dokument und markierte die Telefonnummern und TR-ID-Nummern von drei Personen. Wäre der Versand ohne Korrekturlesen erfolgt, wäre dies ein Verstoß gegen KVKK gewesen; Persönliche Daten wurden geschwärzt, das Dokument wurde sicher zugestellt.

Fall 2 – Ungerechtfertigte Ablehnung korrigiert. Normalerweise lehnt eine Einheit eine Anfrage nach Aktivitätsdaten als „intern“ ab. Bei der Frage von AI nach den Ausnahmekategorien zeigte sich, dass diese Daten tatsächlich bereits als Open Data veröffentlichbar seien. Dem Wunsch wurde entsprochen, ein möglicher Einspruch und eine Klage verhindert.

Fall 3 – Risiko einer erneuten Identifizierung. Eine Gemeinde würde ihren Datensatz „Serviceanfragen“ als offene Daten veröffentlichen. Das Set beinhaltete eine Aufschlüsselung der Nachbarschaft und der vollständigen Adresse des Bezirks. Die KI warnte, dass das Adressfeld auf einzelne Ziffern verweisen könnte; Die Adresse wurde auf Straßenebene aggregiert und der Satz sicher veröffentlicht.

Vier kopierbare Vorlagen

1) Klassifizierung der Informationsanfrage:

Ihre Rolle: Spezialist für Informationsbeschaffung. Bearbeiten Sie die folgende Anfrage: (1) was genau angefordert wird, (2) um welche Einheit es sich handelt, (3) ob bestehende Informationen oder Neuproduktion erforderlich sind, (4) mögliche Ausnahmekategorien (personenbezogene Daten, Sicherheit, Geschäftsgeheimnis usw.). Geben Sie an, dass jede Ausnahme „durch den entsprechenden Artikel gerechtfertigt sein muss“. Entscheidungsfindung, Vorabbewertung. ANFRAGE: [Text]

2) Schwärzung (Markierung personenbezogener/vertraulicher Daten):

Markieren Sie im folgenden Dokument alle Teile, die in einer Informationsantwort maskiert werden sollten: Vor- und Nachname, TR-ID-Nummer, Adresse, Telefon, Gesundheits-/Strafinformationen, Daten Dritter, Geschäftsgeheimnis. Begründen Sie jedes Zeichen kurz. Lassen Sie den exportierbaren Teil des Dokuments unverändert. DOKUMENT: [Text]

3) Begründeter Antwortentwurf:

Verfassen Sie eine begründete Antwort auf die folgende Anfrage: (1) Welche Informationen wurden gegeben, (2) Welcher Teil wurde nicht gegeben und warum (Ausnahmeklausel [noch zu bestätigen]), (3) Art und Dauer der Berufung [noch zu bestätigen]. Die Sprache sollte formell und respektvoll sein. Die Begründung für den nicht genannten Teil sollte konkret und nicht allgemein sein. ANFRAGE: [Zusammenfassung] ENTSCHEIDUNG: [was gegeben/nicht gegeben wurde]

4) Kontrolle der erneuten Authentifizierung offener Daten:

Untersuchen Sie die Spalten des folgenden Datensatzes. Listen Sie auf, welche Spaltenkombinationen auf eine einzelne Person hinweisen können (Risiko einer erneuten Identifizierung). Schlagen Sie für jedes Risiko eine Abhilfe vor: Aggregation, Aggregation seltener Kategorien, Feldextraktion. Verwenden Sie einfach die angegebene Spaltenliste. SPALTEN: [Liste]

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach: „Reagieren Sie auf diese Informationsanfrage.“

Güçlü: „Ihre Rolle ist ein Experte für Informationseinheiten. Zuerst klassifizieren Sie die Anfrage: Was wird angefordert, welche Einheit, ist sie verfügbar, was sind die möglichen Ausnahmen. Markieren Sie jede Ausnahme als „durch den entsprechenden Artikel zu begründen“, treffen Sie keine rechtliche Entscheidung selbst. Markieren Sie dann die persönlichen/vertraulichen Teile, die in dem einzureichenden Dokument mit einem Schwärzungsvorschlag maskiert werden müssen. Erstellen Sie abschließend einen begründeten Antwortentwurf, der den gegebenen/nicht gegebenen Teil und die Art und Weise des Widerspruchs enthält; begründen Sie ihn Beton.“

Unterschied: Eine starke Eingabeaufforderung gleicht Transparenz und Schutz aus, verknüpft die Ausnahme mit der Begründung und fügt Schwärzung und Einspruchspfad hinzu.

Ansatz nach Informationstyp

Informationstyp

Standard

Achtung

Statistiken, aggregierte Daten

offen

Überprüfung der erneuten Identifizierung

Grund für Verwaltungsmaßnahmen

gegeben werden kann

Daten Dritter schwärzen

Persönliche Daten Dritter

geschützt

KVKK; aber mit Erlaubnis/Ausnahme

Ausnahme für Sicherheit/Datenschutz

geschützt

Ist es eine echte Ausnahme, bestätigen Sie

Interne Meinung/Verhandlung

Hängt davon ab

Bewerten Sie gemäß dem entsprechenden Artikel

Anonymisierung und Risiko einer Reidentifizierung

Der technischste, aber kritischste Schritt bei der Veröffentlichung offener Daten ist die Anonymisierung (wodurch eine Person direkt oder indirekt anhand der Daten nicht identifiziert werden kann). Name und T.R. Das Löschen der ID-Nummer reicht oft nicht aus; denn die Kombination mehrerer gewöhnlicher Bereiche macht eine Person wiederidentifizierbar. Dies wird als Re-Identifizierung bezeichnet (Finden der Person durch Abgleichen von Daten, die als anonym gelten, mit anderen Informationen). Gibt es beispielsweise einen alleinstehenden 92-jährigen Witwer in einer Nachbarschaft, wird er durch das Trio „Nachbarschaft + Alter + Familienstand“ verraten. KI kann dabei helfen, herauszufinden, bei welchen Kombinationen von Feldern in einem Datensatz das Risiko einer Offenlegung besteht, und eine sicherere Gruppierung vorzuschlagen (Alter in Bereich umwandeln, seltene Kategorien kombinieren); Die Entscheidung über die Veröffentlichung und die abschließende Prüfung liegen jedoch in der Verantwortung der Institution.

Mini-Fall – Offenlegung mit drei Bereichen. Eine Kommune veröffentlichte Sozialhilfedaten „anonym“: kein Name, aber Wohnort, Geburtsjahr und Art der Behinderung. Ein Journalist bemerkte eine seltene Art von Behinderung bei einer einzelnen Person in einem einzelnen Viertel und identifizierte die Person. Daten zurückgezogen; Es wurde neu veröffentlicht, als das Geburtsjahr auf ein 10-Jahres-Intervall umgestellt und die seltenen Kategorien unter „Sonstige“ zusammengefasst wurden.

Vorlage, die das Risiko einer erneuten Identifizierung überprüft:

Aufgabe: Untersuchen Sie die Spalten des folgenden Datensatzes; Ich veröffentliche keine personenbezogenen Daten, ich möchte nur eine Risikoprüfung.Spalten: [Spaltennamen]Ausgabe: 1) Direkte Identifikatoren (müssen gelöscht werden). 2) Indirekte Identifikatorkombinationen (Risiko der Reidentifizierung). 3) Empfohlene Gruppierung/Maskierung für jede riskante Kombination. 4) Letzte Kontrollfragen vor der Veröffentlichung. Regel: Ich habe keine echten persönlichen Werte eingefügt; Betrachten Sie einfach die Spaltenstruktur.

Achtung: „Ich habe den Namen gelöscht, jetzt anonym“ ist das häufigste und gefährlichste Missverständnis. Die Anonymität wird nicht durch das Feld selbst bestimmt, sondern durch die Kombination von Feldern und die Wahrscheinlichkeit des Abgleichs mit externen Daten. Im Zweifelsfall nicht veröffentlichen; Anonymität ist eine unwiderrufliche Entscheidung.

Häufige Fehler

• Gewohnheitsweise ablehnen. Die Informationen, die weitergegeben werden können, als unnötig „vertraulich“ zu betrachten, stellt eine Rechtsverletzung dar und ist Anlass für eine Klage.
• Einreichen nicht redigierter Dokumente. Die Offenlegung von Daten Dritter stellt einen Verstoß gegen KVKK dar.
• Verwendung der Ausnahme ohne Begründung. Die Ablehnung muss mit konkretem Inhalt und konkreter Begründung erfolgen; Die Aussage „intern“ reicht nicht aus.
• Sich auf das rechtliche Urteil der KI verlassen. Die Entscheidung, eine Ausnahme zu machen, ist menschlich; KI ist vorqualifiziert.
• Umgehen der Neuidentifizierung in offenen Daten. Spaltenkombinationen können Personen finden; Aggregat.
• Keine Angabe der Widerspruchsmöglichkeiten. Bei Ablehnungen müssen der Bewerbungsweg und die Bewerbungsdauer schriftlich festgehalten (bestätigt) werden.

Zusammenfassend

Transparenz ist die Grundlage des öffentlichen Vertrauens; KI ist ein leistungsstarkes Hilfsmittel bei der Klassifizierung von FOI-Anfragen, der Empfehlung von Korrekturlesen, dem Verfassen von Antworten und der Vorbereitung offener Daten für die Veröffentlichung. Aber die Abwägung ist entscheidend: Den Bürgern müssen die ihnen zustehenden Informationen zur Verfügung gestellt werden, echte Ausnahmen und personenbezogene Daten müssen geschützt werden. Die Entscheidung, eine Ausnahme zu machen, muss begründet und menschlich sein; Offene Daten sollten vor der Veröffentlichung auf das Risiko einer erneuten Identifizierung überprüft werden.

Anwendungsaufgabe

Erhalten Sie eine echte (maskierte) Informationsfreiheitsanfrage. Führen Sie eine Vorbewertung mit der Vorlage „Klassifizierung anfordern“ durch, wenden Sie die Vorlage „Schwärzung“ auf ein angehängtes Dokument an und markieren Sie die zu maskierenden Bereiche. Wenden Sie die Vorlage „Reidentifizierungsprüfung offener Daten“ auf die Spalten eines offenen Datensatzes an und finden Sie mindestens eine riskante Kombination.

Checkliste

• [ ] Ich habe die Anfrage klassifiziert; Ich habe die Informationen, die unnötigerweise gegeben werden könnten, nicht zurückgewiesen.
• [ ] Ich habe die Ausnahmen mit konkreter Substanz und Begründung (menschliche Entscheidung) bewertet.
• [ ] Ich habe die personenbezogenen/vertraulichen Daten im einzureichenden Dokument unkenntlich gemacht.
• [ ] Im Falle einer Ablehnung habe ich die Art und Dauer des Widerspruchs angegeben (bestätigt).
• [ ] Ich habe das Risiko einer erneuten Identifizierung in offenen Daten überprüft.
• [ ] Ich habe den Antrag, die Entscheidung und die Begründung für die Prüfung aufgezeichnet.