Gewinne:
- Anonymisierung und Bewertung der Notwendigkeit, bevor die sensiblen und finanziellen Daten des Kunden an Tools für künstliche Intelligenz weitergegeben werden
- Fähigkeit, Unterschiede zwischen Unternehmens- und öffentlichen KI-Tools in Bezug auf Datenschutz, Datenaufbewahrung und Verwendung im Bildungsbereich zu unterscheiden
- Fähigkeit, Datenschutzverletzungen, Aufbewahrungsfristen und Risiken der Teilhabe an Dritte im Rahmen von KVKK zu verwalten
Versicherungen gehören zu den Berufen, die mit den sensibelsten Daten arbeiten. Eine Versicherungsakte; Dazu können Identitätsinformationen, Adresse, Einkommen, Bankkonto, Krankengeschichte, Schadensunterlagen, Nummernschild, Eigentumsurkunde und sogar Familieninformationen gehören. Einige dieser Daten unterliegen als „personenbezogene Daten besonderer Art“ dem höchsten Schutz im KVKK (Gesetz zum Schutz personenbezogener Daten); Typische Beispiele hierfür sind Gesundheits-, biometrische und ähnliche Daten. Die unkontrollierte Weitergabe dieser Daten bei der Verwendung von Tools der künstlichen Intelligenz (insbesondere cloudbasierter Tools) birgt ein ernstes Risiko für Datenschutzverletzungen und Vertrauensverlust. Sobald die Daten durchgesickert sind, können sie nicht mehr wiederhergestellt werden. In dieser Einheit erfahren Sie, wie Sie Kundendaten anonymisieren (persönlich identifizierbare Informationen entfernen), bevor Sie sie an künstliche Intelligenz weitergeben, welche Datenschutzunterschiede zwischen Unternehmens- und öffentlichen Tools bestehen und wie Sie die Risiken von Datenschutzverletzungen, Speicherung und Weitergabe an Dritte im Rahmen von KVKK verwalten. Bei dieser Einheit handelt es sich nicht um eine Rechtsberatung; Erklärt allgemeine Grundsätze. Wenden Sie sich im Einzelfall an die Compliance-/Rechtsabteilung.
Warum Datenschutz so wichtig ist: Datentypen
Im Versicherungswesen ist eine Trennung der Daten nach Schutzniveau erforderlich:
- Identitätsdaten: Name, Nachname, TR-ID-Nummer, Geburtsdatum, Kontakt. Es identifiziert die Person direkt.
- Finanzdaten: Einkommen, Bankkonto, Zahlungshistorie. Persönlich und einfühlsam.
- Besondere Qualitätsdaten: Gesundheit, biometrische Daten. Höchster Schutz; Für die Verarbeitung sind strengere Voraussetzungen (ausdrückliche Einwilligung oder gesetzliche Ausnahme) erforderlich.
- Dateidaten: Versicherungsnummer, Nummernschild, Eigentumsurkunde, Schadensdetails. In Kombination mit anderen kann es Identität offenbaren.
Die größte Gefahr besteht in der Identifizierbarkeit, die durch die Zusammenführung dieser Daten entsteht. Während „45 Jahre alte Frau“ anonym ist, kann „45 Jahre alte Frau + ein bestimmtes Nummernschild + eine bestimmte Adresse“ die Identität verraten.
Achtung: Wenn Sie „Löschen“ sagen, nachdem Sie Daten an das Tool für künstliche Intelligenz übergeben haben, werden diese nicht tatsächlich gelöscht. Einige Tools speichern die Eingaben und verwenden sie sogar zum Trainieren des Modells. Regel: Versenden Sie niemals sensible Daten. Vor dem Absenden erfolgt die Anonymisierung.
Anonymisierung: So geht's
Unter Anonymisierung versteht man die Entfernung identifizierbarer Informationen und deren Ersetzung durch sachliche Äquivalente; Das Ziel besteht darin, die Person unkenntlich zu machen und gleichzeitig die Ausgabequalität beizubehalten. Gute Anonymisierung:
- Entfernt Name, TR-ID, Telefonnummer, Adresse, Versicherungsnummer, Nummernschild und Eigentumsurkundeninformationen.
- Er ersetzt sie durch ein analytisch aussagekräftiges Äquivalent: „45 Jahre alt, männlich, Versicherungspolice, Zentralanatolien, einseitiger Zusammenstoß“.
- Es vermeidet seltene/unverwechselbare Kombinationen: ein ganz bestimmter Beruf + ein sehr kleiner Ort, der allein Identität eröffnen kann.
- Behält die medizinisch-technische Bedeutung bei: etwa „komplementäre Gesundheit, geplante orthopädische Operation“.
Tipp: Stellen Sie sich nach der Anonymisierung die Frage: „Wenn ein Fremder diesen Text liest, könnte er die Person finden?“ Wenn die Antwort „Ja“ ist, verallgemeinern Sie weiter. Besonders seltene Kombinationen (kleiner Bezirk + spezifisches Ereignis) sind gefährlich.
Enterprise vs. öffentliche Tools
Nicht alle KI-Tools bieten das gleiche Maß an Datenschutz. Sie unterscheiden sich in drei Dimensionen:
- Datenaufbewahrung: Werden die Eingaben gespeichert und wie lange?
- Verwendung im Training: Wird die Eingabe zum Trainieren des Modells verwendet?
- Ort und Vertrag: Wo werden die Daten verarbeitet, besteht eine Vereinbarung zur Auftragsdatenverarbeitung?
Institutionelle Instrumente (die vertraglichen Zusicherungen der Institution zur Datenverarbeitung) schränken häufig die Nichtverwendung und Speicherung von Daten im Bildungsbereich ein. Öffentliche, kostenlose Tools können Eingaben speichern und im Training verwenden. Regel: Sensible Daten werden nur in vom Institut genehmigten, vertraglich vereinbarten Verfahren und in möglichst anonymisierter Form verarbeitet. Durch die Eingabe von Kundendaten in ein nicht genehmigtes Tool ist der Datenverarbeiter unüberprüfbar.
Schritt für Schritt: Sicher mit vertraulichen Daten arbeiten
- Klassifizieren Sie die Daten. Identitäts-/Finanz-/spezielle Qualitäts-/Dateidaten.
- Notwendigkeitstest. Sind diese Daten für diese Aufgabe wirklich notwendig? Wenn nicht, verwenden Sie es nicht.
- Anonymisieren. Bezeichner entfernen, Sachäquivalente ersetzen, seltene Kombinationen verallgemeinern.
- Fahrzeug auswählen. Nur von der Agentur zugelassene Vertragsfahrzeuge; Dem öffentlichen Tool stehen keine sensiblen Daten zur Verfügung.
- Arbeiten Sie mit minimalen Daten. Teilen Sie die für die Aufgabe erforderlichen Mindestinformationen mit.
- Verwalten Sie Speicher und Freigabe. Wo speichern Sie die Ausgabe, mit wem teilen Sie sie? Beachten Sie die KVKK-Aufbewahrungsfrist und die Regeln Dritter. Hinterlassen Sie Ihre Spuren.
drei Mini-Koffer
Fall 1 – Schutz sensibler Daten. Ein Schadenspezialist wollte die KI zu einer komplexen Krankenversicherungsakte befragen. Anstatt den Namen, die ID und die Diagnose des Versicherten zu schreiben, erstellte er einen anonymen Kontext wie „52 Jahre alt, weiblich, komplementäre Gesundheitspolitik, geplante Herzklappenoperation, umstrittener Betrag“. Die Qualität der Ausgabe hat nicht abgenommen; Private Daten gingen nicht in eine Cloud. Gesundheitsdaten unterliegen höchstem Schutz; Diese Angewohnheit verhinderte den Verstoß.
Fall 2 – Seltene Kombinationsfalle. „38 Jahre alt, weiblich, einzige Apothekerin in [sehr kleinem Landkreis], Berufshaftpflichtversicherung“, schrieb ein Experte. Obwohl es technisch gesehen keinen Namen enthielt, verriet es direkt seine Identität, da er der einzige Apotheker in diesem Bezirk war. Der Experte bemerkte dies und verallgemeinerte es als „kleine Siedlung, Gesundheitsberuf“. Durch die Anonymisierung wird nicht nur der Name gelöscht, sondern auch die Wiedererkennbarkeit zerstört.
Fall 3 – Falsche Werkzeugauswahl. Aus Gründen der Geschwindigkeit würde ein Mitarbeiter die Aufschlüsselung der Kundenforderungen in ein kostenloses, öffentliches Tool hochladen. Die Teamrichtlinie tritt in Kraft: Kundendaten werden nur im von der Institution genehmigten, vertraglich vereinbarten Tool verarbeitet. Der Mitarbeiter anonymisierte die Daten zunächst und ließ sie anschließend im freigegebenen Tool laufen. Bei Verwendung eines nicht genehmigten Tools wäre das Risiko der Datenspeicherung und -nutzung im Bildungsbereich unkontrollierbar.
Vier kopierbare Eingabeaufforderungen
1) Anonymisierungsassistent:
Entfernen Sie alle persönlichen und identifizierenden Daten aus dem folgenden Text: Vorname, Nachname, Ausweis, Geburtsdatum, Telefonnummer, Adresse, Versicherungsnummer, Nummernschild, Eigentumsurkunde, IBAN. Ersetzen Sie sie durch eine sachliche Entsprechung mit analytischer Bedeutung (z. B. „45 Jahre alt, männlich, Versicherungspolice, einseitiger Zusammenstoß“). Verallgemeinern Sie seltene/charakteristische Kombinationen (kleiner Ort + besonderer Beruf). Medizinische/technische Bedeutung beibehalten.Text: [Einfügen]
2) Erkennbarkeitsprüfung:
Überprüfen Sie den folgenden anonymisierten Text auf Erkennung: [text]Fragen Sie: Kann ein Fremder die Person mit diesem Text finden? Gibt es eine seltene Kombination (kleine Siedlung + bestimmter Beruf/Ereignis), ein eindeutiges Datum oder einen eindeutigen Betrag? Heben Sie jeden riskanten Punkt hervor und schlagen Sie vor, wie Sie ihn sicherer verallgemeinern können.
3) Datenbedarf und Klassifizierung:
Klassifizieren und testen Sie die Daten, die für die folgende Aufgabe erforderlich sind: Aufgabe: [Beschreibung] Die Daten, die ich habe: [Liste] Für jede Daten: Typ (Identität/Finanzen/Spezial/Datei), sind sie für diese Aufgabe erforderlich (ja/nein), ggf. wie werden sie anonym verwendet? Markieren Sie nicht benötigte Daten als „nicht verwenden“.
4) Checkliste für die Fahrzeugauswahl:
Erstellen Sie eine Checkliste, bevor Sie ein KI-Tool mit Versicherungsdaten verwenden. Fügen Sie Fragen hinzu: Ist das Fahrzeug von der Institution zugelassen? Gibt es eine Datenverarbeitungsvereinbarung? Speichert/verwendet es die Eingaben im Training? Wo werden die Daten verarbeitet? Für welchen Datentyp ist es geeignet/ungeeignet? Reicht die Anonymisierung aus?
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwach: „Bewerten Sie die Akte des Klienten Ahmet Yılmaz (TC 123..., ärztlicher Bericht beigefügt).“
Problem: Identitäts- und sensible (Gesundheits-)Daten werden direkt weitergegeben; großes Risiko einer KVKK-Verletzung.
Stark: „Berücksichtigen Sie den folgenden anonymisierten Kontext: Alter 52, weiblich, zusätzliche Gesundheitspolitik, geplante Operation, umstrittener Betrag. Keine identifizierenden Informationen.“
Warum es gut ist: Die analytische Bedeutung bleibt erhalten, Identität und sensible Daten werden nicht preisgegeben.
Vergleichstabelle
Datentyp
Schutzstufe
Einsatz in der künstlichen Intelligenz
Name/TC/Kontakt
hoch
Entfernen, Äquivalent einsetzen
Finanziell (Einkommen/IBAN)
hoch
Entfernen/verallgemeinern
Gesundheit/spezielle Qualifikationen
am höchsten
Niemals roh; anonymes + genehmigtes Fahrzeug
Policennummer/Kennzeichen/Eigentumsurkunde
mittelhoch
Entfernen; allein ist riskant
Aggregat/Statistik
niedrig
Verfügbar (falls kein Kontakt möglich)
Häufige Fehler
- Einfügen roher persönlicher/Gesundheitsdaten. Der häufigste und schwerste Verstoß.
- Ich denke, dass es ausreicht, nur den Namen zu löschen. Seltene Kombinationen können die Identität noch verraten.
- Verlassen Sie sich darauf, „später löschen“ zu sagen. Das Tool speichert/verwendet möglicherweise Daten im Training.
- Nicht genehmigtes/öffentliches Fahren. Unkontrollierte Datenverarbeitung.
- Speicher und Freigabe werden nicht verwaltet. Unbegrenzte Speicherung der Ausgabe, unkontrollierte Weitergabe an Dritte.
Zusammenfassend
Versicherungsdaten sind sehr sensibel; Besondere Daten wie beispielsweise die Gesundheit unterliegen dem höchsten Schutz durch die KVKK. Klassifizieren, hinterfragen und anonymisieren Sie Daten, bevor Sie sie an die KI weitergeben: Identifikatoren entfernen, sachliche Äquivalente einführen, seltene Kombinationen verallgemeinern. Verarbeiten Sie sensible Daten nur in von der Institution genehmigten, vertraglich vereinbarten Tools und in einem minimalen Umfang. Verwalten Sie die Speicherdauer und die Weitergabe an Dritte im Rahmen von KVKK und hinterlassen Sie Spuren. Wenden Sie sich im konkreten Fall an die Compliance-/Rechtsabteilung; Durchgesickerte Daten können nicht wiederhergestellt werden.
Anwendungsaufgabe
Holen Sie sich einen echten Schadens-/Referenztext (zu Testzwecken). Anonymisieren Sie mit Eingabeaufforderung Nr. 1 und überprüfen Sie dann die Erkennung mit Eingabeaufforderung Nr. 2: Gibt es im Text noch seltene Kombinationen, die die Person verraten könnten? Verallgemeinern Sie jedes Risiko, das Sie finden. Bewerten Sie auch das von Ihnen eingesetzte KI-Tool mit Checkliste Nummer 4: Ist es für sensible Daten geeignet?
Checkliste
- [ ] Ich habe die Daten nach ihren Typen klassifiziert.
- [ ] Ich habe den Notwendigkeitstest durchgeführt; Ich habe keine unnötigen Daten verwendet.
- [ ] Ich habe die Bezeichner entfernt und durch ein sachliches Äquivalent ersetzt.
- [ ] Ich habe seltene/charakteristische Kombinationen verallgemeinert.
- [ ] Ich habe eine Erkennbarkeitsprüfung durchgeführt.
- [ ] Ich habe nur vom Unternehmen zugelassene Vertragsfahrzeuge verwendet.
- [ ] Ich habe die Speicherung und die Weitergabe an Dritte gemäß KVKK verwaltet; Ich habe Spuren hinterlassen.