Der Nutzer möchte besondere Kategorien personenbezogener Daten im Kontext von Datenschutz in KI verstehen und auf praktische Arbeit in KI-Governance oder Compliance anwenden.
Besondere Kategorien personenbezogener Daten sind besonders sensible Arten personenbezogener Daten, die im EU-Datenschutzrecht festgelegt sind.
Besondere Kategorien personenbezogener Daten in KI sind sensible Kategorien personenbezogener Daten, die nach EU-Datenschutzrecht zusätzlichen Schutz erhalten, wenn sie in KI-Datensätzen, Prompts, Protokollen, Ausgaben oder abgeleiteten Profilen erscheinen. Nach Artikel 9 DSGVO umfasst dies Daten, aus denen rassische oder ethnische Herkunft, politische Meinungen, religiöse oder weltanschauliche Überzeugungen oder Gewerkschaftszugehörigkeit hervorgehen, sowie genetische Daten, biometrische Daten zur eindeutigen Identifizierung, Gesundheitsdaten und Daten zum Sexualleben oder zur sexuellen Orientierung einer Person. In KI kann diese Kategorie sowohl aus erhobenen Daten als auch aus Modellableitungen entstehen.
Besondere Kategorien personenbezogener Daten sind personenbezogene Daten, die bei Missbrauch besonders schweren Schaden verursachen können. Ein KI-System, das gewöhnliche Kundenfragen verarbeitet, ist eine Art Datenschutzthema. Ein KI-System, das Gesundheitssymptome, biometrische Kennungen, politische Ansichten, Gewerkschaftsmitgliedschaft oder abgeleitete sexuelle Orientierung verarbeitet, ist deutlich sensibler. Die rechtliche Schwelle hängt nicht nur davon ab, ob das System ein Label speichert; relevant kann auch sein, ob es geschützte Merkmale offenlegt oder ableitet.
Analogie
Eine Hochsensibilitätsschicht personenbezogener Daten, die strengere Rechtfertigung, Kontrollen und Prüfung erfordert.
Besondere Kategorien personenbezogener Daten sind wichtig, weil viele KI-Systeme sensible Merkmale unbeabsichtigt offenlegen oder ableiten können. Ein Einstellungsmodell kann aus dem beruflichen Werdegang behinderungsbezogene Informationen ableiten. Ein Inhalte-Empfehlungssystem kann politische oder religiöse Interessen ableiten. Ein Gesichtserkennungs- oder Stimmenidentifikationssystem kann biometrische Daten verarbeiten. Ein Gesundheitsassistent kann Symptome, Diagnosen oder Krankengeschichte verarbeiten. Diese Nutzungen können Risiken von Diskriminierung, Überwachung, Ausschluss, Abschreckungseffekten und rechtswidriger Verarbeitung erhöhen. Compliance-Teams sollten besondere Kategorien personenbezogener Daten als Warnsignal für Rechtsgrundlage, Erforderlichkeit, Verhältnismäßigkeit, Transparenz, Sicherheit, Bias-Tests und menschliche Aufsicht behandeln.
Dringlichkeit
Sensible Daten sollten identifiziert werden, bevor Modelltraining, RAG-Indexierung, Fine-Tuning, Analytics oder Produktionsprotokollierung beginnen.
Eine Prüfung sollte zunächst bestätigen, ob es sich um personenbezogene Daten handelt, anschließend ob sie in eine besondere Kategorie fallen, und danach, ob eine gültige Ausnahme oder Bedingung die Verarbeitung erlaubt. Das Team sollte Zweck, Erforderlichkeit, Verhältnismäßigkeit, Minimierung, Zugriffskontrollen, Aufbewahrung, Sicherheit, Nutzertransparenz und Betroffenenrechte dokumentieren. Bei KI-Systemen sollte die Prüfung außerdem untersuchen, ob sensible Merkmale direkt erhoben, aus Proxy-Variablen abgeleitet, vom Modell inferiert oder in Ausgaben offengelegt werden. Wenn biometrische, Gesundheits-, Beschäftigungs-, Bildungs-, Kredit-, Strafverfolgungs- oder öffentliche-Dienste-Kontexte betroffen sind, kann das System eine erhöhte Prüfung nach mehreren Rahmenwerken erfordern.
Der größte Fehler besteht darin, besondere Kategorien personenbezogener Daten nur dann als relevant zu behandeln, wenn eine Datenbank ein ausdrückliches Feld wie Religion, Diagnose oder Ethnie enthält. KI-Systeme können sensible Merkmale aus Sprache, Bildern, Verhalten, Standort, Käufen oder sozialem Kontext ableiten. Ein weiterer Fehler ist die Annahme, Einwilligung reiche immer aus. Einwilligung muss strenge Anforderungen erfüllen und kann in Beschäftigungs-, Behörden- oder unausgewogenen Beziehungen ungeeignet sein. Teams übersehen außerdem Modellausgaben: Ein System kann sensible Daten erzeugen oder offenlegen, selbst wenn die ursprüngliche Eingabe sie nicht klar gekennzeichnet hat.
Fehler 1: Proxy-Variablen zu ignorieren, die es einem Modell ermöglichen, geschützte Merkmale abzuleiten.
Fehler 2: Biometrische Templates, gesundheitsbezogene Prompts oder sensible Chatprotokolle als gewöhnliche Produktanalytik zu behandeln.
Diese Seite sollte mit personal-data und biometric-data verbunden werden, weil besondere Kategorien personenbezogener Daten eine geschützte Untergruppe personenbezogener Daten sind und biometrische Verarbeitung ein häufiger Auslöser für KI-Governance ist. Die stärksten Vergleiche sind personal-data-vs-special-categories-of-personal-data und biometric-data-vs-special-categories-of-personal-data. Verwandte Fragen sollten what-is-personal-data-in-ai und is-biometric-data-personal-data umfassen.