Privacy by Design bei der Erfassung menschlicher Demonstrationen
Egozentrische Demonstrationsdaten zeichnen ein echtes Gesicht, ein echtes Zuhause und eine echte Stimme auf, sie sind damit von Natur aus personenbezogene Daten. Datenschutz gehört in die Erfassungsspezifikation, nicht in eine Richtlinie.
Eine Person legt ein Erfassungs-Rig an und kocht in der eigenen Küche eine Kanne Kaffee. Die Kopfkamera sieht die Hände an der Mühle, und genau darum geht es. Sie sieht aber auch das Kind am Tisch, den Brief mit der Heimadresse, der offen auf der Arbeitsplatte liegt, ein Gesicht, das sich halb im Wasserkocher spiegelt, und sie hört ein Telefonat im Nebenzimmer. Jedes dieser Details wird die Roboter-Policy niemals nutzen, und jedes davon zählt als personenbezogene Daten über einen echten Menschen.
Das ist die unbequeme Grundform egozentrischer menschlicher Demonstrationsdaten. Um einem Roboter beizubringen, wie sich eine Hand tatsächlich bewegt, zeichnet man eine echte Person bei einer echten Aufgabe an einem echten Ort auf. Das gewünschte Signal, die Hände, das Objekt und die Kräfte, ist untrennbar verschweißt mit einem Strom von Dingen, die man eigentlich nicht behalten sollte: Identität, Ort, unbeteiligte Personen, Sprache. Das eine lässt sich nicht erfassen, ohne das andere mitzuerfassen.
Datenschutz ist also kein Richtliniendokument, das man nach dem Dreh anheftet. Er ist eine Eigenschaft des Erfassungs-Rigs, der Vor-Ort-Pipeline und des Schemas, festgelegt, bevor jemand die Aufnahme startet. Behandelt man ihn als technische Spezifikation, ist er beherrschbar. Behandelt man ihn als Problem der Rechtsabteilung, muss man im Nachhinein Einwilligungen für bereits ausgeliefertes Material rekonstruieren, und das ist die teure Art, diese Lektion zu lernen.
Warum diese Aufnahmen von Natur aus personenbezogene Daten sind
Nach der GDPR (Datenschutz-Grundverordnung, DSGVO) sind personenbezogene Daten alle Informationen, die sich auf eine identifizierte oder identifizierbare Person beziehen. Eine Ich-Perspektive-Aufnahme einer kochenden Person übertrifft diese Schwelle in einem einzigen Bild um ein Vielfaches. Das Gesicht ist identifizierbar. Ebenso die Stimme, das Innere der Wohnung, die Straße durch ein Fenster, manchmal ein Bildschirm mit dem eigenen Namen darauf. Auch unbeteiligte Personen, die nie in irgendetwas eingewilligt haben, sind identifizierbar, und sie haben sich nicht dafür angemeldet, einen Roboter zu trainieren.
Biometrische Merkmale verschärfen die Lage. Ein Gesicht und ein Stimmabdruck fallen unter besondere Kategorien personenbezogener Daten, die die GDPR strenger schützt als einen gewöhnlichen Namen. Der EU AI Act lässt all das unberührt in Kraft und fügt eigene Pflichten zur Daten-Governance hinzu. Für keines der beiden Regelwerke spielt es eine Rolle, dass die Aufnahmen zum Training eines Greifers erfasst wurden. Der Zweck wäscht personenbezogene Daten nicht im Nachhinein zu etwas Anonymem.
Zwei Pipelines: Privacy by Design gegen Sammeln-und-Hoffen
Es gibt im Wesentlichen zwei Wege, ein Korpus menschlicher Demonstrationen aufzubauen, und sie unterscheiden sich bereits im allerersten Schritt.
Die Sammeln-und-Hoffen-Pipeline optimiert auf Volumen. Man zieht sich Ich-Perspektive-Videos, woher auch immer man sie bekommt, oder zeichnet locker auf und sortiert später, schiebt dann das Rohmaterial in einen zentralen Speicher und kümmert sich um Gesichter und Einwilligungen erst, wenn der Anwalt eines Kunden fragt. Das ist schnell, am ersten Tag billig, und es häuft eine Haftung an, die mit jedem Clip wächst. Der Rohdaten-Speicher wird zum sensibelsten Vermögenswert, den das Unternehmen besitzt, obwohl er nie dafür gedacht war.
Privacy by Design kehrt diese Reihenfolge um. Artikel 25 der GDPR benennt das direkt, Datenschutz durch Technikgestaltung und durch datenschutzfreundliche Voreinstellungen, und das bedeutet: Die Schutzmaßnahmen stecken im System, nicht in einem Review-Meeting. Die Einwilligung wird zusammen mit der Aufnahme erfasst. Gesichter und Stimmen werden entfernt, bevor die Aufnahmen das Gerät verlassen. Das Korpus, das den Trainingscluster erreicht, enthielt nie ruhende personenbezogene Daten, weil die identifizierende Schicht bereits am Edge entfernt wurde. Die beiden Pipelines können einen ähnlich aussehenden Datensatz erzeugen. Nur eine von beiden übersteht ein Audit ohne ein erneutes Training.
Ein Checkpoint lässt sich nicht anonymisieren. Welches identifizierende Detail auch immer das Erfassungs-Rig durchgelassen hat, es ist in den Gewichten eingebacken, und keine noch so umfangreiche nachträgliche Richtlinie holt es wieder heraus.
Die fünf Kontrollen und was ohne jede von ihnen zerbricht
Privacy by Design ist kein Slogan. Es ist eine kurze Liste konkreter Kontrollen zum Zeitpunkt der Erfassung. Jede schützt etwas Bestimmtes, und jede hat einen Fehlermodus, der später sichtbar wird, wenn man sie auslässt.
| Kontrolle | Was sie schützt | Fehlermodus, wenn ausgelassen |
|---|---|---|
| Dokumentierte Einwilligung zum Zeitpunkt der Erfassung | Die Rechtsgrundlage und der Nutzungsumfang der betroffenen Person | Keine Rechtsgrundlage für das gesamte Korpus, und ein Widerruf, dem man nicht nachkommen kann |
| Anonymisierung von Gesicht und Stimme an der Quelle | Biometrische Identität der betroffenen Person und unbeteiligter Dritter | Daten besonderer Kategorien werden ausgeliefert und gespeichert, sodass eine Datenpanne Gesichter offenlegt, nicht Tensoren |
| Datenminimierung, die Aufgabe behalten, den Raum weglassen | Wohnungsinneres, Dokumente, Dritte | Sensibler Kontext bleibt dauerhaft erhalten, ohne jeden Trainingswert |
| Verarbeitung am Edge oder auf dem Gerät | Der Rohdatenstrom selbst | Rohmaterial in Übertragung und im Ruhezustand wird selbst zum größten Haftungsrisiko |
| Provenienz je Sitzung | Nachvollziehbarkeit für Löschung und Audit | Ein Löschantrag wird zur forensischen Suche ohne Index |
Lesen Sie die rechte Spalte als Liste von Vorfällen, die nur darauf warten zu passieren. Keiner davon ist exotisch. Jeder davon ist der direkte, vorhersehbare Preis dafür, eine Kontrolle nachgelagert zu verlagern, vom Rig zu einem Cleanup-Skript, vom Zeitpunkt der Erfassung zum Zeitpunkt des Audits.
Anonymisierung ist ein Problem der Signalerhaltung
Hier wird die technische Arbeit interessant, denn die naive Version zerstört genau die Daten, um die es geht. Verwischt man alles, hat man die betroffene Person geschützt und die Hände weggeworfen. Die Aufgabe besteht darin, Identität zu entfernen und gleichzeitig das Manipulationssignal zu erhalten, und diese beiden liegen in unterschiedlichen Bereichen des Bildes. Gesichter, unbeteiligte Personen und Dokumente im Hintergrund lassen sich maskieren oder stark verwischen. Hände, Objekte, Kontaktpunkte und die Sicht vom Handgelenk müssen pixelscharf bleiben, denn genau das ist die eigentliche Aufnahme.
Die Stimme ist eine eigene Entscheidung. Sprache transportiert einen Stimmabdruck und oft Namen, Adressen und Gespräche Dritter. Bei den meisten Manipulationsaufgaben ist der relevante Audiokanal das Kontaktgeräusch, das Klicken eines Riegels oder das Schaben einer Schublade, nicht die Sprache. Lässt man die Sprache weg und behält das Kontaktgeräusch, entfernt man einen Identifikator, ohne etwas zu verlieren, worauf die Policy regressiert.
Hier verläuft eine rechtliche Grenze, die es genau zu treffen gilt. Der Europäische Datenschutzausschuss unterscheidet scharf zwischen Anonymisierung und Pseudonymisierung. Eine Verwischung, die sich rückgängig machen lässt, oder ein gehashter Identifikator, der sich wieder zuordnen lässt, ist Pseudonymisierung, und pseudonymisierte Daten sind weiterhin personenbezogene Daten im Sinne der GDPR. Echte Anonymisierung, bei der eine Re-Identifizierung vernünftigerweise nicht mehr möglich ist, nimmt die Daten aus dem Anwendungsbereich heraus. Dieser Unterschied entscheidet, ob Ihr Korpus ein reguliertes personenbezogenes Datenobjekt ist oder ein gewöhnlicher Datensatz, und ist deshalb ein Entwurfsziel, keine Checkbox.
Löschung ist ein Schema-Problem, keine Löschabfrage
Die Einwilligung nach der GDPR ist widerrufbar, und das Recht auf Löschung ist real. Eine betroffene Person kann ein Jahr später wiederkommen und verlangen, dass ihr Beitrag entfernt wird. Wenn Ihr einziger Index ein Bucket mit zehntausend nach Zeitstempel benannten Videodateien ist, wird das zu einem forensischen Projekt. Wenn jede Sitzung einen Provenienz-Datensatz mitführt, Identifikator der betroffenen Person, Einwilligungsversion, Erfassungsdatum, Rig und Verarbeitungskette, als gleichwertiges Geschwister der Tensoren, dann ist Löschung eine Abfrage und ein erneuter Export.
Hier treffen sich die Datenschutz-Perspektive und die Provenienz-Perspektive. Datensätze wie Ego4D und Ego-Exo4D haben genau dieses Gerüst aufgebaut: unterschriebene Teilnahmevereinbarungen, Anonymisierungsdurchgänge und Metadaten pro Clip, gerade weil rohes Ich-Perspektive-Material im großen Maßstab ohne all das unbrauchbar ist. Sie sind der Existenzbeweis dafür, dass eine Erfassung mit Einwilligung und Nachvollziehbarkeit in der Ich-Perspektive möglich ist. Sie sind zugleich der Beweis dafür, wie viel bewusste Struktur das erfordert. Das Gerüst ist kein Overhead, den man den Daten hinzufügt. Zunehmend ist es die Trennlinie zwischen einem Datensatz, den man ausliefern kann, und einem, den man nicht ausliefern kann.
Datenschutz bei der Erfassung menschlicher Demonstrationen ist keine Auflage, die man nachträglich an die eigentlich interessante Arbeit anschraubt. Er ist Teil der eigentlich interessanten Arbeit. Das Rig, das die Hände einer Person aufzeichnet, zeichnet zugleich ihr Gesicht, ihr Zuhause und ihre Stimme auf, und die einzige Frage ist, ob man das vor dem ersten Bild entschieden hat oder erst nach dem ersten Audit. Teams, die früh entscheiden, erhalten ein Korpus, das sie verteidigen können. Teams, die spät entscheiden, erhalten ein erneutes Training oder eine Löschung, die sie nicht durchführen können. Plant man es schon bei der Erfassung ein, hört Datenschutz auf, das zu sein, was die Daten ausbremst. Er wird zu dem Grund, warum die Daten es wert sind, erhoben zu werden.