Kostenlos testen

Startseite › Glossar › Re-Identifizierung

Re-Identifizierung

Stand: 8. Oktober 2026 · auch: Reidentifizierung, De-Anonymisierung, Aufhebung der Pseudonymisierung · englisch: re-identification

Kurz gesagt: Re-Identifizierung bedeutet, dass Daten, die pseudonymisiert wurden oder als anonym galten, doch wieder einem bestimmten Menschen zugeordnet werden. Das gelingt oft ohne Namen, etwa über die Kombination von Alter, Beruf und Wohnort oder über den Abgleich mit anderen Datenbeständen.

Am Risiko der Re-Identifizierung entscheidet sich, ob Daten als anonym gelten können und wie gut eine Pseudonymisierung schützt.

Was das Gesetz sagt

Den Maßstab gibt Erwägungsgrund 26 der Datenschutz-Grundverordnung vor. Ob ein Mensch identifizierbar ist, richtet sich nach allen Mitteln, die der Verantwortliche oder eine andere Person nach allgemeinem Ermessen wahrscheinlich nutzt. Dabei zählen die Kosten, der Zeitaufwand, die verfügbare Technologie und technologische Entwicklungen.⁠[1] Pseudonymisierte Daten, die sich mit zusätzlichen Informationen einer Person zuordnen lassen, gelten als Informationen über eine identifizierbare Person.⁠[2]

Die „unbefugte Aufhebung der Pseudonymisierung“ führt die Verordnung ausdrücklich als möglichen Schaden auf: bei den Risiken einer Verarbeitung⁠[3] und bei den Folgen einer Datenpanne.⁠[4]

Drei Wege

Identifizierung meint nicht nur, Namen und Adressen zu ermitteln.⁠[5] Die europäischen Aufsichtsbehörden unterscheiden seit 2014 drei Risiken:⁠[6]

  1. Herausgreifen: Datensätze lassen sich isolieren, die eine Person kenntlich machen.
  2. Verknüpfung: Datensätze über dieselbe Person lassen sich verbinden, auch über mehrere Datenbanken hinweg.
  3. Inferenz: Der Wert eines Merkmals lässt sich mit signifikanter Wahrscheinlichkeit aus anderen Merkmalen ableiten.

Ein Beispiel von 2006: Eine Datenbank mit 20 Millionen Suchwörtern von etwa 650 000 Nutzern wurde veröffentlicht. Zum Schutz war nur die Nutzerkennung durch eine Zahl ersetzt. Einige Nutzer wurden öffentlich identifiziert.⁠[7]

Der Europäische Datenschutzausschuss (EDSA) hat die Kriterien im Juli 2026 in Leitlinien zur Anonymisierung fortgeschrieben.⁠[8] Sie liegen bisher nur als Fassung für die öffentliche Konsultation vor.⁠[9] Nach dem Entwurf wirken Verfahren zur Re-Identifizierung eher bei Einzeldatensätzen mit vielen und fein aufgelösten Merkmalen.⁠[10] Die Wahrscheinlichkeit einer Re-Identifizierung steigt typischerweise mit der Zeit, weil Technik und verfügbare Zusatzinformationen zunehmen. Der EDSA hält es deshalb für gute Praxis, sie regelmäßig neu zu bewerten.⁠[11]

Angriffe auf Pseudonyme

Bei pseudonymisierten Daten gibt es zwei Angriffspunkte. Der erste ist das Verfahren, das die Pseudonyme erzeugt. Die Agentur der Europäischen Union für Cybersicherheit (ENISA) nennt drei Techniken: das Durchprobieren aller möglichen Eingaben (Brute Force), die Suche in vorab berechneten Tabellen (Wörterbuchsuche) und das Raten anhand von Hintergrundwissen und Häufigkeiten.⁠[12] Ist der Wertebereich klein und kein Geheimnis im Spiel, ist das Durchprobieren trivial.⁠[13]

Der zweite Angriffspunkt sind die übrigen Angaben im Datensatz. Quasi-Identifikatoren wie Alter, Beruf oder Familienstand erlauben eine Zuordnung, ohne dass jemand das Pseudonym auflösen muss.⁠[14]

Bedeutung für KI-Anwendungen

Die Datenschutzkonferenz der deutschen Aufsichtsbehörden (DSK) hält fest: Um die Eingabe personenbezogener Daten zu vermeiden, reicht es regelmäßig nicht, Namen und Anschriften zu entfernen, weil sich der Personenbezug aus dem Zusammenhang herstellen lässt. Bei KI-Anwendungen, die Querbezüge auch aus unstrukturierten Daten herstellen sollen, ist diese Gefahr besonders hoch.⁠[15]

Auch ein Modell selbst kann Daten preisgeben. Nach Ansicht des EDSA können Trainingsdaten in den Parametern eines Modells erhalten bleiben.⁠[16] Die Forschung zeigt, dass sich bei einigen Modellen personenbezogene Daten entnehmen lassen oder bei der Nutzung versehentlich zutage treten.⁠[17] Ein mit personenbezogenen Daten trainiertes Modell ist deshalb nicht in allen Fällen anonym.⁠[18]

Schutz

Der EDSA nennt in seinen Leitlinien zur Pseudonymisierung, ebenfalls eine Konsultationsfassung, drei Ansatzpunkte: das Verfahren gegen Umkehrung sichern und das Geheimnis schützen, Quasi-Identifikatoren behandeln und die Annahmen darüber prüfen, wer die pseudonymisierten Daten nutzt und auf welche Informationen er zugreifen kann.⁠[19] Quasi-Identifikatoren werden entfernt oder durch Generalisierung und Randomisierung verändert.⁠[20]

Verwandte Begriffe

Dazu im Magazin

Quellen

  1. Erwägungsgrund 26 Sätze 3 und 4 DSGVO eur-lex.europa.eu
  2. Erwägungsgrund 26 Satz 2 DSGVO eur-lex.europa.eu
  3. Erwägungsgrund 75 DSGVO eur-lex.europa.eu
  4. Erwägungsgrund 85 DSGVO eur-lex.europa.eu
  5. Artikel-29-Datenschutzgruppe, Stellungnahme 5/2014 zu Anonymisierungstechniken (WP 216), 10. April 2014, S. 11 ec.europa.eu
  6. Artikel-29-Datenschutzgruppe, Stellungnahme 5/2014 zu Anonymisierungstechniken (WP 216), 10. April 2014, S. 13 ec.europa.eu
  7. Artikel-29-Datenschutzgruppe, Stellungnahme 5/2014 zu Anonymisierungstechniken (WP 216), 10. April 2014, S. 12 ec.europa.eu
  8. EDSA, Leitlinien 02/2026 zur Anonymisierung, Version 1.0 vom 7. Juli 2026, Fassung für die öffentliche Konsultation (englisch), Rn. 2 edpb.europa.eu
  9. EDSA, Leitlinien 02/2026 zur Anonymisierung, Version 1.0 vom 7. Juli 2026, Fassung für die öffentliche Konsultation (englisch), Versionsverlauf edpb.europa.eu
  10. EDSA, Leitlinien 02/2026 zur Anonymisierung, Version 1.0 vom 7. Juli 2026, Fassung für die öffentliche Konsultation (englisch), Rn. 86 edpb.europa.eu
  11. EDSA, Leitlinien 02/2026 zur Anonymisierung, Version 1.0 vom 7. Juli 2026, Fassung für die öffentliche Konsultation (englisch), Rn. 35 edpb.europa.eu
  12. ENISA, Pseudonymisation techniques and best practices, November 2019 (englisch), Abschnitt 4.4 enisa.europa.eu
  13. ENISA, Pseudonymisation techniques and best practices, November 2019 (englisch), Abschnitt 4.4.1 enisa.europa.eu
  14. EDSA, Leitlinien 01/2025 zur Pseudonymisierung, Fassung für die öffentliche Konsultation vom 16. Januar 2025 (englisch), Rn. 101 edpb.europa.eu
  15. DSK, Orientierungshilfe „Künstliche Intelligenz und Datenschutz“, Version 1.0 vom 6. Mai 2024, Rn. 49 datenschutzkonferenz-online.de
  16. EDSA, Stellungnahme 28/2024 zu gewissen Datenschutzaspekten der Verarbeitung personenbezogener Daten im Zusammenhang mit KI-Modellen, angenommen am 17. Dezember 2024, Rn. 31 edpb.europa.eu
  17. EDSA, Stellungnahme 28/2024 zu gewissen Datenschutzaspekten der Verarbeitung personenbezogener Daten im Zusammenhang mit KI-Modellen, angenommen am 17. Dezember 2024, Rn. 33 edpb.europa.eu
  18. EDSA, Stellungnahme 28/2024 zu gewissen Datenschutzaspekten der Verarbeitung personenbezogener Daten im Zusammenhang mit KI-Modellen, angenommen am 17. Dezember 2024, Rn. 34 edpb.europa.eu
  19. EDSA, Leitlinien 01/2025 zur Pseudonymisierung, Fassung für die öffentliche Konsultation vom 16. Januar 2025 (englisch), Rn. 106 edpb.europa.eu
  20. EDSA, Leitlinien 01/2025 zur Pseudonymisierung, Fassung für die öffentliche Konsultation vom 16. Januar 2025 (englisch), Rn. 102 edpb.europa.eu