Erhalten Sie als Erstes alle Neuigkeiten zu unseren Produkten. Abonnieren Sie unseren Newsletter!
Anonymisierungs-Icon auf Serverhintergrund

Datenanonymisierung in Unternehmen und die Herausforderungen für solche Projekte

Author

Cyberkriminalität, DSGVO und Datenanonymisierung. Auch in nichtproduktiven Systemen werden diese Themen immer relevanter. Und Software-Tests sollen auch mit anonymisierten Daten möglichst valide sein. Hierfür eine passende Lösung zu finden ist aufwändig. Die Komplexität des Themas bringt viele Projekte fast zum Scheitern. Unser Experte zeigt Ihnen seine drei größten Herausforderungen in Projekten rund um die Datenanonymisierung in nichtproduktiven Systemen und erklärt, wie Sie diese erfolgreich meistern.

Herausforderung 1: Beteiligte unterschätzen das Thema Datenanonymisierung

Ein Projekt, viele Stakeholder, unterschiedliche Auffassungen: Während meiner Libelle-Laufbahn gab es schon einige Interessenten, deren Bestrebungen bei der Datenanonymisierung schon im Vorfeld mit Problemen verbunden waren. So waren sich Stakeholder uneins, worum es beim Thema Datenanonymisierung in nichtproduktiven Systemen überhaupt geht. Während es dem einen wichtig war, dass Adressen nach der Anonymisierung noch immer logisch korrekt sind, setzten andere eine ganz andere Priorität. Definieren Sie also bereits im Vorfeld eines Datenschutz-Projektes mit allen Beteiligten klare Ziele und sorgen Sie für einen einheitlichen Wissensstand.

Herausforderung 2: Ein zu komplexes Projektmanagement

Sie möchten Ihr Datenschutz-Projekt erfolgreich meistern? Unsere Empfehlung: Gehen Sie es pragmatisch an. Definieren Sie eine (!) für das Projekt verantwortliche Person und identifizieren Sie nur die Systeme, die für die Datenanonymisierung wirklich relevant sind. Teilen Sie die zu schützenden personenbezogenen Daten für eine strukturierte Übersicht in Profile (Namen, Adressen, Bankdaten usw.) ein. In Zeiten von Big Data und einer immer komplexeren IT, ist eine möglichst einfache und strukturierte Vorgehensweise elementar.

Beispiel die Profile zu definieren:

Herausforderung 3: Eine nicht-iterative Implementierung

Haben Sie sich für die Datenanonymisierung in nichtproduktiven Systemen für einen Hersteller entschieden, sollten Sie bei der Implementierung unbedingt iterativ vorgehen. Das Projekt ist mit der finalen Entscheidung nicht abgeschlossen. Jede Systemlandschaft ist unterschiedlich. Eine iterative Validierung der Testsysteme, der anonymisierten Daten usw. ist für den Projekterfolg daher unbedingt notwendig.

Überlegen auch Sie, die Datenanonymisierung in Ihren nichtprouktiven Systemen zu optimieren? Dann stehen Ihnen unsere Experten Miroslav Jakovljevic und Michael Schwenk gerne zur Verfügung. Nehmen Sie gerne Kontakt auf und lassen Sie sich individuell beraten.

Für eine optimierte Datenanonymisierung und den bestmöglichen Projekterfolg – Libelle DataMasking.

Libelle SystemCopy Werbung
Zu allen Artikeln