Anonymisierungsmethoden für Daten aus Längsschnittstudien: BRIDGE fördert neues Forschungsprojekt

28.04.2023 Durch die zunehmende Digitalisierung werden immer mehr personenbezogene Daten erhoben und verarbeitet. Diese bergen ein grosses Potenzial für die Forschung wie auch für die Industrie. In einem BRIDGE-Projekt entwickeln Forschende der BFH und der FHNW KI-basierte Verfahren, dank welcher Längsschnittdaten anonymisiert der Forschung und der Industrie zur Verfügung gestellt werden können.

Im Zeitalter der digitalen Transformation werden in nahezu allen Bereichen unseres Lebens Daten elektronisch erhoben: Tracking-Daten von Social-Media-Apps, Bewegungsdaten, Gesundheitsdaten oder Daten zum Energieverbrauch, gemessen von intelligenten Zählern. Im Bereich der Forschung und Entwicklung kann diese Menge und Vielfalt an Daten einen grossen Mehrwert schaffen. Die Datenschutzgesetze schränken die Verwendung von personenbezogenen Daten jedoch stark ein. Für die anonymisierte Verwendung von Daten aus Querschnittstudien – empirische Untersuchungen, die einmalig durchgeführt werden – wurde in der Vergangenheit bereits viel geforscht, so dass passende Softwarelösungen vorhanden sind. Für Längsschnittstudien, bei denen die gleiche Erhebung zu mehreren Zeitpunkten durchgeführt wird, gibt es bis anhin keine genügende Lösung, um die Daten anonymisiert der Forschung zur Verfügung stellen zu können.

Entwicklung von Anonymisierungsmethoden

Dieser Herausforderung nehmen sich Murat Sariyar von Institut für Medizininformatik I4MI der Berner Fachhochschule BFH und Matthias Templ von der Fachhochschule Nordwestschweiz in einem gemeinsamen Projekt an. Gefördert wird das Vorhaben von BRIDGE, einem Programm der Innosuisse und dem Schweizerischen Nationalfonds. Die Entwicklung und Weiterentwicklung von Anonymisierungsmethoden, welche komplexe Daten mit Längsschnittinformationen berücksichtigen, sind zentrale Ziele des Projekts. Das Verfahren entwickeln die Forschenden anhand von Daten aus dem Gesundheitswesen sowie von Bewegungsdaten im industriellen Kontext.

teaser Anonymisierungsmethoden für Daten aus Längsschnittstudien

Mehr erfahren