Am 31. Oktober 2026 hat die SDAIA eine 47-seitige Studie mit dem Titel „Synthetische Daten: Chancen, Herausforderungen und Governance-Mechanismen“ veröffentlicht. Synthetische Daten werden von Algorithmen erzeugt, um die statistischen Eigenschaften Ihrer echten Datensätze nachzubilden, ohne Angaben über reale Personen zu enthalten. Ihr Unternehmen kann sie auf drei Arten nutzen: um Systeme zu testen und Modelle zu trainieren, ohne Kundendatensätze offenzulegen, um seltene Fälle wie Betrug zu erzeugen, die ihm fehlen, und um Informationen sicherer mit einem Entwickler oder Partner zu teilen. Die Studie warnt aber, dass sie keinen absoluten Datenschutz bieten: Lassen sich Personen daraus identifizieren, gilt das Datenschutzgesetz.
Was hat die SDAIA gesagt?
Laut Mitteilung der SDAIA können synthetische Daten Innovation beschleunigen, die Kosten für Erhebung und Aufbereitung senken und den Austausch von Informationen zwischen Organisationen erleichtern, besonders in Branchen mit sensiblen Informationen wie dem Gesundheitswesen und den Finanzdienstleistungen. Die Studie selbst betont jedoch, dass das Erzeugen von Datensätzen, die echte nachahmen, die Risiken der Re-Identifizierung von Personen und statistischer Verzerrungen nicht zwingend beseitigt. Die Studie stützt die Governance auf vier Dimensionen: Schutz der Privatsphäre, Datenqualität, Fairness und Verringerung von Verzerrungen sowie Transparenz.
Die Idee ist nicht neu: Laut Studie gab es den ersten systematischen Einsatz zum Schutz der Privatsphäre 1993, um die Vertraulichkeit der US-Volkszählung zu wahren, und der große Sprung kam 2014 mit Generative Adversarial Networks (GANs). Neu ist, dass generative KI ihre Erzeugung einfacher und günstiger gemacht hat.
3 Arten synthetischer Daten
| Art | Was sie ist | Wann sie zu Ihrem Unternehmen passt |
|---|---|---|
| Vollständig synthetisch | Alle Datensätze sind erzeugt; kein einziger echter Datensatz bleibt | Wenn Privatsphäre am wichtigsten ist oder um Fälle abzubilden, die noch nicht eingetreten sind |
| Teilweise synthetisch | Echte Datensätze, deren sensible Felder wie Name, Einkommen und Standort durch erzeugte Werte ersetzt werden | Wenn Sie den Realismus echter Datensätze brauchen und sensible Felder schützen wollen; weniger sicher als die erste Art |
| Hybrid | Eine Mischung aus echten und synthetischen Datensätzen | Wenn Sie einen kleinen Bestand vergrößern oder seltene Fälle abbilden wollen |
Laut Studie entstehen sie auf drei Wegen: durch Regeln, die Sie selbst festlegen, etwa eine Altersverteilung der Kunden; durch statistische Modelle, die die Beziehungen zwischen Variablen lernen; oder durch generative KI-Modelle, die sich für Bilder, Texte und andere komplexe Inhalte eignen.
Wie kann Ihr Unternehmen sie nutzen?
- Systeme ohne Kundeninformationen testen. Ihre Entwicklungs- und Testumgebung braucht keine echten Namen und Mobilnummern Ihrer Kunden. Erzeugen Sie synthetische Kunden, Rechnungen und Transaktionen, die den echten in Format und Verteilung ähneln, und halten Sie echte Datensätze nur im Produktivbetrieb. Achten Sie darauf, dass Testdatensätze nicht auf echte Domains oder Adressen verweisen; in der Geschichte vom erfundenen Firmennamen, der einer echten Domain entsprach haben wir gesehen, was dann passiert.
- Modelle mit seltenen Fällen trainieren. Laut Studie nutzt der Finanzsektor sie, um seltene Transaktionen für die Erkennung von Betrug und Geldwäsche zu erzeugen. Dieselbe Idee hilft, wenn Sie zu wenige Fälle von Betrug, Retouren oder Störungen haben, um ein Modell zu trainieren.
- Kleine Gruppen besser abbilden. Wenn Ihre Datensätze zu einer Stadt oder einem Kundensegment neigen, helfen synthetische Daten beim Ausgleich, damit das Modell die übrigen nicht benachteiligt.
- Mit Entwickler oder Partner teilen. Geben Sie dem Lieferanten oder Softwarehaus synthetische Daten zum Bauen und Testen, statt ihm eine Kopie Ihrer Kundendatenbank zu überlassen.
Fallen synthetische Daten aus dem Datenschutzgesetz heraus?
Nicht automatisch. Die Studie erklärt, dass synthetische Daten weder im Gesetz zum Schutz personenbezogener Daten noch in seiner Durchführungsverordnung ausdrücklich erwähnt werden, Artikel 9 der Verordnung aber festlegt, dass anonymisierte Informationen nicht personenbezogen sind. Es kommt also auf die Re-Identifizierung an: Lässt sich eine Person direkt oder indirekt identifizieren, gilt das Gesetz; ist das nicht möglich, werden sie als anonym behandelt. Deshalb fordert die Studie, das Re-Identifizierungsrisiko zu bewerten, besonders bei kleinen Stichproben und seltenen Fällen, die sich leicht Personen zuordnen lassen.
Die Studie erwähnt zudem, dass die SDAIA 2023 die erste regulatorische Sandbox der Region für Daten und Privatsphäre gestartet hat, einen Raum zum Testen datenschutzfördernder Technologien, darunter synthetische Daten, ohne gegen Datenschutzanforderungen zu verstoßen.
4 Risiken, auf die Sie achten sollten
- Re-Identifizierung. Das erzeugende Modell kann präzise oder seltene Muster aus den echten Datensätzen speichern und eine bestimmte Person offenlegen.
- Mangelnder Realismus. Synthetische Daten können Ausreißer und feine Details verfehlen: Das Modell besteht die Tests und scheitert bei echten Kunden.
- Verschlechterung des Modells. Werden Modelle immer wieder mit Ausgaben anderer Modelle trainiert, verlieren sie nach und nach an Vielfalt; die Studie nennt das Modellkollaps.
- Wiederholung von Verzerrungen. Sind Ihre ursprünglichen Datensätze verzerrt, können synthetische Daten diese Verzerrung übernehmen oder sogar verstärken.
Praktische Schritte aus dem Fahrplan der SDAIA
Die Studie schlägt einen Fahrplan mit 3 Phasen und 6 Schritten vor, aus dem wir übernehmen, was zu einem mittelgroßen Unternehmen passt:
- Legen Sie zuerst den Zweck fest. Brauchen Sie sie für Softwaretests, zum Trainieren eines Modells oder zum Teilen mit Dritten? Der Zweck bestimmt die nötige Genauigkeit, den nötigen Datenschutz und das passende Werkzeug.
- Benennen Sie einen Verantwortlichen und legen Sie interne Regeln fest. Wer genehmigt Erzeugung und Nutzung, und wer verantwortet die Qualität. Wenn Sie bereits Daten-Governance nach SDAIA anwenden, nehmen Sie synthetische Daten darin auf.
- Prüfen Sie Qualität und Datenschutz vor dem Einsatz. Vergleichen Sie den synthetischen Bestand mit dem echten, testen Sie, ob jemand Personen re-identifizieren könnte, und bewerten Sie das fertige Modell mit unabhängigen echten Datensätzen.
- Dokumentieren Sie die Erzeugung. Halten Sie die Herkunft der Ausgangsdatensätze, das verwendete Werkzeug oder Modell und die Einstellungen fest, damit sich die Arbeit später prüfen lässt.
- Verlangen Sie Transparenz von Lieferanten. Wenn Sie synthetische Daten oder ein Erzeugungswerkzeug kaufen, fordern Sie Unterlagen zu den Quellen, dem verwendeten Modell, bekannten Verzerrungen und seinen Grenzen.
Diese Schritte passen zum nationalen Rahmenwerk für das Management von KI-Risiken. Bei Origami helfen wir Unternehmen, Testumgebungen mit synthetischen Daten aufzubauen, getrennt von echten Kundendatensätzen. Kontaktieren Sie uns, wenn Sie mit uns starten möchten.
Quellen
Häufige Fragen
Was sind synthetische Daten?
Datensätze, die Algorithmen oder KI-Modelle erzeugen, um die statistischen Eigenschaften realer Daten nachzubilden, ohne identifizierende Angaben über reale Personen oder Organisationen zu enthalten, so die Definition der SDAIA-Studie.
Sind synthetische Daten für den Datenschutz völlig sicher?
Nein. Die SDAIA betont, dass sie das Risiko einer Re-Identifizierung nicht zwingend beseitigen, vor allem wenn das erzeugende Modell seltene Muster aus den echten Datensätzen gespeichert hat; prüfen Sie dieses Risiko vor dem Einsatz.
Gilt das Datenschutzgesetz für synthetische Daten?
Das hängt von der Re-Identifizierung ab. Artikel 9 der Durchführungsverordnung sagt, anonymisierte Informationen seien nicht personenbezogen; lässt sich aber eine Person daraus identifizieren, gilt das Gesetz.
Wo sollte ein kleines oder mittleres Unternehmen anfangen?
In der Testumgebung: Ersetzen Sie echte Kundendatensätze in Entwicklung und Test durch synthetische Daten, benennen Sie einen Verantwortlichen und dokumentieren Sie die Erzeugung.
