Big Data Analytics für Industriesysteme, Teil 2 Industrielle Datenanalysen brauchen besonderen Schutz

Anbieter zum Thema

QUNIS GmbH

BigData-Insider

Fivetran Germany GmbH

Auch bei industriellen Anwendungen müssen die Daten und Resultate von Big-Data-Analysen vor Missbrauch und Manipulation geschützt werden. Nicht nur die Privatsphäre der Nutzer ist in Gefahr.

Hier geht es zu Teil 1: Big Data Analytics ist Basistechnologie für Industrie 4.0

Wenn es um Big Data und den Schutz der großen Datenmengen geht, kommt zuerst der Datenschutz als Schutz personenbezogener Daten in den Fokus. Klassische Maschinendaten oder Messergebnisse von industriellen Sensoren sind in aller Regel nicht Gegenstand der kritischen Diskussion. Das sollte nicht zu dem Eindruck führen, dass Daten ohne Personenbezug keinen besonderen Schutz bei Big-Data-Analysen brauchen würden. Das Gegenteil ist der Fall.

Bildergalerie

Tatsächlich spielen Datenschutz und Informationssicherheit bei industriellen Anwendungen von Big Data Analytics eine große Rolle. Big Data in der Industrie besteht aus Daten von Maschinen, von Maschinennutzern, von Sensoren, von Personen, die Messungen an den Anlagen vornehmen. Bei industriellen Big-Data-Analysen kann man weder den klassischen Datenschutz aussparen, noch darf man sich auf den Datenschutz beschränken. Big Data in der Industrie benötigt Informationsschutz und Informationssicherheit, ob personen- oder maschinenbezogen.

Der Schutzbedarf hängt vom Anwendungsfall ab

Die typischen Herausforderungen bei Big-Data-Analysen, wie sie zum Beispiel die CA-Studie „The State of Big Data Infrastructure: Benchmarking Global Big Data Users to Drive Future Performance“ benennt, gibt es auch bei der Analyse von Maschinendaten und industriellen Anwendungen: eine unzureichende bestehende Infrastruktur, Komplexität der Organisation, Sicherheits-/Compliance-Bedenken, fehlendes Budget/Ressourcen und mangelnde Transparenz bei Daten und Prozessen. Alleine die Bedenken, Big-Data-Analysen könnten zu Datenmissbrauch führen, konzentrieren sich auf die Daten von Personen, kein Wunder, immerhin fühlt man sich davon auch persönlich betroffen.

Wie hoch der Schutzbedarf bei industriellen Big-Data-Analysen sein kann, zeigen die Anwendungsfelder: Ziel der Big-Data-Analysen im industriellen Umfeld ist „Industrial Intelligence“, insbesondere um industrielle Prozesse zu optimieren. Dazu gehört es zum Beispiel, Störungen früher zu erkennen und Wartungen besser planen zu können. Wenn aber die Analysen zur Störungsanfälligkeit der Maschinen nicht mehr verfügbar sind, manipuliert wurden oder in falsche Hände geraten, kann das Ziel der Prozessoptimierung zweifellos nicht erreicht werden. Stattdessen drohen unerwartete Ausfälle, Produktionsengpässe, mangelhafte Betriebssicherheit, falsche Schlüsse des Wartungspersonals und sogar gezielte Angriffe oder Aktivitäten, womöglich aus dem Wettbewerbsumfeld.

Die Schutzmaßnahmen ähneln dem Datenschutz

Was alles für den Schutz von Maschinen- und Sensordaten getan werden muss und wie Big-Data-Analysen im industriellen Umfeld sicherer werden, kann durchaus aus den im Datenschutz geforderten Maßnahmen abgeleitet werden. Dabei sollte gleich der Blick auf die Forderungen der kommenden EU-Datenschutz-Grundverordnung (EU-DSGVO) in Bezug auf Big Data gerichtet werden. Auch im Fall der Analyse von Maschinendaten sollte gefordert werden: Transparenz bei der Datenverarbeitung, je nach Szenario die Einwilligung und Aufklärung betroffener Personen, die Verschlüsselung und die Datensicherung für schützenswerte Maschinendaten und Analysen sowie die rechtzeitige Löschung, um Speicherplatz zu sparen und das Missbrauchspotenzial zu verringern. Sogar die Anonymisierung oder Pseudonymisierung von Maschinendaten kann erforderlich sein, wenn damit die Daten der Maschinennutzer verknüpft sind oder verknüpft werden könnten.

Bei Datensparsamkeit und Zweckbindung scheint der Transfer zwischen Schutz personenbezogener Daten und Maschinendaten nicht schlüssig zu sein, ist es aber. Datensparsamkeit bedeutet nichts anderes, als dass keine unnötigen Maschinendaten gespeichert und ausgewertet werden, der Sinn liegt auf der Hand. Zweckbindung soll generell den Missbrauch, die Zweckentfremdung von Daten verhindern. Ohne Frage sollen auch Maschinendaten und darauf basierende Analysen nicht zweckentfremdet werden. Soll eine andere Auswertung als ursprünglich geplant erfolgen, wird eine Freigabe dafür sinnvoll sein. Beim Datenschutz ist dies die Einwilligung des Betroffenen, bei reinen Maschinendaten wird die Freigabe die dafür verantwortliche Stelle vornehmen.

Es zeigt sich: Big-Data-Analysen im industriellen Umfeld brauchen Schutz, ob sie personenbezogene Daten betreffen oder reine Maschinendaten. Dabei können viele Schutzmaßnahmen aus dem Datenschutz auf den industriellen Informationsschutz übertragen werden. Datenschutz lohnt sich also doppelt für Industrie 4.0 und Big Data Analytics.

(ID:43880658)