KI-gestützte Identifizierung aus synthetischen GPS-Daten

Oscar Thees arbeitet an der Fachhochschule Nordwestschweiz am Zentrum für Datenqualität und Anonymisierung „Swissanon“. Seine Untersuchung befasst sich mit der Frage, inwieweit sich Personen allein anhand von GPS-Bewegungsdaten wieder identifizieren lassen, obwohl Datenbroker vor dem Verkauf offensichtliche Merkmale wie Namen oder Sozialversicherungsnummern entfernen.

GPS-Spuren können Hinweise auf Wohn- und Arbeitsorte liefern. Laut Thees lässt sich aus nächtlichen Aufenthaltsorten auf eine Wohnadresse schliessen; wiederkehrende Aufenthalte tagsüber können auf einen Arbeitsort hinweisen. Die Kombination beider Angaben kann mit öffentlichen Quellen wie Telefonbüchern, beruflichen Netzwerken oder Firmenwebsites abgeglichen werden.

Thees führte mit zwei Arbeitskollegen ein Experiment zur automatisierten Identifizierung durch. Dafür wurden 43 Personen aus ihrem Umfeld rekrutiert. Das eingesetzte KI-Modell Claude analysierte GPS-Daten und identifizierte Testpersonen anhand dieser Bewegungsprofile.

Nach Angaben von Thees lief die Analyse automatisiert ab: Er gab den Befehl, während das Modell die Standortdaten auswertete. Insgesamt identifizierte das Tool 18 von 43 Testpersonen.

Die Untersuchung nutzte keine echten Daten von Datenbrokern, sondern simulierte Standortdaten. Damit bildet das Experiment nicht unmittelbar die Datenqualität, Datenmenge oder Zusammensetzung kommerziell gehandelter Bewegungsdatensätze ab.

Der beschriebene Ansatz verknüpft aus GPS-Spuren ableitbare Orte mit öffentlich verfügbaren Informationen. Als relevante Muster nennt Thees insbesondere wiederkehrende Nachtaufenthalte und regelmässige Aufenthalte an einem Gebäude während des Tages. Für die Zuordnung können Wohnadresse, Arbeitsort und Namensangaben in öffentlichen Verzeichnissen oder auf Unternehmensseiten zusammengeführt werden.

Im Experiment dauerte die Identifizierung nach Angaben von Thees durchschnittlich 17 Minuten pro Person. Die Vorabveröffentlichung von Thees und seinen zwei Co-Autoren beziffert den Rechenaufwand auf 2.24 Dollar pro Zielperson. Das Tool identifizierte 18 der 43 Testpersonen.

Diese Werte sind laut Quelle vorsichtig zu interpretieren: Die Daten waren simuliert, die Stichprobe war klein, zufällig gewählt und nicht repräsentativ.

Die Fallstudie zeigt eine automatisierte Re-Identifizierung auf Basis synthetischer GPS-Bewegungsdaten. Sie belegt für das beschriebene Experiment, dass ein KI-Modell einzelne Testpersonen anhand solcher Daten identifizierte. Aussagen über die Übertragbarkeit auf Datensätze von Datenbrokern oder auf grössere Personengruppen werden durch die vorliegenden Angaben nicht belegt.