KVKK-Grenzen bei der Videoanalyse: Gesichtserkennung und biometrische Daten

Warum ist Gesichtserkennung nach KVKK anders? Unterschied zwischen Gesichtsdetektion und Gesichtserkennung, biometrische Vorlage, Datenrisiko je Analyseart und Datenschutzkontrollen bei der Installation.
Technische Zusammenfassung
Technologie
Videoanalyse, Gesichtsdetektion, Gesichtserkennung, Re-ID, Metadaten, KVKK Nr. 6698
Thema
Personenbezug und biometrischer Charakter von Analyseausgaben
Niveau
Mittel
Voraussetzungen
  • Liste der einzusetzenden Analysen
  • Bestehendes KVKK-Verzeichnis für das Kamerasystem
  • Unterstützung durch Datenschutzberatung oder Rechtsabteilung
In diesem Beitrag7 Abschnitte

In Videoanalyseprojekten bleibt das KVKK-Gespräch meist bei der Frage hängen: „Ist eine Kameraaufzeichnung ein personenbezogenes Datum?“ Das eigentliche Thema liegt woanders: Analyse erzeugt neben dem Bild neue Datenarten. Zahlen, Ereignisse, Attributetiketten, Spurdaten und bei manchen Produkten Gesichtsvorlagen. Welche Ausgabe personenbezogen ist, welche die Debatte um biometrische oder besondere Kategorien personenbezogener Daten eröffnet, den technischen Unterschied zwischen Gesichtsdetektion und Gesichtserkennung und Designoptionen, die das Risiko in der Installationsphase senken, haben wir im Folgenden für technische Teams zusammengestellt. Der Inhalt ist keine Rechtsberatung; treffen Sie Umsetzungsentscheidungen mit Datenschutzberatung und Rechtsabteilung.

Analyseausgaben und personenbezogene Daten

Das türkische Gesetz Nr. 6698 zum Schutz personenbezogener Daten definiert personenbezogene Daten als alle Informationen über eine bestimmte oder bestimmbare natürliche Person. Der Gesetzestext ist unter mevzuat.gov.tr (türkisch) erhältlich. Für das technische Team ist das Schlüsselwort der Definition „bestimmbar“: Auch wenn eine Analyseausgabe keinen Namen enthält, kann sie personenbezogen sein, wenn sie mit anderen Informationen kombiniert einer Person zugeordnet werden kann.

Kein Name heißt nicht keine Person.

Es erleichtert die Arbeit, die Ausgaben von Analysesystemen in vier Gruppen zu denken:

  • Roh- und verarbeitetes Bild: Aufzeichnung, Ereignisclips, Vorschaubilder. Ist eine Person sichtbar, sind es personenbezogene Daten.
  • Ereigniseintrag: Einträge wie „Kamera 7, 14:32, Bereichsverletzung“. Allein bezeichnen sie keine Person, zusammen mit dem verknüpften Ereignisclip aber führen sie zur Person.
  • Personenbezogene Metadaten: Spurnummer, Begrenzungsrahmen, Kleidungsfarbe, Tasche, Bewegungsrichtung, Kennzeichentext. Kombiniert mit Zeit- und Ortsangaben können sie auf eine Person verweisen. Wie diese Daten in der Suche genutzt werden, beschreiben wir im Beitrag Intelligente Videosuche mit Metadaten.
  • Aggregierte Statistik: Stündliche Eintritte, durchschnittliche Belegung. Werden keine personenbezogenen Einträge gehalten, ist keine Zuordnung zur Person möglich.

Das Designziel ist einfach: sich mit der Ausgabe der niedrigsten Gruppe begnügen, die zum Erreichen des Zwecks nötig ist. Für einen Belegungsbericht braucht es keine personenbezogenen Metadaten, für einen Verletzungsalarm keine Gesichtsvorlage. Eine Person zählen, das Vorhandensein eines Gesichts im Bild erkennen und eine Person identifizieren sind getrennte Funktionen. Dass das Ergebnis eine aggregierte Zahl ist, heißt nicht, dass das Quellbild anonym ist; halten Sie getrennt fest, ob Rohbild, Metadaten und gegebenenfalls biometrische Vorlage gehalten werden.

Unterschied zwischen Gesichtsdetektion und Gesichtserkennung

Beide Begriffe werden in Vertriebsunterlagen ständig verwechselt. Ihre technischen und rechtlichen Folgen sind aber verschieden.

  • Gesichtsdetektion (Face Detection): Findet den Bereich mit einem Gesicht im Bild und erzeugt Rahmenkoordinaten. Sie bestimmt nicht, wer es ist. Genutzt wird sie für Aufgaben wie Gesichter verpixeln, Gesichter zählen oder das beste Gesichtsframe auswählen.
  • Extraktion einer Gesichtsvorlage: Aus dem erkannten Gesicht wird ein numerischer Vektor (Vorlage, Embedding) erzeugt, der personenspezifische Gesichtsmerkmale repräsentiert. Hier beginnt die biometrische Verarbeitung.
  • Verifizierung (1:1): Die Vorlage wird mit einer einzigen gespeicherten Vorlage der von der Person angegebenen Identität verglichen; etwa ob die Person, die eine Karte vorhält, die Karteninhaberin ist.
  • Identifizierung (1:N): Die Vorlage wird mit vielen Vorlagen einer Datenbank verglichen; Beobachtungsliste (Watchlist) oder Suche „Wer ist diese Person?“.

Gehen Sie nicht davon aus, dass ein Produkt mit Gesichtsdetektion im Hintergrund keine Vorlagen erzeugt und speichert. Manche Plattformen speichern standardmäßig das beste Gesichtsframe und seine Vorlage, damit später gesucht werden kann. Prüfen Sie dieses Verhalten bei der Produktbewertung ausdrücklich in Konfigurationsmaske und Dokumentation; ein Satz aus der Verkaufspräsentation reicht nicht.

Biometrische Daten und besondere Kategorien personenbezogener Daten

Artikel 6 KVKK zählt biometrische und genetische Daten zusammen mit Daten wie Gesundheit, Religion sowie Kleidung und Aufmachung zu den besonderen Kategorien personenbezogener Daten. Die Bedingungen für ihre Verarbeitung sind enger als bei allgemeinen personenbezogenen Daten, und Artikel 6 wurde 2024 durch das Gesetz Nr. 7499 geändert und die Verarbeitungsbedingungen neu geregelt. Verfolgen Sie den aktuellen Text und die einschlägigen Leitfäden und Entscheidungen auf der Website der türkischen Datenschutzbehörde Kişisel Verileri Koruma Kurumu (türkisch). Für technische Maßnahmen ist auch die Entscheidung des Datenschutzrats über „angemessene Maßnahmen“ für besondere Kategorien von Daten ein grundlegendes Referenzdokument.

Das Gesetz definiert biometrische Daten nicht gesondert. Die europäische Definition der DSGVO (Art. 4 Nr. 14) ist technisch wegweisend: Daten zu physischen, physiologischen oder verhaltenstypischen Merkmalen einer Person, die mit speziellen technischen Verfahren gewonnen wurden und die eindeutige Identifizierung der Person ermöglichen oder bestätigen. Nach dieser Definition ist ein Foto allein kein biometrisches Datum; eine aus demselben Foto extrahierte und für den Abgleich genutzte Gesichtsvorlage dagegen schon.

Der Unterschied liegt in der technischen Verarbeitung.

In der Videoanalyse verdienen zwei Grauzonen besondere Aufmerksamkeit:

  • Erscheinungsbasierte Wiedererkennung (Re-ID): Für die kameraübergreifende Personenverfolgung wird aus Kleidung und Körpererscheinung ein Vektor erzeugt. Dieser Vektor beruht meist nicht auf einem dauerhaften Identitätsmerkmal, sondern auf vorübergehendem Aussehen, dient aber der eindeutigen Verfolgung einer Person und ist deshalb gesondert zu bewerten. Methoden auf Basis verhaltenstypischer Merkmale wie des Gangbilds (Gait) stehen der biometrischen Erkennung nahe.
  • Attributklassifikatoren: Schätzungen wie Alter, Geschlecht oder Kopftuch können indirekt Informationen zu besonderen Kategorien erzeugen (etwa Glaube über Kleidung und Aufmachung). Schalten Sie diese Attribute ab, deren Beitrag zur Ereignisprüfung begrenzt ist.

Risikotabelle nach Analyseart

Die Tabelle klassifiziert technisch den Charakter der Daten, die verbreitete Analysearten erzeugen. Die Risikostufe ist relativ nach Personenbeziehbarkeit und biometrischem Charakter der Daten angegeben; die endgültige Bewertung erfolgt nach Zweck und Kontext des Projekts.

Analytics Erzeugte Daten Datencharakter Relatives Risiko
Personenzählung (nur Zahl) Gesamtzahlen Aggregiert Niedrig
Virtueller Zaun / Bereichsverletzung Ereignis und Clip Personenbezogene Daten Niedrig bis mittel
PSA-Erkennung Ereignis, Clip, Zone Personenbezogene Daten, Beschäftigten zuordenbar Mittel
Attributsuche Personenbezogene Metadaten Personenbezogene Daten Mittel
Kennzeichenerkennung Kennzeichentext, Zeit, Ort Personenbezogene Daten Mittel
Gesichtsdetektion / Verpixeln Gesichtsposition Personenbezogene Daten, keine Vorlage Niedrig bis mittel
Erscheinungsbasierte Re-ID Erscheinungsvektor Gesondert zu bewerten Mittel–hoch
Gesichtserkennung (1:1 oder 1:N) Gesichtsvorlage, Abgleich Biometrisch, besondere Kategorie Hoch

Bei PSA- und ähnlichen Arbeitsschutzanalysen sehen wir vor Ort häufig eine Verschiebung: Der Zweck ist eine Sicherheitswarnung, doch die Ausgaben wandern mit der Zeit in die Leistungsbewertung von Beschäftigten. Bewerten Sie diese Grenze zusammen mit dem Rahmen aus dem Beitrag Mitarbeiterüberwachung per Kamera am Arbeitsplatz.

Designoptionen mit Fokus auf Datenschutz

Ein Großteil des Risikos wird bei Unternehmens-Kamerasystemen in der Phase von Produktwahl und Konfiguration verringert. Nach der Installation ist eine Rückabwicklung viel schwerer. Technische Optionen:

Architektur, die nur numerische Metadaten erzeugt

Für Zwecke wie Personenzählung, Belegung und Dichte läuft die Analyse in der Kamera oder auf einem lokalen Gerät und sendet nur Zahlen nach außen. Bilder werden nicht aufgezeichnet; werden sie zu einem anderen Sicherheitszweck aufgezeichnet, werden sie nicht mit der Analyseausgabe verknüpft. Personenbezogene Spurdaten werden nach der Verarbeitung verworfen.

Anonymisierung von Gesichtern und Personen

Gesichter oder die ganze Silhouette einer Person in Live-Ansicht oder Export zu verpixeln, verringert die Last personenbezogener Daten im Bild, solange keine Ereignisprüfung nötig ist. Maskierungsmethoden vergleichen wir im Beitrag Privatzonenmaskierung bei Kameras.

Gesichtserkennung vermeiden oder eingrenzen

Lässt sich der Zweck mit einer anderen Methode erfüllen (Zutrittskarte, Kennzeichen, Bestätigung durch Bediener), nutzen Sie keine Gesichtserkennung. Ist sie unvermeidlich, bevorzugen Sie 1:1-Verifizierung statt 1:N-Identifizierung; halten Sie Vorlagen statt in einer zentralen Datenbank möglichst in einem Medium oder Gerät der Person; halten Sie Beobachtungslisten zweckgebunden und befristet.

Aufbewahrung und Zugriff

Für Metadaten und Ereignisclips werden Aufbewahrungsdauern zusammen mit dem Video definiert, automatisches Löschen wird angewendet. Such- und Exportrechte werden an getrennte Rollen gebunden, jede Abfrage im Audit-Trail erfasst. Vorlagendatenbanken werden verschlüsselt und mit eigener Berechtigung geschützt. Eine Suchmaske ohne Audit-Trail ist ein unkontrollierbares Überwachungswerkzeug.

Checkliste

Diese Liste lässt sich als technischer Input für die Datenschutz-Folgenabschätzung des Projekts nutzen:

  • Für jede Analyse ist der Zweck schriftlich festgehalten; der Zusammenhang zwischen Zweck und erzeugten Daten ist begründet.
  • Die Ausgaben jeder Analyse (Bild, Ereignis, Metadaten, Vorlage) sind aufgelistet und nach den Gruppen der Tabelle klassifiziert.
  • Ob das Produkt Gesichtsvorlagen oder Erscheinungsvektoren erzeugt, ist anhand von Dokumentation und Konfiguration bestätigt.
  • Ungenutzte Attribute (Alter, Geschlecht usw.) und Suchfunktionen sind deaktiviert.
  • Bei Zwecken, für die aggregierte Daten genügen, werden keine personenbezogenen Metadaten gespeichert.
  • Für Metadaten, Ereignisclips und Vorlagen sind Aufbewahrungsdauer und automatisches Löschen definiert.
  • Such-, Export- und Vorlagenverwaltungsrechte sind getrennten Rollen zugewiesen; Abfragen werden im Audit-Trail erfasst.
  • Ist biometrische Verarbeitung geplant, sind Rechtsgrundlage, Alternativmethode und angemessene Maßnahmen mit der Rechtsabteilung dokumentiert.
  • Informationstext und Hinweisschilder sind so aktualisiert, dass sie den Einsatz der Analyse abdecken.
  • Bei Nutzung cloudbasierter Analyse sind Verarbeitungsort und Status der Übermittlung ins Ausland festgestellt.

Auswahl und Konfiguration von Analysefunktionen nach diesen Grundsätzen lassen sich im Rahmen der Installation von KI-Videoanalyse, Aktualisierung der Informations- und Datenschutzprozesse zusammen mit der Arbeit an KVKK-Informations- und Datenschutzprozessen für Kameras behandeln.

Häufig gestellte Fragen

Werden bei Einsatz von Gesichtsdetektion zum Verpixeln von Gesichtern biometrische Daten verarbeitet?

Gesichtsdetektion findet nur die Position des Gesichts im Bild; sie erzeugt keine Vorlage zur Identifizierung der Person und führt keinen Abgleich durch. Deshalb wird sie für sich anders bewertet als Gesichtserkennung. Das verarbeitete Bild ist dennoch ein personenbezogenes Datum; prüfen Sie technisch, ob Detektionsergebnisse gespeichert werden und ob das Produkt im Hintergrund Vorlagen erzeugt.

Verarbeitet die Personenzählung personenbezogene Daten?

Für die Zählung wird das Kamerabild verarbeitet, und dieses Bild ist ein personenbezogenes Datum. Erzeugt und speichert das Design nur Gesamtzahlen, zeichnet es kein Bild auf und hält es keine personenbezogenen Spurdaten, wird die Ausgabe zu einer nicht personenbeziehbaren Statistik. Dass das Risiko gering ist, hängt davon ab, dass bestätigt wird, dass dieses Design vor Ort tatsächlich umgesetzt ist.

Kann mit ausdrücklicher Einwilligung der Beschäftigten ein Zutritt per Gesichtserkennung eingerichtet werden?

Das ist eine Frage, die eine rechtliche Bewertung erfordert. Technisch ist wichtig, dass Beschäftigten ohne Einwilligung eine Alternative wie eine Karte angeboten wird, damit die ausdrückliche Einwilligung auf freiem Willen beruhen kann, und dass Vorlagen getrennt, verschlüsselt und mit beschränktem Zugriff gehalten werden. Treffen Sie die Entscheidung mit Datenschutzberatung und Rechtsabteilung nach geltendem Recht.

Wann sollte in einem Videoanalyseprojekt eine Datenschutz-Folgenabschätzung erfolgen?

Vor der Produktwahl. Welche Analysen eingesetzt, welche Ausgaben gespeichert werden und wer zugreift, bestimmt die Wahl von Produkt und Architektur direkt. Eine Bewertung nach dem Kauf wird meist zu einer Arbeit, die nur die vorhandene Installation dokumentiert.

Support

Kontaktieren Sie uns für Support oder eine Bestandsaufnahme zu diesem Thema.

Kontaktformular
[email protected]

Eretek Videoüberwachung

IP-Kameras, Aufzeichnung und zentrale Verwaltung. Tote Winkel, Aufbewahrungsdauer und Kameranetz planen wir nach dem Risiko des Standorts.

Wissenszentrum

Weitere Beiträge