Logo des Repositoriums
 

Messung der Datenminimierung für den Beschäftigtendatenschutz am Beispiel von Standortdaten

Kurzanzeige
dc.contributor.authorSchleper,Janine
dc.contributor.authorKohn,Matthias
dc.contributor.authorJo Pesch,Paulina
dc.contributor.authorWaldmann,Ulrich
dc.contributor.authorKunz,Thomas
dc.contributor.editorDemmler, Daniel
dc.contributor.editorKrupka, Daniel
dc.contributor.editorFederrath, Hannes
dc.date.accessioned2022-09-28T17:10:19Z
dc.date.available2022-09-28T17:10:19Z
dc.date.issued2022
dc.description.abstractMetriken zur automatisierten Verifizierung der Umsetzung des Datenminimierungsgebots können Unternehmen darin unterstützen, ihren Kontrollpflichten nachzukommen und das Vertrauen ihrer Beschäftigten in eine datenschutzkonforme Verarbeitung ihrer Daten zu stärken. Um sich durch eine Metrik einer komplexen datenschutzrechtlichen Anforderung wie dem Gebot der Datenminimierung anzunähern, sind geeignete Datenquellen sinnvoll miteinander zu kombinieren. Diese Arbeit skizziert grundlegende Metriken zur Kontrolle der Datenminimierung anhand eines Anwendungsszenarios im Bereich der agilen Personaleinsatzplanung und beschreibt die prototypische Umsetzung dieser Metriken.de
dc.identifier.doi10.18420/inf2022_21
dc.identifier.isbn978-3-88579-720-3
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/39519
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2022
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-326
dc.subjectAutomatisierte Kontrolle
dc.subjectDatenschutz
dc.subjectMessquellen
dc.subjectMetrik
dc.subjectDatenminimierung
dc.titleMessung der Datenminimierung für den Beschäftigtendatenschutz am Beispiel von Standortdatende
gi.citation.endPage236
gi.citation.startPage231
gi.conference.date26.-30. September 2022
gi.conference.locationHamburg
gi.conference.sessiontitle3. Interdisciplinary Privacy & Security at Large Workshop (Privacy&Security@Large)

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
secprivatlarge_07.pdf
Größe:
161.39 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P326 - INFORMATIK 2022 - Informatik in den Naturwissenschaften