Winter, ChristianBattis, VerenaHalvani, OrenDavid, KlausGeihs, KurtLange, MartinStumme, Gerd2019-08-272019-08-272019978-3-88579-688-6https://dl.gi.de/handle/20.500.12116/25003Unternehmen, Wissenschaftler und staatliche Stellen haben ein großes Interesse, neue Erkenntnisse aus Daten zu gewinnen. Dabei müssen Datenschutzregeln eingehalten werden. Anonymisierung ist auf den ersten Blick eine attraktive Lösung, um Datenschutz und Analyseinteressen miteinander zu vereinbaren. Jedoch ist eine korrekte Anonymisierung, die jeglichen Personenbezug entfernt, kaum zu erreichen und schwerlich zu garantieren, wenn gleichzeitig möglichst viel des Informationsgehalts der Daten erhalten werden soll. Wir geben in diesem Aufsatz einen Überblick über den Stand der Technik der Anonymisierung für strukturierte und unstrukturierte Daten, arbeiten die bestehenden Defizite heraus und formulieren Herausforderungen, die auf dem Weg zu besseren Anonymisierungsverfahren gelöst werden müssen.deAnonymisierungpersonenbezogene Datenstrukturierte Datenunstrukturierte DatenTextdatenmaschinelles LernenInformationsverlustText/Conference Paper10.18420/inf2019_531617-5468