Ein Data Clean Room ermöglicht es, Daten aus verschiedenen Quellen mit den eigenen Daten zu verbinden und datenschutzkonform zu analysieren, ohne dabei die Privatsphäre oder die Sicherheit der Daten zu gefährden.
Ähnlich wie in wissenschaftlichen Laboren, in denen Forscher sorgfältig kontrollierte Bedingungen für sichere Experimente schaffen, stehen Datenabteilungen in Zeiten verschärfter Datenschutzbestimmungen vor der großen Herausforderung, eine sichere Umgebung zur Verarbeitung sensibler und personenbezogener Daten zu finden. Als eine Art sicheres »Daten-Labor« rücken hier vor allem »Data Clean Rooms« vermehrt in den Fokus. Sie eröffnen Datenspezialisten (Engineers, Analysten und Data Scientists) eine effiziente Möglichkeit, datenschutzkonform mit personenbezogenen Daten aus verschiedenen Quellen zu arbeiten. Das heißt, Data Scientists und Analysten können auf sensiblere Daten zugreifen und diese analysieren, ohne dass sie direkten Zugriff auf die tatsächlichen personenbezogenen Informationen haben.
Data Clean Rooms: Daten aktivieren, ohne sie zu teilen. Der Begriff »Clean Room« kommt ursprünglich aus der Halbleiterindustrie und steht für einen Raum, der frei von Staub und Verunreinigungen ist, um empfindliche Prozesse durchzuführen. Bezogen auf das Datenmanagement geht es beim Data Clean Room vor allem darum, die Verarbeitung von sensiblen Informationen so zu gestalten, dass der Datenschutz gewährleistet ist und Vertraulichkeitsrisiken minimiert werden. So können mit einem Data Clean Room komplexe Analysen und Forschung durchgeführt werden, die ansonsten aufgrund von Datenschutzbedenken unmöglich wären.
Für die sichere Verarbeitung personenbezogener Daten kommen in Data Clean Rooms dabei vor allem folgende vier Schlüsselkonzepte zum Einsatz:
- »Gute« Datensilos: In einem Data Clean Room werden Datensilos erstellt, um Daten in getrennten Umgebungen zu halten. Es gibt normalerweise zwei Hauptsilos: ein »rohes« Datensilo, das die sensiblen Daten enthält, und ein »analytisches« Datensilo, das die verarbeiteten Daten enthält.
- Trennung von Aufgaben: Datenbesitzer und Datenverarbeiter werden voneinander getrennt. Datenbesitzer stellen die rohen Daten zur Verfügung, während Datenverarbeiter, wie Data Scientists und Analysten, in einem separaten Raum arbeiten, um die Daten zu analysieren, ohne direkten Zugriff auf die ursprünglichen sensiblen Daten zu haben.
- Datenschutztechniken: Innerhalb des Data Clean Rooms werden Datenschutztechniken angewendet, um die Vertraulichkeit der Daten zu gewährleisten. Das können Methoden wie Differential Privacy, Anonymisierung oder Pseudonymisierung sein, um sicherzustellen, dass individuelle Nutzer nicht identifiziert werden können.
- Rechenschaftspflicht und Kontrolle: Ein Data Clean Room beinhaltet oft Protokollierung und Überwachung, um sicherzustellen, dass die Verarbeitung der Daten gemäß den Datenschutzrichtlinien erfolgt.
Heute werden Data Clean Rooms vor allem im Marketing eingesetzt, um Daten verschiedener Parteien – häufig Walled Gardens – zusammenzuführen. Sie sind die Grundlage für effizientes Marketing in einer Welt ohne Third-Party-Cookies. Laut Gartner werden daher allein bis Ende 2023 rund 80 Prozent der Werbetreibenden mit großen Mediabudgets Data Clean Rooms einsetzen, um ihre Kundenprofile anzureichern, die Zusammenarbeit zwischen den verschiedenen Unternehmen in der Mediawertschöpfungskette zu verbessern und ihr datenoptimiertes Marketing so auf zukunftssichere Beine zu stellen.
A World Without Cookies – WHAT´S NEXT?
Weitere Informationen zum Einsatz von Data Clean Rooms inkl. jeder Menge hilfreicher Insights zu ihren verschiedenen Arten, mögliche Anforderungen an die Unternehmen und Tipps zur konkreten Bewertung und Auswahl eines Anbieters finden sich im aktuellen diconium Guide »A World Without Cookies – WHAT´S NEXT?« zum kostenfreien Download unter
Alexander Czernay,
Senior Director
bei diconium data