Hinsichtlich des Brandschutzes zeigt der durch die Bundesregierung geförderte Holzbau Herausforderungen gegenüber Massivbauweisen. Diese spiegeln sich in Erfahrungen von Feuerwehren wider, aber nun auch in statistischen Untersuchungen der Brandschadenstatistik der Vereinigung zur Förderung des deutschen Brandschutzes sowie der Arbeitsgemeinschaft der Leiterinnen und Leiter der Berufsfeuerwehren (AGBF) und des Deutschen Feuerwehrverbands (DFV). Im Zeitraum von 2013 bis 2017 wurden in der vfdb‐Brandschadenstatistik Daten zu 5016 Alarmierungen bei Gebäudebränden in Deutschland systematisch mit einem einheitlichen Erfassungsbogen erfasst und seit 2016 „bemerkenswerte Brandeinsätze“ durch einen Evaluierungsbogen zu Maßnahmen des vorbeugenden Brand‐ und Gefahrenschutzes von AGBF/DFV. Grundlage des vorliegenden Beitrags sind die Auswertung und der Vergleich beider statistischer Datensätze hinsichtlich der Brände in Gebäuden in Holzbauweise. Es zeigt sich, dass der Holzbau mit brandschutztechnischen Herausforderungen verbunden ist.
Daten eines Datensatzes können nur dann als „anonym“ bezeichnet werden, wenn sie keinesfalls und auch nicht nachträglich, auch nicht durch Verknüpfung mit weiteren Informationen, auf eine Person bezogen werden können. Potentiell identifizierende Feldinhalte (PIF) verhindern die „faktische Anonymisierung“ eines wissenschaftlich genutzten Sekundärdatensatzes. An zwei Quelldatensätzen aus hausärztliche Praxisdaten wurde exemplarisch untersucht, ob und inwieweit schrittweises und systematisches Erkennen von PIF möglich ist. Von 14.285 bzw. 100 Patient*innen wurden aus hausärztlichen Praxisverwaltungssystemen Routinedaten mit 40 Variablen (Parametern, Feldern) in 5.918.321 bzw. 363.084 Datenzeilen exportiert und auf den vier Ebenen ihrer Feldkennungen, deren Kombinationen, ihrer Feldinhalte sowie des gesamten Datensatzes untersucht. Häufigkeiten von Feldkennungen wurden in elf semantischen Gruppen sowie nach Feldtypen geordnet. Die Gefahr einer Re-Identifizierung insbesondere bei Kombination von Feldkennungen wurde aus hausärztlicher Expertise beurteilt. In schrittweise iterativem Vorgehen untersuchten wir auf PIF bei Freitexteinträgen und maskierten Treffer für die nachfolgenden Durchgänge. Der abschließende Quotient aus Anzahl re-identifizierender und Gesamtzahl aller Datenzeilen bildete den Wahrscheinlichkeitsschätzer. Zusätzlich wurden die Daten in Gänze mittels einer Open-Source-Software zur Anonymisierung sensibler personenbezogener Daten beurteilt. Zuletzt erfolgte eine Ergebnisbewertung im Sinne einer Datenschutz-Folgenabschätzung nach Art. 35 der DSGVO bezüglich Schwere eines möglichen Schadens und seiner Eintrittswahrscheinlichkeit. Unter den zur wissenschaftlichen Sekundärnutzung ausgewählten 40 Parametern beurteilten wir insbesondere Freitextfelder wie „Dauerbemerkungen“, „Aktuelle Diagnose“, „Medikament“ und „Befund“ als re-identifizierend. Akribische Vorabauswahl und Datensparsamkeit, privacy by design im Verarbeitungsprozess sowie die hier beschrieben de-identifizierende Maßnahmen verringerten dieses Risiko erheblich, konnten jedoch einen „faktisch anonymen“ Sekundärdatensatz insgesamt nicht erreichen. Erkennen und Bewerten von PIF sind Voraussetzung für de-identifizierende Maßnahmen, sind jedoch mit vertretbarem Aufwand immer nur unvollständig erfolgreich. Eine semantische Strukturierung der Daten ist erstrebenswert, hilft jedoch der Möglichkeit einer Re-Identifizierung durch Fehleingaben nicht ab.
