Privacy-Enhancing Technologies (PETs)
PETs sind Technologien, die eine sichere, datenschutzfreundliche Datenverarbeitung und -weitergabe ermöglichen und die Offenlegung personenbezogener Daten reduzieren.
Privacy-Enhancing Technologies (PETs) sind eine Familie von Techniken und Werkzeugen, die darauf ausgelegt sind, die Privatsphäre während des gesamten Datenlebenszyklus zu schützen. Kernziele sind Datenminimierung, Vertraulichkeit, Integrität und kontrollierte Weitergabe unter Beibehaltung des analytischen Nutzens. Die PETs-Landschaft umfasst: Techniken zur Datenminimierung und Anonymisierung (Pseudonymisierung, Verschlüsselung, Differential Privacy); sichere Berechnungs- und föderierte Modelle (Secure Multi-Party Computation, Federated Learning, Trusted Execution Environments); kryptografische Datenverarbeitung (Homomorphic [Encryption](/de/terms/homomorphic-encryption), Order-Preserving Encryption); Zugriffssteuerungs-, Auditierungs- und Governance-Mechanismen. Wichtige anzuwendende Konzepte: (i) Systeme so konzipieren, dass nur das absolut Notwendige gesammelt wird; (ii) die Identifizierbarkeit durch repudiation-sichere Identifikatoren und Privacy Budgets reduzieren; (iii) kryptografische Methoden mit Governance und Risikobewertung kombinieren; (iv) Kompromisse zwischen Datenschutzgarantien, Leistung und Datennutzung bewerten. Implementierungsmuster umfassen datenschutzfreundliche Analytics Pipelines, datenschutzfreundliches ML in eingeschränkten Umgebungen und organisationsübergreifende Datenkollaborationen, bei denen Rohdaten nicht zentralisiert werden können. Wichtige Vorbehalte: PETs sind keine Universallösung; robuster Datenschutz erfordert einen ganzheitlichen Ansatz, der Technologie, Governance und Transparenz kombiniert, mit fortlaufender Überwachung und Auditierung.
graph LR
Center["Privacy-Enhancing Technologies (PETs)"]:::main
Rel_hardware_security["hardware-security"]:::related -.-> Center
click Rel_hardware_security "/terms/hardware-security"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧒 Erkläre es wie einem 5-Jährigen
Generated ELI5 content
🤓 Expert Deep Dive
Generated expert content
❓ Häufig gestellte Fragen
What are PETs?
PETs are a family of techniques designed to protect privacy in data processing and sharing, including methods like differential privacy, encryption, federated learning, and secure computation.
How do PETs protect privacy?
They minimize data collection, transform or shield data (anonymization, pseudonymization, DP), and allow computations on data without exposing raw information (SMPC, HE, TEEs, federated learning).
Are PETs secure in practice?
PETs provide strong privacy guarantees under defined cryptographic and statistical models, but require correct threat models, implementation, and governance; no technology is risk-free.
What are common trade-offs?
PETs can introduce computational overhead, reduced data utility, and implementation complexity; privacy guarantees may require budget management and assumption validation.
How do I start implementing PETs?
Begin with a privacy-by-design assessment, select suitable PETs for your use case, pilot in a controlled scope, and couple with governance, monitoring, and transparency practices.
Do PETs replace governance and policy?
No. PETs complement governance, legal compliance, and organizational controls to reduce privacy risk.