Datenminimierung bei KI-Modellen mit Beschäftigtendaten

Zusammenfassung: Mehr Daten machen ein HR-Modell nicht automatisch besser. Datenminimierung begrenzt Zweck, Felder, Aufbewahrung und Zugriff bereits beim Systemdesign.

Warum sie die Modellqualität beeinflusst

Unnötige Daten erhöhen Datenschutzrisiken und können Rauschen, Proxys und historische Verzerrungen verstärken. Vor der Entwicklung sollten alle Felder inventarisiert und ihr Zweck dokumentiert werden.

Fünf Kontrollen im Lebenszyklus

1. Zweck, Rechtsgrundlage und Quelle dokumentieren.
2. Nicht benötigte Felder entfernen und Zugriff begrenzen.
3. Repräsentation, Proxys und Bias testen.
4. Menschliche Prüfung, Protokollierung und Einspruch betreiben.
5. Nach Ablauf der Aufbewahrung löschen, vernichten oder angemessen anonymisieren.

Löschen, Vernichten und Anonymisieren

Der Leitfaden der türkischen Datenschutzbehörde erläutert, dass Daten nach Wegfall des Verarbeitungsgrundes gelöscht, vernichtet oder anonymisiert werden sollten. Die Ergebnisse unterscheiden sich: kein Zugriff für relevante Nutzer, kein Zugriff für irgendjemanden und keine Nutzbarkeit, oder keine Zuordnung zu einer identifizierbaren Person.

Fazit

Datenminimierung ist eine gemeinsame Entscheidung von Produkt, Daten, HR, Sicherheit und Recht. Weniger, besser verwaltete Daten ermöglichen risikoärmere und erklärbarere HR-KI.

Quellen

• Türkische Datenschutzbehörde: Löschung, Vernichtung und Anonymisierung.
• NIST AI Risk Management Framework.

Dieser Beitrag dient der allgemeinen Information und ist keine Rechtsberatung.