Body-Camera-Redaction - Definition
Body-Camera-Redaction bezeichnet den technischen Prozess der Aufbereitung von Aufnahmen aus Bodycams für die Weitergabe, Veröffentlichung, Übermittlung an Dritte oder die Verwendung als Beweismittel im Einklang mit den Vorschriften zum Datenschutz und zum Schutz der Privatsphäre. In der Praxis geht es darum, identifizierende Elemente von Personen oder Fahrzeugen in Video- und Bildmaterial aus Body-Worn Cameras zu erkennen und zu verdecken - in der Regel Gesichter und Kfz-Kennzeichen.
Im Kontext der Bildanonymisierung bedeutet der Begriff nicht, dass sämtliche Daten aus einer Aufnahme entfernt werden. Gemeint ist vielmehr die Anwendung solcher Redaktionsmaßnahmen, die die Identifizierbarkeit natürlicher Personen vor einer weiteren Offenlegung des Materials einschränken. Am häufigsten kommen Weichzeichnung, Pixelierung, deckende Masken oder dauerhafte Bildveränderungen in bestimmten Bildbereichen zum Einsatz. Wird ein Element nicht automatisch erkannt, kann die Redaction eine manuelle Bearbeitung im Editor erfordern.
Die rechtliche Grundlage bilden in erster Linie die Datenschutz-Grundverordnung (DSGVO) - Verordnung (EU) 2016/679 -, insbesondere die Grundsätze der Datenminimierung, Zweckbindung sowie Integrität und Vertraulichkeit nach Art. 5 sowie die Anforderungen an Privacy by Design nach Art. 25. Bei Materialien, die Bildnisse enthalten, sind darüber hinaus nationale Vorschriften zum Schutz des Persönlichkeitsrechts und zur Verbreitung von Bildnissen relevant. Für Polizeibehörden, Sicherheitsdienste und private Sicherheitsunternehmen ist die Body-Camera-Redaction in der Regel ein vorgelagerter Schritt, bevor Material außerhalb des ursprünglichen Verarbeitungszwecks weitergegeben wird, etwa zur Bearbeitung eines Auskunftsersuchens, zur Übermittlung an Medien, zur Schulung von Personal anhand realer Aufnahmen oder zur Bereitstellung für externe Stellen.
Die Rolle der Body-Camera-Redaction für die Rechtskonformität
Aufnahmen aus Bodycams enthalten sehr häufig personenbezogene Daten, da sie das Erscheinungsbild von Personen, den Ortskontext, den Zeitpunkt eines Ereignisses und oft auch Kfz-Kennzeichen festhalten. In vielen Fällen umfasst das Material zudem besondere Kategorien personenbezogener Daten, die mittelbar durch das Bild offengelegt werden, etwa Gesundheitszustand, medizinische Interventionen, religiöse Praktiken oder die Teilnahme an einer Versammlung. Deshalb bedeutet allein die rechtliche Zulässigkeit der Aufzeichnung nicht automatisch, dass das vollständige Material umfassend weitergegeben werden darf.
Vor der Offenlegung einer Aufnahme sollte der Verantwortliche mindestens die folgenden Punkte prüfen:
- den Zweck der Offenlegung und die dafür bestehende Rechtsgrundlage,
- den Umfang der Daten, die für den Empfänger erforderlich sind,
- ob sich die Identifizierbarkeit unbeteiligter Personen einschränken lässt,
- ob das Material Gesichter von Kindern, Zeugen, Opfern oder nicht am Ereignis beteiligten Personen enthält,
- ob die Aufnahme Kfz-Kennzeichen von Fahrzeugen zeigt.
In Bezug auf Gesichter kann die Pflicht zur Anonymisierung oder zumindest zur Beschränkung der Verbreitung aus der DSGVO, aus Vorschriften des Zivilrechts zum Schutz des Persönlichkeitsrechts sowie aus Regeln zur Veröffentlichung von Bildnissen folgen. In der Praxis werden drei typische Ausnahmen genannt, in denen eine Einwilligung zur Verbreitung eines Bildnisses nicht erforderlich ist: wenn es sich um eine allgemein bekannte Person im Zusammenhang mit der Wahrnehmung öffentlicher Funktionen handelt, wenn das Bildnis lediglich als Beiwerk einer größeren Gesamtheit erscheint, etwa einer Versammlung oder öffentlichen Veranstaltung, und wenn die Person eine vereinbarte Vergütung für das Posieren erhalten hat.
Bei Kfz-Kennzeichen ist die Rechtslage in Europa nicht vollständig einheitlich. Häufig wird aus Vorsichtsgründen die Praxis angewandt, Kennzeichen vor der Veröffentlichung oder weiteren Offenlegung unkenntlich zu machen, wenn sie zur Identifizierung einer Person führen können. In Polen bestehen Unterschiede zwischen Behördenpositionen, der praktischen Rechtsanwendung und der Bewertung konkreter Einzelfälle. Aus Compliance-Sicht ist die Redaction von Kennzeichen daher oft eine Maßnahme zur Reduzierung des Identifizierungsrisikos.
Technologien für die Body-Camera-Redaction
Die Automatisierung der Redaction von Bodycam-Material basiert in der Regel auf Modellen des Computer Vision. Für Gesichter kommen Objekterkennung und Tracking über mehrere Frames hinweg zum Einsatz, anschließend wird über die gesamte Objektbewegung in der Sequenz eine Maske gelegt. Für Kfz-Kennzeichen wird eine vergleichbare Verarbeitungskette verwendet. Damit ein solches System zuverlässig funktioniert, ist ein KI-Modell erforderlich, das auf einem ausreichend großen und annotierten Datensatz trainiert wurde. In der Praxis werden Deep-Learning-Verfahren genutzt, insbesondere Convolutional Neural Networks sowie neuere Detektionsarchitekturen.
Eine typische Pipeline sieht wie folgt aus:
- Dekodierung des Videos in eine Folge einzelner Frames,
- Erkennung von Gesichtern und Kfz-Kennzeichen,
- Tracking der Objekte zwischen den Frames,
- Glättung der Trajektorien und Korrektur falscher Detektionen,
- Aufbringen einer Weichzeichnungs- oder Abdeckmaske,
- Qualitätskontrolle und gegebenenfalls manuelle Nachbearbeitung,
- finales Rendering und Speicherung des Materials.
Bodycams erzeugen schwieriges Eingangsmaterial. Typisch sind schnelle Bewegungen, wechselnde Lichtverhältnisse, teilweise Verdeckungen, ein hoher Dynamikumfang und eine begrenzte Stabilisierung. Das mindert die Leistungsfähigkeit der Modelle und erhöht den Bedarf an manueller Prüfung. Deshalb werden On-Premise-Lösungen von Behörden und Sicherheitsunternehmen häufig bevorzugt, weil sie die Verarbeitung in einer kontrollierten Umgebung ermöglichen und den Datentransfer außerhalb der Organisation begrenzen.
In Systemen wie Gallio PRO betrifft die automatische Unkenntlichmachung Gesichter und Kfz-Kennzeichen. Firmenlogos, Tätowierungen, Namensschilder, Dokumente oder Bildschirminhalte erkennt die Software nicht automatisch. Solche Elemente können im integrierten Editor manuell unkenntlich gemacht werden. Die Software führt weder eine Echtzeit-Anonymisierung noch eine Anonymisierung von Videostreams durch.
Wichtige Parameter und Kennzahlen der Body-Camera-Redaction
Die Bewertung der Qualität einer Redaction sollte sich nicht allein auf die Aussage stützen, dass ein System KI verwendet. Erforderlich sind messbare Kennzahlen zur Qualität der Erkennung und zur Vollständigkeit der Unkenntlichmachung. Für Verantwortliche und Datenschutzbeauftragte sind insbesondere die Parameter relevant, die das Risiko einer Offenlegung personenbezogener Daten beeinflussen.
Parameter | Praktische Bedeutung
|
|---|---|
Recall | Anteil der korrekt erkannten Gesichter oder Kennzeichen. Ein niedriger Recall erhöht das Risiko, dass personenbezogene Daten ungeschwärzt bleiben. |
Precision | Anteil korrekter Erkennungen an allen Markierungen. Eine niedrige Precision erhöht die Zahl unnötiger Masken und den Korrekturaufwand. |
False-Negative-Rate | Anteil übersehener Objekte. Dies ist einer der wichtigsten Indikatoren für das Compliance-Risiko. |
IoU - Intersection over Union | Maß für die Übereinstimmung des Erkennungsbereichs mit dem tatsächlichen Objekt. Ist der Bereich zu klein, wird möglicherweise nicht das gesamte Gesicht oder Kennzeichen abgedeckt. |
Verarbeitungszeit | Anzahl der Minuten, die für die Bearbeitung von 1 Stunde Material benötigt werden. Dieser Parameter ist bei großen Beweismengen besonders wichtig. |
Anteil manueller Eingriffe | Prozentsatz des Materials, das eine Korrektur durch den Operator erfordert. Dieser Wert zeigt die reale Belastung des Teams. |
In der Praxis lässt sich ein einfaches Modell für das operationelle Risiko ansetzen:
Offenlegungsrisiko = Anzahl übersehener Objekte × Wahrscheinlichkeit der Identifizierung × Umfang der Offenlegung
Je größer die Zahl der Empfänger und je öffentlicher die Offenlegung, desto wichtiger sind ein hoher Recall und eine verpflichtende Endkontrolle.
Herausforderungen und Grenzen bei der Anonymisierung von Bodycam-Aufnahmen
Body-Camera-Redaction bietet keine vollständige Garantie für Anonymisierung im absoluten Sinn. Selbst nach dem Unkenntlichmachen von Gesichtern und Kfz-Kennzeichen kann das Material indirekte Identifikatoren enthalten, etwa die Stimme, auffällige Kleidung, den Ort, den Ablauf des Ereignisses oder einzigartige Gegenstände im Bildausschnitt. Deshalb sollte der Umfang der Redaction immer auf den Zweck der Offenlegung und das Profil des Empfängers abgestimmt werden.
Zu den häufigsten Einschränkungen gehören:
- nicht erkannte Gesichter bei Seitenprofilen, geringer Größe oder schwachen Lichtverhältnissen,
- nicht erkannte Kennzeichen bei Bewegung, Verschmutzung oder ungewöhnlichem Blickwinkel,
- Verlust des Beweiswerts bei zu aggressiver Weichzeichnung,
- die Notwendigkeit manueller Redaction bei Elementen, die nicht automatisch unterstützt werden,
- das Risiko einer Re-Identifizierung anhand des Aufnahmekontexts.
Aus Sicht der Datensicherheit ist auch die Verarbeitungsumgebung wesentlich. Eine On-Premise-Lösung reduziert die Exposition der Daten gegenüber externen Diensten und erleichtert die Umsetzung des Need-to-know-Prinzips. Darüber hinaus ist wichtig, dass das System keine Protokolle erzeugt, die personenbezogene Daten aus dem Detektionsprozess enthalten. In der Praxis bedeutet dies, dass technische Logs keine Gesichter, Kennzeichen oder andere personenbezogene Daten enthalten sollten, sofern dies nicht zwingend erforderlich ist.
Praktische Anwendung für Behörden und Sicherheitsunternehmen
Das häufigste Szenario umfasst die Erstellung einer Arbeitskopie der Aufnahme, die automatische Erkennung von Gesichtern und Kennzeichen, die Prüfung durch einen Operator, das manuelle Unkenntlichmachen zusätzlicher Elemente sowie die Speicherung einer Version, die zur Weitergabe bestimmt ist. Das Originalmaterial sollte unverändert bleiben und gemäß den Regeln zur Beweissicherung aufbewahrt werden.
Ein solches Modell wird unter anderem verwendet bei:
- der Beantwortung von Anträgen auf Zugang zu Aufnahmen,
- der Weitergabe von Material zu Schulungszwecken,
- der Bereitstellung von Aufzeichnungen an Rechtsvertreter oder Versicherer,
- der Veröffentlichung von Material nach einem Sicherheitsvorfall,
- der Zusammenarbeit zwischen Einheiten oder mit externen Stellen.
Normative Bezüge und Quellen
Die Definition und Praxis der Body-Camera-Redaction sollte mit maßgeblichen Quellendokumenten verknüpft werden und nicht mit vereinfachten Marketingbeschreibungen. Die wichtigsten Bezugspunkte sind:
- Verordnung (EU) 2016/679 des Europäischen Parlaments und des Rates vom 27. April 2016 - DSGVO.
- Europäischer Datenschutzausschuss - Leitlinien 4/2019 zu Datenschutz durch Technikgestaltung und durch datenschutzfreundliche Voreinstellungen, angenommene Fassung vom 20. Oktober 2020.
- ENISA, Pseudonymisation techniques and best practices, 2021 - ein hilfreiches Dokument zur Bewertung der Reduzierung von Identifizierbarkeit, auch wenn es sich nicht ausschließlich auf Bildmaterial bezieht.
- Rechtsprechung des EuGH und Stellungnahmen von Datenschutzbehörden zur mittelbaren Identifizierbarkeit und zu visuellen Daten.
- Nationale Vorschriften zum Schutz des Persönlichkeitsrechts und zur Verbreitung von Bildnissen, die parallel zur DSGVO Anwendung finden.