Video-Redaction-Workflow – Definition
Ein Video-Redaction-Workflow ist ein strukturierter organisatorischer und technischer Prozess zur Identifizierung, Bewertung, Anonymisierung, Verifizierung, Dokumentation und Archivierung von Videoaufnahmen oder Fotos, die im Bild sichtbare personenbezogene Daten enthalten. In der Praxis betrifft dies vor allem Gesichter und Kfz-Kennzeichen, in ausgewählten Fällen aber auch andere identifizierende Elemente, die eine manuelle Bildredaktion erfordern. Im Kontext des Datenschutzes geht es nicht um ästhetische Bearbeitung, sondern um eine solche Verarbeitung des Materials, dass das Risiko der Identifizierung einer natürlichen Person begrenzt wird, während der Zweck der weiteren Nutzung der Aufnahme erhalten bleibt.
Die rechtliche und auslegungsbezogene Grundlage dieses Prozesses bilden insbesondere die Verordnung (EU) 2016/679 – DSGVO, vor allem Art. 5 Abs. 1 Buchst. c und f, Art. 25 sowie Art. 32, ebenso wie Erwägungsgrund 26 zur Identifizierbarkeit einer Person. Beim Recht am eigenen Bild können zudem nationale Vorschriften relevant sein, darunter das Zivilrecht sowie urheberrechtliche Regelungen. Ein Workflow zur Videoredaktion sollte daher rechtliche Anforderungen, Grundsätze der Informationssicherheit und Techniken der Bildverarbeitung miteinander verbinden.
Im Bereich der Anonymisierung von Fotos und Aufnahmen umfasst der Workflow in der Regel eine Abfolge vom Eingang des Materials über die Risikoanalyse und Objekterkennung bis hin zum Einsatz von Masken, der Qualitätskontrolle, dem Export und der Aufbewahrung. Wenn KI-Modelle eingesetzt werden, werden diese mit Methoden des maschinellen Lernens, meist Deep Learning, entwickelt und anschließend zur Erkennung von Gesichtern und Kfz-Kennzeichen Frame für Frame oder auf Basis des Objekt-Trackings innerhalb einer Sequenz genutzt.
Phasen eines Video-Redaction-Workflows in der Organisation
Ein korrekt definierter Workflow muss wiederholbar und auditierbar sein. Das bedeutet, dass eine Organisation nachweisen können sollte, welches Material verarbeitet wurde, zu welchem Zweck, nach welchem Verfahren und mit welchem Ergebnis der Qualitätskontrolle.
In der Praxis lässt sich der Prozess in folgende Phasen gliedern:
- Identifizierung des Materials – Festlegung der Herkunft der Aufnahme, des Prozessverantwortlichen, des Verarbeitungszwecks, der im Bild sichtbaren Datenkategorien sowie der Rechtsgrundlage.
- Risikoklassifizierung – Bewertung, ob das Material Gesichter, Kfz-Kennzeichen oder andere Elemente enthält, die eine Identifizierung ermöglichen. In dieser Phase wird auch das erforderliche Maß der Maskierung bestimmt.
- Technische Vorbereitung – Prüfung des Eingabeformats, des Codecs, der Bildrate, der Auflösung, der Materiallänge und der Dateiintegrität.
- Erkennung und Redaktion – automatische Erkennung von Gesichtern und Kfz-Kennzeichen sowie Anwendung einer Unschärfe- oder Verdeckungsmaske. In Gallio PRO bezieht sich die Automatisierung ausschließlich auf Gesichter und Kfz-Kennzeichen.
- Manuelle Redaktion – manuelles Unkenntlichmachen jener Elemente, die das System nicht automatisch erkennt, zum Beispiel Dokumente, Ausweise, Tätowierungen, Logos oder Inhalte auf Monitoren.
- Qualitätskontrolle – Prüfung der Vollständigkeit der Anonymisierung anhand einer Stichprobe oder des gesamten Materials, einschließlich schwieriger Frames bei Bewegung, Verdeckung und schwacher Beleuchtung.
- Export und Sicherung des Ergebnisses – Speicherung der redigierten Version zusammen mit operativen Metadaten, ohne unnötige personenbezogene Daten in Protokollen zu persistieren.
- Dokumentation und Archivierung – Erfassung des Umfangs der Redaktion, des Operators, der Verfahrensversion sowie der Aufbewahrungsfrist des Quell- und Ergebnis-Materials.
Technologien im Video-Redaction-Workflow
Die Automatisierung des Workflows basiert auf Computer Vision. Bei Gesichtern und Kfz-Kennzeichen werden meist Detektionsmodelle verwendet, die auf annotierten Datensätzen trainiert wurden. Deep Learning wird heute am häufigsten eingesetzt, um KI-Modelle zu entwickeln, die Objekte unter unterschiedlichen Bedingungen erkennen können, etwa bei veränderter Perspektive, Skalierung, teilweiser Verdeckung oder Bildkompression.
Ein typischer Technologie-Stack umfasst:
- Objekterkennung in einzelnen Frames – Gesichter, Kfz-Kennzeichen,
- Frame-übergreifendes Tracking – Beibehaltung der Maske auf demselben Objekt in aufeinanderfolgenden Frames,
- Pixelredaktion – Blur, Pixelation oder vollständiges Abdecken des markierten Bereichs,
- manuelle Verifizierung – Korrekturen dort, wo die Automatik nicht ausreicht.
In Umgebungen mit erhöhten Sicherheitsanforderungen werden On-Premise-Implementierungen eingesetzt, um die Übertragung von Material außerhalb der Organisation zu begrenzen. Ein solches Modell kann den Grundsatz Privacy by Design gemäß Art. 25 DSGVO unterstützen und die Kontrolle über Datenstandort, Berechtigungen und Aufbewahrung erleichtern.
Zentrale Parameter und Kennzahlen im Video-Redaction-Workflow
Die Bewertung der Workflow-Qualität sollte nicht auf allgemeinen Aussagen beruhen. Erforderlich sind messbare Kennzahlen zur Erkennungsleistung, zur Qualität der Bildredaktion und zur Verarbeitungseffizienz.
Parameter
Bedeutung
Praktische Anwendung
Recall
Anteil der tatsächlich vorhandenen Objekte, die vom System erkannt wurden
Entscheidend zur Verringerung übersehener Gesichter und Kennzeichen
Precision
Anteil korrekter Erkennungen an allen Erkennungen
Beeinflusst die Anzahl falscher Maskierungen
False Negative Rate
Anteil nicht erkannter Objekte
Steht in direktem Zusammenhang mit dem Risiko einer Verletzung der Privatsphäre
Verarbeitungszeit
Minuten an Material, die pro Betriebsstunde des Systems verarbeitet werden
Unterstützt die Ressourcenplanung und SLA
Coverage Review
Prozentsatz des Materials, der einer Qualitätskontrolle unterzogen wurde
Bestimmt das Niveau der finalen Sicherheit
In der Praxis kann ein einfacher Indikator für das Risiko des Übersehens verwendet werden:
Operationelles Risiko = Anzahl nicht erkannter Objekte / Anzahl aller Objekte im Material
Wenn eine Organisation Beweis- oder Veröffentlichungsmaterial verarbeitet, sollte dieser Wert möglichst nahe bei null liegen, und der Workflow muss eine verpflichtende manuelle Kontrolle enthalten.
Herausforderungen und Grenzen des Video-Redaction-Workflows
Selbst ein gut konzipierter Prozess hat technische und rechtliche Grenzen. Die größten Probleme treten bei Material mit geringer Qualität, hoher Personendichte, Kamerabewegung, Reflexionen, Nachtszenen und starker verlustbehafteter Kompression auf.
Zudem muss zwischen dem Umfang der Automatisierung und der vollständigen Identifikation aller Risiken im Bild unterschieden werden. Gallio PRO macht automatisch nur Gesichter und Kfz-Kennzeichen unkenntlich. Logos, Tätowierungen, Namensschilder, Dokumente oder Inhalte auf Monitoren werden nicht automatisch erkannt. Solche Elemente können im Editor manuell redigiert werden. Die Software anonymisiert nicht automatisch ganze Körper und ist weder für die Anonymisierung von Videostreams noch für den Echtzeitbetrieb ausgelegt.
Auch bei Kfz-Kennzeichen gibt es unterschiedliche rechtliche Auslegungen. In vielen europäischen Staaten ergibt sich die Praxis ihrer Maskierung aus nationalem Recht und aus dem Ansatz der Datenschutzaufsichtsbehörden. In Polen sind die Positionen nicht vollständig einheitlich – die polnische Datenschutzbehörde UODO und die Rechtsprechung des EuGH stützen einen vorsorglichen Ansatz zur Identifizierbarkeit, während in Teilen der Rechtsprechung des Obersten Verwaltungsgerichts darauf hingewiesen wurde, dass ein Kfz-Kennzeichen allein nicht immer ein personenbezogenes Datum darstellt. In organisatorischen Workflows wird in der Regel die sicherere Variante gewählt, also die Redaktion von Kennzeichen vor der Veröffentlichung oder Weitergabe des Materials.
Normative Bezüge und Compliance
Ein Video-Redaction-Workflow sollte mit einem formalen Managementsystem für Informationssicherheit und Datenschutz verknüpft sein. Es gibt keinen einzelnen europäischen technischen Standard, der ausschließlich die Bildredaktion definiert. Daher sollte man sich auf eine Kombination aus Rechtsakten und horizontalen Normen stützen.
- DSGVO – Verordnung (EU) 2016/679 – Grundsätze der Datenminimierung, Integrität und Vertraulichkeit, Privacy by Design, Sicherheit der Verarbeitung.
- ISO/IEC 27001:2022 – Managementsystem für Informationssicherheit, Zugriffskontrolle, Protokollierung administrativer Aktivitäten und Incident-Management.
- ISO/IEC 27701:2019 – Erweiterung zum Datenschutz für Organisationen, die personenbezogene Daten verarbeiten.
- ENISA – Leitlinien zur Datensicherheit und zum Schutz der Privatsphäre – risikobasierter Ansatz und technische Schutzmaßnahmen.
Eine bewährte Praxis ist die Prozessdokumentation ohne Speicherung von Protokollen, die personenbezogene Daten aus der Erkennung enthalten. In Umgebungen mit erhöhter Vertraulichkeit ist dies wichtig, um eine sekundäre Verarbeitung von Daten zu begrenzen.