Kurzbeschreibung des Projekts
Moderne Erntemaschinen sind komplexe, vielfältig konfigurierbare Systeme. So kann man mit der Einstellung der Siebe, Dreschtrommeldrehzahl, Fahrgeschwindigkeit des Fahrzeugs, der Stärke des Gebläses und vielem anderen unzählige Einzelparameter einstellen. Das BMBF-Projekt AGATA untersucht, wie hier eine optimale Konfiguration gefunden werden kann, um die Maschinen so effizient wie möglich für jedes Feld zu gestalten.
Projektziele
Dazu werden im Erntebetrieb bis zu 250 Botschaften pro Sekunde mit mehreren hundert Parametern, von der Identifikationsnummer bis zum Tankstand, erfasst und gespeichert. Alle diese Daten werden zentral gesammelt und mit Big Data-Analysen verarbeitet, um die effizientesten Konfigurationen zu erstellen. Damit es gar nicht erst zu Datenmissbrauch kommen kann, ist eine frühzeitige Pseudonymisierung der gesammelten Daten wünschenswert und notwendig. Denn vor allem die Positionsdaten der Maschinen sind für die Analyse zwar wichtig, aus ihnen lässt sich aber auch ein präzises Bewegungsprofil der Mitarbeiter erstellen. Das berührt Aspekte des persönlichen Datenschutzes und ist somit von hoher Priorität. Auch aus betrieblicher Sicht ist der Datenschutz notwendig, denn Merkmale wie die Ertragshöhe sind eng verknüpft mit den aufgenommenen Daten. Trotzdem benötigt man für eine zuverlässige Auswertung die relativen Fahrwege der Fahrzeuge und die dafür benötigte Zeit, sowie eine grobe geographische Zuordnung.
Projektergebnis
Um sowohl den Schutz als auch die Qualität der Daten hoch zu halten, hat das Fraunhofer IOSB ein Verfahren entwickelt, um beides zu gewährleisten. Hierbei werden die Daten in einem mehrstufigen Verfahren pseudonymisiert und aus ihrem Kontext genommen, sodass es zwar noch möglich ist, sie ausreichend zu analysieren, sie aber nicht mehr zugeordnet werden können. Die so geschützten Daten zeigen zwar, wie schnell das Fahrzeug auf bestimmten Abschnitten war, und lassen, kombiniert mit den übrigen Daten der Erfassung, die gewünschten Analysen zu. Ein Missbrauch zur Mitarbeiterüberwachung oder Rückschlüsse auf die Erntemengen der Konkurrenz sind allerdings nicht möglich. Es kann somit sichergestellt werden, dass das Ziel der Big Data-Auswertung erreicht wird, ohne dass sich die Mitarbeiter Sorgen wegen Missbrauch machen müssen. Außerdem kann nun auf aufwendige Protokollierungs- und Transparenzmethoden verzichtet werden, die ohne Pseudonymisierung zwingend erforderlich gewesen wären.