Startseite > Lexikon > Recht & Datenschutz > Differential Privacy

Bleistiftskizze: Hand streut orange Körnchen über zwei Murmelgläser auf einer ausgeglichenen Waage, als Bild für Differential Privacy
Recht & Datenschutz

Differential Privacy

Statistiken veröffentlichen, ohne dass sich daraus ein einzelner Mensch herauslesen lässt — das verspricht Differential Privacy. Der Trick ist gezieltes Rauschen. Und genau das sorgt dafür, dass die Zahlen in manchem Werbebericht nie ganz aufgehen.

Auch bekannt alsDifferenzielle Privatsphäre

6 Min

Lesezeit

13.11.2026

Letzte Aktualisierung

Was ist Differential Privacy?

Stell dir vor, eine Statistik zeigt: 312 Leute aus deinem Ort haben letzte Woche ein Hörgerät gekauft. Am Montag waren es 311 — und nur ein Mensch ist neu dazugekommen. Wer das weiß, weiß plötzlich etwas über diese eine Person. Genau dieses Problem löst Differential Privacy (DP).

Das US-Normungsinstitut NIST beschreibt DP als Verfahren, das den Privatsphäre-Verlust messbar macht, wenn jemandes Daten in einem Datensatz stecken. In der Praxis heißt das: Jedem Ergebnis wird gezielt ein wenig Zufallsrauschen beigemischt. Ob eine einzelne Person drin ist oder nicht, verändert das Ergebnis dann kaum noch. Die Idee geht auf die Informatikerin Cynthia Dwork zurück (2006).

Epsilon: der Regler für Schutz und Genauigkeit

Wie viel Rauschen dazukommt, steuert ein Wert namens Epsilon (ε). Die Regel ist einfach:

  • Kleines ε: viel Rauschen, starker Schutz, ungenauere Zahlen.
  • Großes ε: wenig Rauschen, genauere Zahlen, schwächerer Schutz.

Formale Bedingung

P[Ergebnis mit dir] ≤ e^ε · P[Ergebnis ohne dich]

Beispiel: Bei ε = 1 ändert deine Teilnahme die Wahrscheinlichkeit jedes Ergebnisses höchstens um den Faktor 2,7.

Dazu kommt das Privacy Budget: die Summe an ε, die insgesamt verbraucht werden darf. Jede Abfrage kostet etwas davon. Ist das Budget leer, sind keine weiteren Abfragen möglich. Sonst ließe sich das Rauschen durch tausendfaches Nachfragen einfach herausmitteln.

Beispiele aus der Praxis

Case A · Behörde

US-Volkszählung 2020

ε = 19,61

Gesamtbudget Wahlkreisdaten

97 Mio.

Datensätze aus 2010 rekonstruiert

Ein interner Angriff auf die alten Daten zeigte: Ohne Rauschen ließen sich 97 Millionen Menschen exakt nachbauen.

Deshalb nutzte das Census Bureau für 2020 Differential Privacy. Seit Juni 2026 untersagt eine neue Anordnung des US-Handelsministeriums das Rauschen wieder.

Case B · Gerät

Apple, Daten vom iPhone

ε = 4

Emoji-Nutzung, 1× am Tag

ε = 2

Health-Datentypen, 1× am Tag

Das Rauschen kommt schon auf dem Gerät dazu, bevor Daten es verlassen.

Werte aus Apples Übersicht zu iOS 10/11, Teilnahme nur mit Zustimmung. Ob sie heute noch gelten, sagt Apple nicht.

Im Marketing begegnet dir DP vor allem in Data Clean Rooms. AWS Clean Rooms mischt jeder Abfrage automatisch Rauschen bei und arbeitet mit einem Privacy Budget. Google BigQuery bietet Abfragen mit Differential Privacy ohne Zusatzkosten an. Und Googles Ads Data Hub verrauscht Ergebnisse im Noise-Modus nach derselben Logik.

Ist das anonym im Sinne der DSGVO?

Nicht automatisch. Die DSGVO gilt nicht für anonyme Daten, also für Daten, die sich keiner Person mehr zuordnen lassen (Erwägungsgrund 26). DP ist aber eine Technik, kein Rechtsstatus.

Die europäischen Datenschutzbehörden haben DP in ihrer Stellungnahme zu Anonymisierungstechniken (WP216) bewertet. Ergebnis: DP kann beim Herausgreifen, Verknüpfen und Rückschließen auf Einzelne scheitern — vor allem, wenn zu viele Abfragen gestellt werden. Und wer die Rohdaten weiter besitzt, für den bleiben auch die verrauschten Ergebnisse personenbezogen.

Der Europäische Datenschutzausschuss hat 2026 neue Leitlinien zur Anonymisierung im Entwurf vorgelegt. Sie sollen WP216 ablösen, sind aber noch nicht endgültig.

Häufige Fehler

Fehler 1 · „DP heißt anonym, also gilt die DSGVO nicht“

Siehe oben. DP senkt das Risiko, aber ob Daten wirklich anonym sind, hängt vom ganzen Aufbau ab — und davon, wer die Rohdaten hat.

Fehler 2 · Den Epsilon-Wert allein anschauen

Ein ε ohne Zeitraum sagt wenig. Apple setzt ε je Übermittlung und Tag. Forscher kamen 2017 durch Aufsummieren mehrerer Funktionen auf bis zu ε = 16 pro Tag — Apple widersprach der Rechnung. Frag immer: pro was, und wie oft?

Fehler 3 · Die verrauschte Zahl für einen Fehler halten

Das Rauschen ist gewollt — und trifft kleine Werte am härtesten. Ein Ausschlag von ±100 ist bei 20.000 Euro Umsatz ein halbes Prozent, bei 200 Euro die Hälfte. Googles Ads Data Hub kennzeichnet deshalb Zellen, deren Rauschen 5 % des Werts übersteigt. Werte kleine Gruppen in solchen Berichten nicht als exakte Zahl.

Fehler 4 · Schwellenwerte mit DP verwechseln

Google Analytics 4 blendet Zeilen mit zu wenigen Nutzern aus. Das ist ein Schwellenwert, kein Rauschen. Ohne Rauschen lassen sich solche Berichte durch geschickten Vergleich zweier Abfragen oft trotzdem auf Einzelne herunterrechnen.

Was heißt das für dich?

Als KMU baust du Differential Privacy kaum selbst. Du triffst sie aber an, sobald du mit großen Partnern Daten abgleichst.

  • Clean Room im Einsatz? Frag nach ε und Privacy Budget — und plan deine Fragen, bevor das Budget aufgebraucht ist.
  • Kleine Zielgruppen? Rechne mit großen Abweichungen und fasse Gruppen lieber zusammen.
  • Datenschutz-Dokumentation: DP als Schutzmaßnahme nennen, aber nicht als Freifahrtschein.

Häufige Fragen

Sind Daten mit Differential Privacy anonym im Sinne der DSGVO?

Nicht automatisch. Die Datenschutzbehörden sehen DP als Technik, die Anonymisierung unterstützen, aber auch scheitern kann. Wer die Rohdaten behält, für den bleiben die Ergebnisse personenbezogen. Das ist keine Rechtsberatung — im Zweifel mit Datenschutzbeauftragten klären.

Was bedeutet Epsilon, und welcher Wert ist gut?

Epsilon steuert, wie viel Rauschen dazukommt: kleiner heißt mehr Schutz, größer heißt genauere Zahlen. Einen allgemein empfohlenen Wert gibt es nicht. Google nennt in der BigQuery-Doku ausdrücklich keinen Standard. Wichtig ist immer der Zeitraum, für den ein Wert gilt.

Warum weichen Zahlen in Clean-Room-Berichten leicht ab?

Weil das Verfahren Rauschen beimischt, damit sich keine Einzelperson herausrechnen lässt. Bei großen Gruppen fällt das kaum auf, bei kleinen deutlich. Das ist kein Messfehler, sondern Absicht.

Nutzt Google Analytics 4 Differential Privacy?

Nein, laut Google-Hilfe nicht. GA4 arbeitet mit Datenschwellenwerten und blendet Zeilen mit zu wenigen Nutzern aus. Rauschen wird dabei nicht beigemischt.

Was ist der Unterschied zu Pseudonymisierung und k-Anonymität?

Pseudonymisierung ersetzt Namen durch Kennungen, die Daten bleiben personenbezogen. K-Anonymität sorgt dafür, dass jeder Datensatz mindestens k-1 Doppelgänger hat — eine Eigenschaft des Datensatzes. Differential Privacy ist eine Eigenschaft des Auswertungsverfahrens und hält auch Angreifern mit Zusatzwissen besser stand.

Begriff teilenHat dir die Definition geholfen? Schick sie weiter.