Datenschutz, Urheberrecht & Co. rechtliche Herausforderungen im Big Data-Bereich

Transkript

1 Datenschutz, Urheberrecht & Co. rechtliche Herausforderungen im Big Data-Bereich hgnc StartUp-Day 2014 Tim Maiorino Köln, 20. Mai

2 osborneclarke.com Big Data berührt Vielzahl von Rechtsgebieten OC17 Wettbewerbsrecht Urheberrecht Datenschutzrecht Eigentumsrechte Persönlichkeitsrechte Informationelle Selbstbestimmung BIG DATA Recht am eigenen Bild Virtuelles Hausrecht 2

3 Folie 2 OC17 Die Grafik ist noch nicht fertig. Osborne Clarke;

4 I. Big Data eine Gefahr für den Datenschutz? 3

5 Ziel des Datenschutzrechts Schutz der informationellen Selbstbestimmung = Recht des Einzelnen, grundsätzlich selbst über die Preisgabe und Verwendung seiner personenbezogenen Daten zu bestimmen durch Grundgesetz geschützt (Art. 2 Abs. 1, 1 Abs. 1 GG) 4

6 Personenbezogene Daten was ist das? Schutzgegenstand des Datenschutzrecht sind personenbezogene Daten Personenbezogene Daten sind Einzelangaben über persönliche oder sachliche Verhältnisse einer bestimmten oder bestimmbaren natürlichen Person (Betroffener). ( 3 Abs. 1 Bundesdatenschutzgesetz BDSG) Wann ist eine Person bestimmbar? direkte oder indirekte Identifikation möglich auch öffentlich zugängliche Daten können personenbezogen sein Name muss nicht bekannt sein; Identifikation kann auch anhand von anderen Merkmalen erfolgen oft genügen nur wenige Merkmale OC15 Bsp.: Osborne Clarke, IT-Recht, Köln, Jahrgang

7 Folie 5 OC15 Das wären die erforderlichen Merkmale, um dich zu identifizieren. Osborne Clarke;

8 Big Data vs. Datenschutzrecht Datenspeicherung für beliebige, undefinierte Zwecke Grundsatz der Zweckbindung OC1 Je mehr Daten, desto besser Prinzip der Datensparsamkeit OC3 OC2 OC4 Analyse-Algorithmus greift unkontrolliert auf riesigen Datenbestand zu Transparenz, Datensparsamkeit, Zweckbindung 6

9 Folie 6 OC1 OC2 OC3 Erhebung von Daten und ihre nachfolgende Verwendung sollen nur für einen bestimmten Zweck erfolgen. Die Datenerhebung für künftige (noch) unbestimmte Zwecke ist unzulässig. Osborne Clarke; Technische Systeme zur Datenverarbeitung müssen so gestaltet werden, dass sie mit möglichst wenigen personenbezogenen Daten arbeiten. Osborne Clarke; Das Prinzip der Transparenz gewährleistet, dass die Betroffenen wissen können, wer was wann und bei welcher Gelegenheit über sie weiß. Dieser Grundsatz findet sich im BDSG wieder: Betroffener ist über den Zweck der Datenerhebung zu Informieren, hat Auskunftsansprüche etc.. Osborne Clarke; OC4 Folge: Datenanalyst weißt oft selbst nicht, auf welche Daten der Algorithmus zugreift. Osborne Clarke;

10 Wann sind Big-Data-Anwendungen zulässig? Wenn personenbezogene Daten betroffen sind nur zulässig bei: gesetzlichem Erlaubnistatbestand Einwilligung des Betroffenen (sog. Verbot mit Erlaubnisvorbehalt) 7

11 Datenschutzrechtliche Prüfung der Zulässigkeit auf jeder Ebene erforderlich 2. Datenverarbeitung 3. Datennutzung = Beschaffung von Daten = Speichern, Verändern, Übermitteln, Sperren und Löschen = jede Verwendung personenbezogener Daten Beispiel: Abfrage von Daten bei Anmeldeprozess im Internet Beispiel: Bekanntgabe der Daten ggü. Dritten Beispiel: Auswertung oder Zusammenstellung von Daten 8

12 Gesetzliche Erlaubnistatbestände Erhebung und Speicherung von personenbezogenen Big Data Gerechtfertigt durch 28 BDSG? (Datenerhebung und -speicherung für eigene Geschäftszwecke) Voraussetzung: schutzwürdige Interessen des Betroffenen dürfen nicht überwiegen bei Speicherung für vielfältige unbestimmte Zwecke: Interessen des Betroffenen überwiegen Folge: Speicherung unzulässig weiteres Problem: besonders sensible Daten können betroffen sein; Speicherung dann in der Regel nur mit Einwilligung zulässig 9

13 Einwilligung des Betroffenen Wie? vor der Datenerhebung, -verarbeitung oder -nutzung informiert, d.h. Betroffener muss Kenntnis haben über: verarbeitende Stelle, Art der Verarbeitung, Zweck, Datenumfang ausdrücklich, d.h. durch Opt-In freiwillig, d.h. die Einwilligung beruht auf der freien Entscheidung des Betroffenen Problem bei Big-Data-Anwendungen: Zweck und datenverarbeitende Stelle in der Regel nicht bestimmbar OC6 10

14 Folie 10 OC6 Eine Rechtfertigung durch Einwilligung dürfte daher in der Regel ausscheiden. Osborne Clarke;

15 Auswertungsmöglichkeiten von Big Data Scoring OC8 Auswertung von Big Data Tracking OC7 Personal -izing OC9 Voraussetzung für alle Auswertungen: rechtmäßig gespeicherte Daten werden verwendet 11 OC10

16 Folie 11 OC7 OC8 OC9 OC10 Verhalten einer Person wird auf der Zeitachse hinsichtlich einer bestimmten Eigenschaft verfolgt, insbesondere dem Aufenthaltsort. Osborne Clarke; Zahlenmäßige Bewertung einer Eigenschaft einer Person auf Grundlage möglichst vieler relevanter Merkmale; Bsp.: Bewertung der Zahlungsfähigkeit. Osborne Clarke; Aufgrund von persönlichen Merkmalen erfolgt keine zahlenmäßige Bewertung, sondern eine Antwort auf relevante Fragestellungen in Bezug auf einzelne Personen (Bsp. hat eine Person mit bestimmten Eigenschaften Interesse an dem Konsum eines bestimmten Produkts) Osborne Clarke; Dies dürfte in der Regel nicht der Fall sein. Osborne Clarke;

17 Anonymisierung als Lösung? Anonymisierung = Zuordnung der Daten zu einer Person ist praktisch nicht mehr möglich oder nur mit unverhältnismäßigem Aufwand Prognose erforderlich: Daten dürfen während der gesamten Speicherdauer nicht einer Person zugeordnet werden können 12

18 Anonymisierung nicht ausreichend: Löschen oder Verändern von Identifikationsmerkmalen wie Name IP-Adresse Identifikationsnummer OC11 mögliche Anonymisierungsprozesse: Löschen oder Verändern einer ausreichenden Zahl von markanten Merkmalen Auflösen von Aggregationen OC12 13

19 Folie 13 OC11 OC12 Grund: Identifizierung auch ohne diese Merkmale möglich, wenn genügend andere Merkmale erhalten bleiben. Je umfangreicher die vorhandenen Daten, desto größer ist die Wahrscheinlichkeit, dass eine Reidentifizierung möglich ist. Osborne Clarke; Z.B. indem Einzeldatensätze zu Gruppendatensätzen werden; spezifische Merkmale durch allgemeinere ersetzt werden. An solchen Methoden wird derzeit geforscht. Osborne Clarke;

20 Big Data eine Gefahr für den Datenschutz? Fazit Big-Data-Anwendungen haben großes wirtschaftliches Potential, sind aber aus datenschutzrechtlicher Sicht sehr problematisch mögliche Folge von Datenschutzverstößen: Aufsichtsbehörden können Bußgelder bis zu verhängen derzeit sicherste Möglichkeit: Anonymisierung der Daten bei Anwendungen, die nur mit personenbezogenen Daten funktionieren oder sogar genau auf diese abzielen: detaillierte Prüfung der Vereinbarkeit mit Datenschutzrecht erforderlich 14

21 II. Big Data und Urheberrecht 15

22 Urheberrecht was ist geschützt? Urheberrecht schützt "Werke der Literatur, Wissenschaft und Kunst" aber: auch neue Werkarten erfasst Was ist ein Werk? Werk = persönliche geistige Schöpfung des Urhebers erforderlich: Schöpfungshöhe in der Regel: Überragen der Durchschnittsgestaltung erforderlich 16

23 Urheberrecht was ist geschützt? Beispiele Texte Fotos Grafiken Videos Bei Schöpfungshöhe Immer geschützt Bei Schöpfungshöhe Immer geschützt Beispiele: Beispiele: Beispiele: Beispiele: Zeitungsartikel Produktfotos Icons Videos von Kunden Pressemeldungen Fotos von Mitarbeitern Illustrationen Produktpräsentation Umfangreiche Produktbeschreibungen Symbolfotos Zeichnungen Medienberichte Beachte auch: Recht am eigenen Bild Beachte auch: Recht am eigenen Bild 17

24 Urheberrecht was ist geschützt? Schutz gilt ab "Schöpfung" des Werkes keine Registrierung/Anmeldung erforderlich nicht erforderlich; weist nur auf Person des Urhebers hin nur natürliche Personen können Urheber sein bei mehreren Urhebern liegt Miturheberschaft bei Fotos/Bildern: Urheberrecht zu trennen vom Recht am eigenen Bild 18

25 Urheberrechtsschutz von Daten? es gibt kein "Eigentum an Daten" Daten an sich sind auch nicht urheberrechtlich geschützt Urheberrechtsschutz kann aber durch die konkrete Darstellung (Aufbereitung, Zusammenstellung etc.) der Daten entstehen diese Datensammlungen können als Datenbankwerk oder als Datenbank geschützt sein Datenbankwerk erfordert Schöpfungshöhe bei Datenbank genügt wesentliche Investition des Datenbankherstellers OC14 19

26 Folie 19 OC14 Der Begriff der wesentlichen Investition ist weit zu verstehen und bezieht sich auf die Beschaffung, Überprüfung oder Darstellung der Daten. Die wesentliche Investition kann im Einsatz erheblicher menschlicher, technischer und finanzieller Mittel bestehen. Starre Grenzen bestehen nicht. Osborne Clarke;

27 Urheberrecht und Big Data Problem: Big Data-Anwendungen können Urheberrechte verletzen Warum? auch frei zugängliche Werke sind geschützt Big Data-Anwendungen nutzen diese Werke (z.b. durch Vervielfältigung) Anwendung kann in Rechte des Herstellers der Datenbank / des Datenbankwerks eingreifen Einzelfallprüfung erforderlich 20

28 III. Big Data und Wettbewerbsrecht 21

29 Big Data und Wettbewerbsrecht Big Data-Anwendungen können gegen Wettbewerbsrecht verstoßen, z.b. durch: unlautere Leistungsübernahme (sog. ergänzender wettbewerbsrechtlicher Leistungsschutz) kann auch dann eingreifen wenn kein Urheberrechtsschutz besteht erforderlich: wettbewerbsrechtliche Eigenart der Daten gezielte Behinderung von Mitbewerbern Umgehung technischer Schutzmaßnahmen Störung von Betriebsabläufen (Bsp. Website wird durch Zugriff einer Big- Data-Anwendung in ihrer Nutzbarkeit beeinträchtigt) 22

30 Big Data Praxisbeispiel 23

31 Praxisbeispiel: Online-Flugvermittlung Fall: Klägerin ist Anbieterin von Billigflügen mit Sitz in Irland Vertrieb der Flüge erfolgt ausschließlich über die Website der Klägerin und über ihr Callcenter (Direktvertrieb) Klägerin bietet auf ihrer Website Zusatzleistungen Dritter an (Hotelübernachtungen, Mietwagen etc.) AGB der Klägerin: Einsatz eines automatisierten Systems oder einer Software zum Herausziehen von Daten von ihrer Internetseite ist untersagt 24

32 Praxisbeispiel: Online-Flugvermittlung Beklagte ist Anbieterin einer Online-Flugvermittlung Software des Online-Flugvermittlers durchsucht automatisch die Buchungsseiten der Fluggesellschaften Flugdaten werden automatisch extrahiert und auf der eigenen Buchungsseite der Flugvermittler angezeigt (sog. "Screen-Scraping") = Big-Data-Anwendung Kunde kann Flug direkt auf der Buchungsseite des Flugvermittlers buchen Flugvermittler erhebt eigene Vermittlungsgebühr OC16 Fluggesellschaft klagt auf Unterlassung der Vermittlung ihrer Flüge 25

33 Folie 25 OC16 Das System des Screen Scraping (oder auch Web Scraping) dürfte vielen Big Data Anwendungen zugrunde liegen. Vgl. dazu Osborne Clarke;

34 Praxisbeispiel: Online-Flugvermittlung Entscheidung des BGH (Urt. v. 30. April 2014 I ZR 224/12) Screen-Scraping in dieser Form ist zulässig Begründung: keine wettbewerbswidrige Behinderung Verstoß gegen die AGB der Klägerin (die den Einsatz eines automatisierten Systems oder einer Software zum Herausziehen von Daten verbieten) begründet keinen Wettbewerbsverstoß technische Schutzmaßnahmen werden nicht umgangen Geschäftsmodell der Preissuchmaschinen fördert die Preistransparenz und erleichtert dem Kunden das Auffinden der günstigsten Flugverbindung OC18 26

35 Folie 26 OC18 Datum und Az. habe ich hier ausnahmsweise genannt, damit die Zuhörer sehen, dass es sich um eine sehr aktuelle Entscheidung handelt. Osborne Clarke;

36 Ansprechpartner Marketing > Fotos > PP_Pitch > Kontakt 1 Tim Maiorino Rechtsanwalt T +49 (0) F +49 (0) tim.maiorino@osborneclarke.com