Entscheidungsbäume im Fokus: Regulierte Daten bestimmen Modellwahl

Entscheidungsbäume sind ein beliebtes Werkzeug für strukturierte Tabellendaten, weil sie leicht verständlich bleiben. In vielen Branchen werden sie deshalb eingesetzt, um komplexe Entscheidungen transparent zu machen. Doch die meisten Studien listen die verwendeten Merkmale – etwa Alter, Diagnosecodes oder Standortdaten – offen auf. Gleichzeitig verschärfen Datenschutzgesetze die Regeln für genau diese Daten.

Forscher haben deshalb alle veröffentlichten Entscheidungsbaum‑Papiere gesammelt und jedes genannte Merkmal einer regulierten Datenkategorie zugeordnet. Dazu gehören Gesundheitsdaten, biometrische Kennungen, Kinder‑ und Finanzinformationen, Standortspuren sowie staatliche Identifikationsnummern. Anschließend wurden die Kategorien mit konkreten Passagen der europäischen und amerikanischen Datenschutzgesetze verknüpft.

Die Analyse zeigt, dass ein großer Anteil der in den Studien verwendeten Merkmale tatsächlich unter die regulierten Kategorien fällt. Besonders stark ist die Präsenz in der Gesundheitsbranche, während andere Sektoren unterschiedliche Muster aufweisen. Darüber hinaus lassen sich zeitliche Trends erkennen, die auf die jeweiligen Gesetzesrahmen der EU und der USA zurückzuführen sind.

Diese Erkenntnisse unterstreichen die Notwendigkeit von datenschutzfreundlichen Methoden und Governance‑Kontrollen in der Praxis. Sie geben nicht nur Entscheidungsträgern in der Medizin, sondern auch in allen Bereichen, die Entscheidungsbäume nutzen, wertvolle Hinweise, wie sie ihre Modelle rechtssicher gestalten können.