Recommender‑Systeme: Datenminimierung technisch machbar, praktisch schwierig

Ein neues arXiv‑Veröffentlichung untersucht, ob die Prinzipien der Datenminimierung – also die Beschränkung der Verarbeitung personenbezogener Daten auf das Nötigste – in Empfehlungssystemen umsetzbar sind. Diese Systeme nutzen üblicherweise umfangreiche Nutzerdaten, was die Anwendung des Gesetzes zu einer großen Herausforderung macht.

Die Studie führt eine Machbarkeitsanalyse durch, bei der die Menge an impliziten Feedback‑Daten, die zur Vorhersage von Nutzerpräferenzen herangezogen werden, reduziert wird. Die Ergebnisse zeigen, dass ein signifikanter Datenrückgang möglich ist, ohne dass die Empfehlungsqualität stark leidet. Dennoch hängt die praktische Umsetzung stark von zwei Faktoren ab: dem technischen Umfeld (z. B. Leistungsziele, Modellwahl) und den Eigenschaften der Nutzer (z. B. Historie, Präferenzkomplexität).

Somit bestätigt die Arbeit, dass die technische Umsetzung von Datenminimierung in Empfehlungssystemen realisierbar ist. Gleichzeitig bleibt die praktische Umsetzung schwierig, da ein einheitlicher Standard für „notwendige“ Daten kaum realisierbar ist, wenn die Anforderungen je nach System und Nutzer stark variieren.