Folge 15: Privacy Sells – Das TTDSG als Motor für datenschutzfreundliche Geschäftsmodelle in der EU
Rolf Schwartmann im Gespräch mit Dr. Stefan Brink, LfDI BW, und Christian Völkel, DSB Porsche AG.
Vernetzt und künftig autonom fahrende Autos sind ein entscheidender Faktor der Digitalisierung. Sie bringen Menschen von A nach B. Zugleich sind Autos vernetzte Endgeräte, die eine Vielzahl von Daten über das Fahrzeug, dessen Fahrer und Beifahrer und die Umgebung verarbeiten. Die Datenschutzabteilung der Porsche AG hat sich beim LfDI BW zu Fragen der Anwendung des TTDSG beim vernetzten Fahren beraten lassen. Das Ergebnis ist für die Onlinewirtschaft insgesamt interessant.
Verwandte Produkte
Das könnte Sie auch interessieren
-
In 3 Schritten zum DS-GVO- und DIN 66398-konformen Löschkonzept
Der Referent wird im Vortrag das Modul Löschmanager der Software DataAgenda Datenschutz Manager vorstellen. Er zeigt, wie das Modul DS-GVO-konforme Löschkonzepte mit anpassbaren Datenkategorien erstellt und verwaltet. In der Dokumentation werden alle im VVT festgelegten Datenkategorien aufgelistet, einschließlich der entsprechenden Löschfristen im Sinne von HGB und AO. Der automatisch generierte Lösch-Konzept-Vorschlag in Anlehnung an die
Mehr erfahren -
Geschlechtliche Vielfalt als Datenschutzthema
Im Rahmen der Pride Week 2025 weist der Hamburgische Beauftragte für Datenschutz und Informationsfreiheit auf datenschutzrechtliche Aspekte im Umgang mit geschlechtlicher Vielfalt hin. Das Selbstbestimmungsgesetz, das am 1. November 2024 in Kraft trat, ermöglicht es Personen, ihren Geschlechtseintrag im Personenstandsregister selbst zu bestimmen oder keinen Eintrag vorzunehmen. Diese rechtliche Neuerung hat Auswirkungen auf die Verarbeitung
Mehr erfahren -
Whitepaper zu Bias in KI-Systemen
Unter „Bias“ versteht man im Kontext künstlicher Intelligenz jede Form systematischer Verzerrung, die zu ungleichen oder unfairen Behandlungsergebnissen führt. Solche Verzerrungen können entstehen, wenn Trainingsdaten bestimmte Gruppen unterrepräsentieren, historische Vorurteile enthalten oder Modelle aufgrund ihrer Architektur und Parametrierung bestimmte Muster bevorzugen. Die Folgen sind weitreichend: Neben der Beeinträchtigung von Fairness und Transparenz können Bias auch
Mehr erfahren
