Freemove

FreeMove ist ein vom Bundesministerium für Bildung und Forschung (BMBF) gefördertes, transdisziplinäres Projekt zur Erforschung von Mobilitätsdaten. Die Forschungsgruppe vereint die Kompetenzen von universitären und praktischen Partner:innen aus den Bereichen Machine Learning, Digitale Selbstbestimmung, Human-Centered Computing und Informationssicherheit. Das Projektteam wird auf wissenschaftlicher Seite von Fachgebieten der Hochschule für Technik & Wirtschaft Berlin, der Freien Universität Berlin, der Technischen Universität Berlin und der Universität der Künste Berlin gestellt. Die praxisorientierten Partner:innen des Deutschen Zentrum für Luft- und Raumfahrt (DLR) und der Technologiestiftung Berlin erweitern diese wissenschaftliche Perspektive mit einem Fokus auf Fragen der Umsetzung und Stakeholder-Einbindung. 

Das Potential der Analyse von Bewegungsdaten ist enorm für die Bewältigung kritischer Probleme wie beispielsweise Epidemien und Katastrophen, aber auch für eine nachhaltige, menschzentrierte und umweltbewusste Stadt- und Verkehrsentwicklung. Dem stehen Herausforderungen, die mit der Verfügbarmachung solcher Bewegungsdaten verbunden sind, gegenüber: Der rechtlich wie ethisch erforderliche hohe Schutz der Privatsphäre von Personen verlangt anspruchsvolle mathematische und technische Anonymisierungsverfahren.

Im Rahmen des Projektes entwickeln wir ein wissenschaftlich fundiertes Framework, das die Anforderungen an eine faire, nützliche, sichere und verständliche Bereitstellung von Bewegungsdaten für öffentliche und private Anwender:innen konkretisiert. Anhand von drei konkreten repräsentativen Anwendungsfällen aus dem Bereich der urbanen Mobilität werden wir Methoden entwickeln, zusammenführen und prototypisch umsetzen. Darauf aufbauend wird das Projekt Handlungsempfehlungen für die verschiedenen Akteure entwickeln.

Unser Fachgebiet  wird im Rahmen des freemove-Projektes Anonymisierungsmethoden hinsichtlich der garantierten Privatsphäre analysieren, bewerten und evaluieren. Insbesondere sind wir in diesem Zuge an der Generierung von synthetischen Daten sowie den damit verbundenen Privatsphäregarantien interessiert.