DSGVO-Konformes Synthetic-Data-Lab für Hamburger Healthtech
Übersicht
Worum es bei diesem Projekt geht.
Generiere synthetische Patientendaten via CTGAN, DP-CTGAN und PrivBayes, vergleiche Risiko und Nutzen – inklusive verifizierbarem Zertifikat.
Das Szenario
Das Startup (rund 35 Mitarbeitende, Seed-finanziert, drei deutsche Krankenhaus-Pilotkund:innen) hatte einen Datenschutz-Vorfall im Vorquartal, bei dem Echtdaten versehentlich in einer Dev-Umgebung landeten — Synthetic Data ist die strategische Antwort.
Das Briefing
Was Du tust und was Du zeigst.
Welche Synthetic-Data-Methode liefert für medizinische Tabellen-Daten die beste Balance aus statistischer Treue, ML-Utility und Re-Identification-Schutz?
Earning criteria — what you'll demonstrate
- Drei Synthetic-Data-Methoden praktisch implementieren und vergleichen
- Utility-vs-Privacy-Trade-off als methodisches Kernproblem verstehen
- Re-Identification-Risiko mit standardisierten Audit-Methoden quantifizieren
- Einen Audit-Workflow so designen, dass ein nicht-ML-Team ihn ausführen kann
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Synthetic Data
Apply synthetic data to solve real industry problems and demonstrate production-level capability.
- Ctgan
Apply ctgan to solve real industry problems and demonstrate production-level capability.
- Differential Privacy
Apply differential privacy to solve real industry problems and demonstrate production-level capability.
- Data Utility
Apply data utility to solve real industry problems and demonstrate production-level capability.
- Re Identification Risk
Apply re identification risk to solve real industry problems and demonstrate production-level capability.
- Dsgvo Compliance
Apply dsgvo compliance to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Angewandte:r KI-Wissenschaftler:in
Synthetic Data + Audit-Workflow ist ein direkt produktrelevantes Profil in europäischen Healthtech-, Fintech- und Versicherungs-Startups.
Dieses Projekt schärft
- synthetic-data
- ctgan
- data-utility
KI-Sicherheits-Forscher:in
Re-Identification-Risiko-Audits sind ein Kerntätigkeitsfeld von Privacy-Engineers; diese Erfahrung qualifiziert für Security-Track-Rollen in regulierten Industrien.
Dieses Projekt schärft
- re-identification-risk
- differential-privacy
- dsgvo-compliance
Data Engineer:in
Wer Synthetic-Data-Pipelines mit Audit-Workflow baut, übt die Daten-Operations-Disziplin, die Data-Engineering-Teams in regulierten Industrien dringend brauchen.
Dieses Projekt schärft
- synthetic-data
- data-utility
- dsgvo-compliance
Noch eine Sache