Personenzählung ohne Kameras

Ja. Die Wi-Fi-Access-Points, die ein Gebäude bereits betreibt, ermöglichen eine Personenzählung ohne Kamera. Sie empfangen die Signale, die Telefone aussenden, machen daraus Zählungen und Besucherströme und behalten nur aggregierte Statistiken. Es wird kein Bild aufgenommen und niemand identifiziert. Eingänge, die eine exakte Zählung brauchen, können LiDAR nutzen, das ebenfalls ohne Kamera auskommt.

Kurz gesagt

• Vorhandene Wi-Fi-Access-Points können Besucher im ganzen Gebäude ohne Kamera zählen, und die Abdeckung reicht so weit wie das Netzwerk.
• Aus den Signalen der Telefone werden Zählungen, Verweildauern und Laufwege zwischen Zonen; übrig bleiben nur aggregierte Statistiken.
• LiDAR liefert an einem Eingang eine exakte Zählung, ohne Kamera und ohne Bild.
• Die Zählungen werden mit manuellen Zählungen kalibriert und sind deshalb auf Aggregatebene belastbar.
• Ob eine DSFA nötig ist, entscheidet Ihr eigener Datenschutzbeauftragter oder Ihre Compliance-Abteilung.

Können wir Besucher auf der ganzen Fläche und an den Türen ohne Kameras zählen?

Ja, und zwei Methoden teilen sich die Aufgabe. Die Wi-Fi-Zählung deckt die Fläche über die Access Points ab, die bereits im Gebäude hängen, und liefert Zählungen, Verweildauern und Laufwege zwischen Zonen. LiDAR übernimmt einen Eingang, an dem eine exakte Zählung wichtig ist. Es misst mit Laserimpulsen, deshalb entsteht kein Bild.

Optische Zähler an jedem Eingang, jeder Zonengrenze, Rolltreppe und Aufzugslobby erfordern Projektplanung, Verkabelung und laufende Wartung der Hardware. Die Wi-Fi-Zählung arbeitet mit den Access Points, die das Facility Management oder die IT ohnehin für die Konnektivität verwaltet. Die Abdeckung reicht deshalb so weit wie das Netzwerk, und in den meisten Gebäuden kommt keine neue Hardware an die Decke.

Ein Einkaufszentrum mit Dutzenden Access Points auf fünf Etagen erhält Analysen pro Zone auf allen fünf Etagen und damit weit mehr, als eine Zählung an der Eingangstür zeigen würde. Für Museen und Kultureinrichtungen oder öffentliche Verkehrsknotenpunkte ist dieser Detailgrad meist ohne Verkabelungsprojekt erreichbar, und die Datenlieferungen sind reichhaltiger, weil die Zählung das ganze Gebäude abdeckt. Niemand muss eine zusätzliche Kamera vor einer Planungsbehörde rechtfertigen oder auf eine Warteschlange richten.

Was empfangen Wi-Fi-Access-Points von einem Telefon?

Ein Telefon mit eingeschaltetem Wi-Fi sendet Probe-Anfragen, kurze Signale, die abfragen, ob ein bekanntes Netzwerk in der Nähe ist. Access Points in Reichweite empfangen sie. Früher trug jede Probe eine eindeutige Hardware-Kennung, die MAC-Adresse, mit der man einem bestimmten Gerät im Prinzip über Zeit und Raum folgen konnte.

Apple führte MAC-Adress-Randomisierung 2014 mit iOS 8 ein, Android folgte ab Version 8.

Geräte senden Probe-Anfragen heute mit randomisierten MAC-Adressen, die sich mit der Zeit ändern und je Netzwerk unterscheiden, statt mit einer festen Hardware-ID. Eine feste Adresse begleitet ein Gerät deshalb nicht mehr über längere Zeit. Der Datenschutz eines Zählsystems hängt trotzdem davon ab, was das System danach mit den Signalen macht.

Was bleibt übrig, wenn die Signale verarbeitet sind?

Die Wi-Fi-basierte Personenzählung anonymisiert die Signale direkt am Erfassungspunkt. Aus den Probe-Anfragen werden Zählungen und Statistiken zu Besucherströmen berechnet, die zugrunde liegenden Signaldaten werden nicht gespeichert. Übrig bleiben Aggregate: wie viele Geräte in einer bestimmten Stunde in einer Zone erkannt wurden, wie lange die durchschnittliche Verweildauer war und welche Route durch einen Raum am häufigsten genutzt wurde. Keine Zeile in irgendeiner Datenbank entspricht einer Person.

Ein System für DSGVO-konforme Besucheranalyse auf Basis der Wi-Fi-Zählung braucht für den Betrieb keine Einwilligung der Besucher. Die Frage der Einwilligung stellt sich dort, wo personenbezogene Daten verarbeitet werden, und diese Methode verarbeitet keine. Deshalb ist dies auch die einzige Methode zur Besuchermessung in Europa, die von einer Datenschutzbehörde genehmigt wurde.

Woher wissen wir, dass die Zahlen stimmen?

Das System sieht nie Einzelpersonen, deshalb prüft es seine Zählungen über die Kalibrierung. Aus Wi-Fi-Signalen abgeleitete Zählungen werden mit manuellen Zählungen abgeglichen: Eine bekannte Anzahl von Menschen geht durch eine Zone, und die Schätzung des Systems wird daran angepasst. Die Kalibrierung gleicht auch den Anteil der Besucher mit einem Wi-Fi-fähigen Gerät aus, der je nach Standort und Uhrzeit schwankt. Einen Vergleich weiterer Methoden finden Sie unter Wie zählt man Besucher.

Die Genauigkeit ist auf Aggregatebene hoch, und genau diese Ebene brauchen operative und strategische Entscheidungen. Ein Händler muss wissen, ob an einem Samstag 2.000 oder 4.000 Menschen hereinkamen, und dafür muss niemand einzeln erfasst werden. Die Kalibrierung macht die Zählung außerdem über Standorte und Saisons hinweg vergleichbar, und diese Vergleichbarkeit ist das, was ein Frequenz-Benchmark wert ist. Die Besucherzahl ist zudem der Nenner, den die Kasse nicht liefern kann: Dem Umsatz gegenübergestellt, ergibt sie die Conversion-Rate, die erklärt, warum Frequenz und Umsatz verschiedene Geschichten erzählen.

MAC-Randomisierung, heute Standard auf modernen Geräten, wird auf algorithmischer Ebene berücksichtigt, ohne auf dauerhafte Kennungen zurückzugreifen, sodass die statistischen Ergebnisse verlässlich bleiben.

Was umfasst eine Datenschutzprüfung der Wi-Fi-Zählung?

Für Organisationen, die der DSGVO unterliegen, ist eine Datenschutz-Folgenabschätzung für Personenzählung der formale Schritt, um eine Technologie vor ihrem Einsatz zu bewerten. Ob sie nötig ist und was sie abdecken muss, entscheidet Ihr eigener Datenschutzbeauftragter oder Ihre Compliance-Abteilung. Die Methode erzeugt keine Daten besonderer Kategorien, braucht keinen Einwilligungsmechanismus und hinterlässt keine Betroffenenrechte, die verwaltet werden müssten. Die Fragen, die ein Datenschutzbeauftragter typischerweise stellt, sind auf jener Seite zusammengestellt.

Was sagen Belegschaft und Betriebsrat?

Die Messung ist anonym. Die Wi-Fi-Zählung erzeugt keine personenbezogenen Daten, sodass niemand, weder Beschäftigte noch Besucher, in den Ergebnissen herausgegriffen werden kann, und keine einzelne Person wird über die Zeit verfolgt. Belegschaft und Betriebsrat sehen aggregierte Statistik über den Raum: wie viele Menschen da waren, wo und wann, nie wer.

Was ändert sich für Besucher, wenn keine Kamera da ist?

Kamerabasierte Systeme können Dinge, die die Wi-Fi-Zählung nicht kann: Sie können Erwachsene von Kindern unterscheiden, Menschen auf Bildern sehr präzise zählen und in manchen Konfigurationen wiederkehrende Besucher erkennen. Aus genau diesen Fähigkeiten kommt auch das Unbehagen der Öffentlichkeit. Gesichtserkennung in Verbindung mit Handelsanalysen hat in ganz Europa die Aufmerksamkeit der Regulierer auf sich gezogen, und selbst wo Kameras keine Erkennung durchführen, bemerken Besucher sie in öffentlichen Räumen zunehmend und stellen Fragen. Eine sichtbare Kamera kann nach Überwachung aussehen, auch wenn sie nur zählt, und diese Reibung kostet etwas: beim Besuchererlebnis, bei der Arbeitszeit der Mitarbeitenden und gelegentlich in Form von Presseberichten.

Die Wi-Fi-Zählung richtet keine Kamera auf Besucher und nimmt kein Bild von ihnen auf. Am wichtigsten ist das dort, wo Vertrauen zum Besuch gehört: in Kultureinrichtungen, im öffentlichen Nahverkehr und in Gesundheitseinrichtungen. Auch im Einzelhandel wiegt es zunehmend schwerer, weil Entscheidungen zwischen Personenzähler und Besucheranalyse genauer geprüft werden.

Wo ein Eingang eine exakte Zählung braucht und ein Objektiv unerwünscht ist, liefert die LiDAR-Personenzählung eine präzise Zählung ganz ohne Kamera. LiDAR misst Bewegung mit augensicheren Laserimpulsen und zeigt Menschen als Punktcluster im 3D-Raum. Es entsteht nie ein Bild, also gibt es nichts zu speichern, zu verpixeln oder zu maskieren.

Quellen

• Apple (2014). iOS Security (white paper, October 2014). https://www.apple.com/mx/privacy/docs/iOS_Security_Guide_Oct_2014.pdf
• Android Open Source Project. Implement MAC randomization. https://source.android.com/docs/core/connect/wifi-mac-randomization
• Martin, J., Mayberry, T., Donahue, C., Foppe, L., Brown, L., Riggins, C., Rye, E. C., & Brown, D. (2017). A study of MAC address randomization in mobile devices and when it fails. Proceedings on Privacy Enhancing Technologies, 2017(4), 365–383. https://doi.org/10.1515/popets-2017-0054
• European Data Protection Board (2020). Guidelines 3/2019 on processing of personal data through video devices, version 2.0. https://www.edpb.europa.eu/documents/guideline/guidelines-32019-on-processing-of-personal-data-through-video-devices_en
• European Parliament and Council of the European Union (2016). Regulation (EU) 2016/679 (General Data Protection Regulation), Recital 26 and Article 35. https://eur-lex.europa.eu/eli/reg/2016/679/oj