Kurz-Fakten
- Gesucht wird über Abstandsmaße wie die Kosinusähnlichkeit, nicht über Stichwörter
- Näherungsverfahren liefern sehr gute Treffer, nicht garantiert die besten – das ist der Preis für Geschwindigkeit
- Eine Einbettung ist keine Anonymisierung; Inhalte lassen sich daraus teilweise rekonstruieren
- Stehen personenbezogene Daten in den Ausgangsdokumenten, stehen sie auch im Index
- Beim Löschen eines Dokuments muss der Index mitgelöscht werden, sonst bleibt der Inhalt abfragbar
Bedeutung in der Praxis
Der Punkt, der in Datenschutzunterlagen am häufigsten fehlt: Eine Vektordatenbank ist kein technisches Hilfsmittel neben den Daten, sondern eine zweite Kopie davon. Wer eine Personalakte in eine Wissensabfrage gibt, hat sie danach zweimal – einmal als Datei und einmal als Abschnitte im Index. Beide Kopien gehören ins Verarbeitungsverzeichnis und beide in das Löschkonzept.
Die verbreitete Annahme, Einbettungen seien anonym, weil sie „nur Zahlen“ sind, hält der Prüfung nicht stand. Aus Einbettungen lassen sich Inhalte in erheblichem Umfang zurückgewinnen; als Pseudonymisierung mögen sie durchgehen, als Anonymisierung nicht.