❌ Datenmaskierung im BFSI-Sektor ❌ Sensible Finanzdaten und PII von Anfang an sicher schützen ❗

Der Banking-, Finanzdienstleistungs- und Versicherungssektor – kurz BFSI – gehört zu den datenintensivsten Branchen überhaupt. Kontonummern, Kreditkartendaten, persönliche Identifikationsmerkmale, Transaktionsinformationen, Bonitätsdaten oder Kreditunterlagen müssen verarbeitet und gleichzeitig vor unbefugtem Zugriff geschützt werden.

Neben der DSGVO spielen für Finanzunternehmen zusätzliche regulatorische und organisatorische Anforderungen eine wichtige Rolle. Dazu gehören unter anderem PCI DSS sowie in Europa die Vorgaben zur digitalen operationalen Resilienz durch DORA.

Eine wirkungsvolle Möglichkeit, das Risiko beim Arbeiten mit sensiblen Daten zu reduzieren, ist die Datenmaskierung. Dabei werden vertrauliche Werte verändert, ersetzt, pseudonymisiert, verschlüsselt oder geschwärzt, während Struktur und Nutzbarkeit der Daten weitgehend erhalten bleiben.

Warum ist Datenmaskierung für Banken und Versicherungen wichtig?

Viele Geschäftsprozesse benötigen realistische Daten, jedoch nicht zwangsläufig die tatsächlichen Identitäten der Kunden.

Datenmaskierung ermöglicht es deshalb, sensible PII – Personally Identifiable Information – bereits vor der Nutzung in Entwicklungs-, Test-, Analyse- oder externen Umgebungen zu schützen.

Der Vorteil: Anwendungen und Prozesse können weiterhin mit realistischen Datenstrukturen arbeiten, während das Risiko einer Offenlegung echter Kundendaten deutlich reduziert wird.

Sichere Testdaten für DevOps und QA: Banken und Versicherungen entwickeln kontinuierlich neue Anwendungen, mobile Services, Kundenportale und automatisierte Geschäftsprozesse. Für Softwaretests werden Daten benötigt, die Produktivdaten möglichst realistisch abbilden.

Die direkte Nutzung echter Kundendaten in Entwicklungs- und Testsystemen kann jedoch erhebliche Datenschutz- und Sicherheitsrisiken verursachen.

Durch statische Datenmaskierung lassen sich beispielsweise Kontonummern, Kreditkartendaten, Namen oder Identifikationsnummern durch realistische Ersatzwerte ersetzen.

Verfahren wie:

• Format Preserving Encryption (FPE)
• Pseudonymisierung
• Tokenisierung
• Randomisierung
• Scrambling
• Hashing
• Schwärzung

helfen dabei, sensible Informationen zu schützen und gleichzeitig Datenformat und Struktur für Tests zu erhalten.

Besonders bei relationalen Datenbanken ist es wichtig, dass Beziehungen zwischen Tabellen erhalten bleiben. Konsistente und deterministische Maskierung ermöglicht deshalb auch referenziell korrekte Testdaten über mehrere Tabellen und Datenquellen hinweg.

Datenmaskierung über unterschiedliche Datenquellen hinweg!

Sensible Informationen befinden sich längst nicht mehr ausschließlich in relationalen Datenbanken.

PII kann unter anderem vorkommen in: Datenbanken, Flat Files, CSV- und JSON-Dateien, XML, NoSQL-Systemen, PDFs, Microsoft-Office-Dokumenten, Bildern oder anderen unstrukturierten Datenquellen.

Eine unternehmensweite Datenschutzstrategie sollte solche Informationen deshalb unabhängig vom Speicherort erkennen, klassifizieren und mit einheitlichen Regeln schützen können.

IRI FieldShield konzentriert sich insbesondere auf strukturierte Daten in Datenbanken und Dateien. IRI DarkShield erweitert die Datenmaskierung auf semi-strukturierte und unstrukturierte Daten sowie NoSQL-, Dokument- und Bildformate. Damit können Unternehmen Maskierungsregeln über sehr unterschiedliche Datenlandschaften hinweg konsistent einsetzen. Beide Produkte und noch weitere Funktionen sind in der End-to-End Datenmanagement-Plattform IRI Voracity enthalten!

Sicherer Datenaustausch zwischen Abteilungen: Banken und Versicherungen arbeiten meist mit stark verteilten IT- und Organisationsstrukturen. Daten werden beispielsweise für Risikoanalysen, Betrugserkennung, Kundenanalysen, Reporting oder Entwicklung zwischen verschiedenen Bereichen ausgetauscht.

Nicht jeder Mitarbeiter und nicht jedes System benötigt dabei Zugriff auf vollständige Kundeninformationen. Durch rollenbasierte oder dynamische Datenmaskierung können sensible Daten abhängig von Benutzer, Rolle oder Anwendung unterschiedlich dargestellt werden.

So kann beispielsweise eine Anwendung nur die letzten Stellen einer Kreditkartennummer anzeigen, während autorisierte Systeme weiterhin auf die benötigten Informationen zugreifen können.

Daten sicher an Dienstleister und Partner weitergeben: Finanzunternehmen arbeiten regelmäßig mit externen IT-Dienstleistern, Softwareentwicklern, Callcentern, Analyseunternehmen oder anderen Partnern zusammen. Je mehr Originaldaten die eigene kontrollierte Infrastruktur verlassen, desto größer wird die potenzielle Angriffsfläche.

Eine wirkungsvolle Strategie besteht daher darin, personenbezogene oder vertrauliche Informationen bereits vor der Weitergabe zu maskieren oder zu pseudonymisieren. Externe Partner erhalten dadurch nur diejenigen Informationen, die sie für ihre Aufgabe tatsächlich benötigen.

Dieses Prinzip unterstützt zugleich Konzepte wie Data Minimization, Least Privilege und Privacy by Design.

DSGVO, DORA und Data Governance: Datenmaskierung kann einen wichtigen Beitrag zu einer umfassenden Datenschutz- und Data-Governance-Strategie leisten.

Die DSGVO nennt Pseudonymisierung als mögliche technische und organisatorische Schutzmaßnahme. Pseudonymisierte Informationen bleiben jedoch personenbezogene Daten, wenn eine Zuordnung zu einer Person mit zusätzlichen Informationen weiterhin möglich ist.

Datenmaskierung ersetzt daher keine Datenschutzstrategie, sondern ergänzt Zugriffskontrollen, Verschlüsselung, Berechtigungskonzepte und organisatorische Maßnahmen.

Für Banken, Versicherungen und andere Finanzunternehmen gewinnt zusätzlich DORA – Digital Operational Resilience Act an Bedeutung. Dabei stehen unter anderem IKT-Risikomanagement, operative Widerstandsfähigkeit und Risiken durch externe IT-Dienstleister im Mittelpunkt.

Eine konsequente Datenmaskierung kann helfen, die Auswirkungen eines unberechtigten Datenzugriffs zu reduzieren, weil sensible Originalwerte in vielen nichtproduktiven oder externen Umgebungen gar nicht mehr vorhanden sind.

Sensible Daten für Cloud, Data Lakes und KI schützen: Cloud-Plattformen, Data Lakes, Machine Learning und generative KI eröffnen auch Finanzunternehmen neue Möglichkeiten für Analysen und Automatisierung.

Gleichzeitig stellt sich eine zentrale Frage: Wie können sensible Finanz- und Kundendaten für KI und Analytics genutzt werden, ohne unnötig personenbezogene Originaldaten bereitzustellen? Datenmaskierung, Pseudonymisierung und synthetische Testdaten bieten hierfür wichtige Ansätze.

Sensible Informationen können beispielsweise bereits vor der Migration in eine Cloud- oder KI-Umgebung geschützt werden. Analyse-, Entwicklungs- oder KI-Systeme arbeiten anschließend mit geschützten Daten anstelle realer Kundenidentitäten. Das reduziert die Verbreitung produktiver PII innerhalb komplexer IT-Landschaften.

Datenmaskierung als Bestandteil moderner BFSI-Datensicherheit!

Für Banken, Finanzdienstleister und Versicherungen ist Datenmaskierung heute weit mehr als ein Werkzeug für klassische Testdaten.

Sie unterstützt unter anderem: sichere Softwareentwicklung, DevOps und QA, Cloud-Migrationen, KI- und Machine-Learning-Projekte, Datenanalysen, Zusammenarbeit mit externen Dienstleistern sowie Datenschutz- und Data-Governance-Strategien.

Der entscheidende Ansatz lautet: Sensible Daten sollten nicht nur gegen unbefugten Zugriff geschützt werden. Wo Originalwerte nicht benötigt werden, sollten sie möglichst gar nicht erst offengelegt werden.

Mit IRI Lösungen lassen sich sensible Informationen in unterschiedlichen Datenquellen erkennen, klassifizieren und gezielt maskieren. Damit können Unternehmen im BFSI-Sektor den Nutzen ihrer Daten erhalten und gleichzeitig personenbezogene und vertrauliche Informationen besser schützen.

Datenschutz und Datennutzung müssen kein Widerspruch sein: Moderne Datenmaskierung schafft die Grundlage dafür, Finanzdaten sicher für Entwicklung, Tests, Analytics, Cloud und KI einzusetzen!

Effizienz trifft Erfahrung: Seit mehr als vier Jahrzehnten unterstützen unsere Softwarelösungen Unternehmen bei Datenmanagement und Datenschutz – technologisch führend, zuverlässig im produktiven Einsatz und branchenübergreifend einsetzbar.

Seit 1978 im Einsatz: Zahlreiche namhafte Unternehmen, Dienstleister, Finanzinstitute sowie Landes- und Bundesbehörden zählen zu unseren langjährigen Kunden – nationale Referenzen sind hier gelistet und internationale Referenzen sind hier zusammengefasst.

Maximale Kompatibilität: Unsere Software unterstützt sowohl klassische Mainframe-Plattformen (Fujitsu BS2000/OSD, IBM z/OS, z/VSE, z/Linux) als auch moderne Open-System-Umgebungen wie Linux, UNIX-Derivate und Windows.