Darf ich mit SOEP-Daten Large Language Models und andere KI-Tools (wie z. B. ChatGPT, Google Gemini usw.) verwenden?
Grundsätzlich gilt: Derzeit dürfen Large Language Models (LLMs) und andere KI-Tools nicht verwendet werden, um SOEP-Daten zu verwalten, zu verarbeiten oder zu analysieren.
Gemäß den SOEP-Datennutzungsvereinbarungen ist es Forschenden untersagt, die von uns bereitgestellten Daten oder sonstigen Materialien (mit Ausnahme der unten beschriebenen Codebücher und Metadaten) an andere SOEP-Nutzende, Organisationen oder Privatpersonen weiterzugeben. Daher stellt die Nutzung von LLMs nach den derzeitigen SOEP-Datennutzungsbedingungen einen Verstoß gegen die Nutzungsvereinbarung dar.
Für die Zwecke dieser Richtlinie werden LLMs in drei Kategorien eingeteilt:
Typ 1: LLMs, die von Nutzenden bereitgestellte Daten zu beliebigen Zwecken speichern oder anderweitig verwenden, einschließlich des Trainings des Modells (z. B. GPT, Llama).
Typ 2: LLMs, die von einer Institution lizenziert sind und deren Nutzungsbedingungen die Speicherung oder Weiterverwendung nutzerseitig bereitgestellter Daten ausschließen.
Typ 3: LLMs des Typs 2, die innerhalb eines gesicherten Netzwerks ohne Internetzugang betrieben werden.
|
LLM-Typ |
Nutzung von SOEP-Daten |
Begründung |
|
Typ 1 |
Nicht zulässig |
Typ-1-LLMs nehmen die Daten auf und verarbeiten sie. Dies gilt als Weitergabe der Daten an das Unternehmen, das das LLM betreibt, und ist daher nicht erlaubt. |
|
Typ 2 |
Nicht zulässig |
Typ-2-LLMs speichern oder verarbeiten die Daten nicht dauerhaft, also ohne Datenweitergabe. Sie sind jedoch nicht von größeren Netzwerken oder dem Internet isoliert und entsprechen damit nicht den Sicherheitsanforderungen für Scientific-Use-Daten (Restricted-Use). Eine Nutzung mit SOEP-Mikrodaten ist insofern nicht zulässig. |
|
Typ 3 |
Nicht zulässig |
Typ-3-LLMs speichern und verarbeiten die Daten nicht dauerhaft und werden auf Einzelrechnern oder in sicheren Netzwerken betrieben. Der aktuelle Forschungsstand zeigt jedoch, dass eine vollständige Isolation bislang noch nicht zuverlässig gewährleistet werden kann, da ungewollte Zugriffe außerhalb solcher kontrollierten Umgebungen („Sandbox Escapes“) weiterhin möglich sind. Aufgrund dieser ungeklärten Sicherheitsrisiken werden derzeit keine Anträge auf die Nutzung von Typ-3-LLMs mit SOEP-Mikrodaten akzeptiert. |
Wir danken ICPSR sowie Sebastian Karcher (Syracuse University) für die ursprüngliche Entwicklung dieser Einteilung von LLMs.
Die Nutzung von LLMs mit öffentlich zugänglichen Dokumentationen, Codebüchern, studienbezogenen Metadaten sowie aggregierten Gruppen- oder Populationsschätzungen ist zulässig.
Personen- oder haushaltsbezogene Mikrodaten dürfen jedoch weder an LLMs übermittelt noch von diesen verarbeitet werden.
Diese Einschränkung gilt nicht für andere Verfahren des maschinellen Lernens, einschließlich generativer Methoden, sofern deren Nutzung mit den geltenden Datenschutz- und Datennutzungsbestimmungen vereinbar ist.
F: Darf ein LLM zur Erstellung von Analysecode (z. B. Stata-, Python- oder R-Skripte) auf Basis von SOEP-Daten verwendet werden?
A: Ja. Die Nutzung eines LLM zur Erstellung von Analysecode ist zulässig, solange keine SOEP-Mikrodaten an das LLM übermittelt oder hochgeladen werden.
F: Dürfen abgeleitete Analyseergebnisse (z. B. Modellkoeffizienten oder deskriptive Statistiken) mit einem LLM geteilt werden?
A: Ja. Die Übermittlung analytischer Ergebnisse an ein LLM ist zulässig, solange keine SOEP-Mikrodaten an das LLM übermittelt oder hochgeladen werden.
F: Gilt die Richtlinie für alle SOEP-Datenausgaben (z. B. Lehrdatensätze oder internationale Editionen)?
A: Ja. Die Richtlinie gilt für alle SOEP-Editionen.
F: Gilt die Richtlinie auch für SOEP-Daten, die nicht über das SOEP-Forschungsdatenzentrum (SOEP-FDZ) vertrieben werden, sondern datenschutzkonform über andere Kanäle zugänglich sind, beispielsweise über internationale Datenbanken (wie z. B. LIS, LWS) oder harmonisierte Datenressourcen (wie z. B. Cross National Equivalent File, CNEF)?
A: Ja. Die Richtlinie gilt für SOEP-Daten auf allen Vertriebs- und Bereitstellungsplattformen.
F: Dürfen KI-gestützte Entwicklungswerkzeuge genutzt werden, die automatisch Dateien im Arbeitsverzeichnis indizieren (wie z. B. in Code-Editoren integrierte KI-Funktionen), wenn SOEP-Datendateien betroffen sind?
A: Nein. Nutzende müssen diese Funktion deaktivieren oder SOEP-Mikrodaten ausschließlich außerhalb von Verzeichnissen speichern, auf die solche Werkzeuge zugreifen können.
Danksagung:
Wir danken der Health and Retirement Study (HRS) der University of Michigan, deren KI-/LLM-Nutzungsrichtlinie als Grundlage für dieses Dokument dient.