Forschung

Die meisten Daten über Menschen können nicht so weitergegeben werden, wie sie sind, und die meisten Datensätze haben Lücken. Meine Forschung fragt, wie Daten geteilt, vervollständigt und geprüft werden können. Fünf Themen, jedes mit fünf ausgewählten Arbeiten und den Paketen dahinter; die vollständige Liste steht auf der Publikationsseite.

Anonymisierung und synthetische Daten

Statistical Disclosure Control misst, wie wahrscheinlich jemand in einem Datensatz erkannt werden kann, und verändert die Daten gerade so weit, dass dies unwahrscheinlich wird, ohne die Analysen zu verfälschen. Synthetische Daten gehen einen Schritt weiter und ersetzen jeden Datensatz durch einen plausiblen. Ich arbeite an Risikomassen jenseits der k-Anonymität, an Längsschnitt- und Bewegungsdaten, an Risk-Utility-Maps zur Methodenwahl und an der Frage, was agentische KI für Angreifer und Verteidiger ändert.

Pakete: sdcMicro, simPop, riskutility, synvey, robSynth

  1. 2026Thees, Müller, Templ. Agentic AI-Powered Re-identification: An Emerging, Scalable Threat to Mobility Microdata Privacy. Privacy in Statistical Databases. PSD 2026 doi
  2. 2024Gussenbauer, Templ, Fritzmann, Kowarik. Simulation of Calibrated Complex Synthetic Population Data with XGBoost. Algorithms doi
  3. 2022Templ, Sariyar. A systematic overview on methods to protect sensitive data provided for various analyses. International Journal of Information Security doi
  4. 2017Templ, Meindl, Kowarik, Dupriez. Simulation of Synthetic Complex Data: The R Package simPop. Journal of Statistical Software doi
  5. 2015Templ, Kowarik, Meindl. Statistical Disclosure Control for Micro-Data Using the R Package sdcMicro. Journal of Statistical Software doi

Fehlende Werte und Imputation

Bevor Werte imputiert werden können, muss man sehen, wo und warum sie fehlen. VIM visualisiert das Fehlen und bietet Imputationsverfahren, die gegen Ausreisser robust sind; neuere Arbeiten nutzen generalisierte additive Modelle und Deep Learning und untersuchen, was Fehlklassifikationen und Ausreisser mit der Imputation anstellen.

Pakete: VIM, deepImp

  1. 2024Templ. Robust multiple imputation with GAM. Statistics and Computing doi
  2. 2024Templ, Ulmer. The impact of misclassifications and outliers on imputation methods. Journal of Applied Statistics doi
  3. 2023Templ. Visualization and Imputation of Missing Values. Springer Publishing doi
  4. 2016Kowarik, Templ. Imputation with the R Package VIM. Journal of Statistical Software doi
  5. 2012Templ, Alfons, Filzmoser. Exploring incomplete data using visualization techniques. Advances in Data Analysis and Classification

Kompositionsdaten

Anteile, die sich zu hundert Prozent summieren, geochemische Konzentrationen, Budgets, Zeitverwendungstagebücher: Kompositionsdaten leben auf einem Simplex, und Standardmethoden gehen dort fehl. Mit Peter Filzmoser und Karel Hron arbeite ich an robusten Methoden, an der Imputation fehlender und gerundeter Nullen und neuerdings an Dichten als Kompositionen in Bayes-Räumen.

Pakete: robCompositions

  1. 2018Filzmoser, Hron, Templ. Applied Compositional Data Analysis. With Worked Examples in R. Springer Series in Statistics doi
  2. 2015Martín-Fernández, Hron, Templ, Filzmoser, Palarea-Albaladejo. Bayesian-multiplicative treatment of count zeros in compositional data sets. Statistical Modelling link
  3. 2012Martín-Fernández, Hron, Templ, Filzmoser, Palarea-Albaladejo. Model-based replacement of rounded zeros in compositional data: Classical and robust approaches. Computational Statistics and Data Analysis
  4. 2011Templ, Hron, Filzmoser. robCompositions: an R-package for robust statistical analysis of compositional data. Compositional Data Analysis: Theory and Applications doi
  5. 2010Hron, Templ, Filzmoser. Imputation of missing values for compositional data using classical and robust methods. Computational Statistics and Data Analysis

Robuste Statistik

Reale Daten enthalten Ausreisser, und in modernen Daten sitzt die Kontamination in einzelnen Zellen statt in ganzen Zeilen. Ich arbeite an zellenweise robuster Imputation und synthetischen Daten, an robuster Schätzung von Indikatoren aus komplexen Erhebungen und an skalierender Ausreissererkennung.

Pakete: robCompositions, robSynth, laeken

  1. 2019Templ, Gussenbauer, Filzmoser. Evaluation of robust outlier detection methods for zero-inflated complex data. Journal of Applied Statistics doi
  2. 2013Alfons, Templ, Filzmoser. Robust estimation of economic indicators from survey samples based on Pareto tail modelling. Journal of the Royal Statistical Society: Series C (Applied Statistics) doi
  3. 2011Templ, Kowarik, Filzmoser. Iterative stepwise regression imputation using standard and robust methods. Computational Statistics and Data Analysis
  4. 2011Todorov, Templ, Filzmoser. Detection of multivariate outliers in business survey data with incomplete information. Advances in Data Analysis and Classification
  5. 2008Templ, Meindl. Robust Statistics Meets SDC: New Disclosure Risk Measures for Continuous Microdata Masking. Lecture Notes on Computer Science doi

Amtliche Statistik und Erhebungen

Zwölf Jahre bei Statistik Austria haben geprägt, wie ich über Datenqualität denke: Stichprobe, Gewichtung, Editing, Imputation und Freigabe sind eine Kette. Ich betreue die CRAN Task View zur amtlichen Statistik mit und habe ein deutsches Lehrbuch zur Datenqualität in Stichprobenerhebungen mitverfasst.

Pakete: laeken, emdi, simPop, heaping

  1. 2026Quatember, Templ. Datenqualität in Stichprobenerhebungen: Eine verständnisorientierte Einführung in die Survey-Statistik. Springer Spektrum doi
  2. 2019Kreutzmann, Pannier, Rojas-Perilla, Schmid, Templ, Tzavidis. The R Package emdi for the Estimation and Mapping of Regional Disaggregated Indicators. Journal of Statistical Software doi
  3. 2015Templ. Quality Indicators for Statistical Disclosure Methods: A Case Study on the Structure of Earnings Survey. Journal of Official Statistics doi
  4. 2013Alfons, Templ. Estimation of Social Exclusion Indicators from Complex Surveys: The R Package laeken. Journal of Statistical Software doi
  5. 2010Alfons, Templ, Filzmoser, Holzer, González-Rodríguez. A comparison of robust methods for Pareto tail modeling in the case of Laeken indicators. Combining Soft Computing and Statistical Methods in Data Analysis

Zentrum für Datenqualität und Anonymisierung

An der FHNW Hochschule für Wirtschaft bündelt das Zentrum (C4DataQuality) Datenqualitätsanalysen, Beratung zur Erhebungsstatistik, Strategien für fehlende Daten, Anonymisierung und Datenfreigabe sowie Schulungen. Team: Tobias Schoch, Roman Müller, Oscar Thees.

Seite an der FHNW

SwissAnon

Das Swiss Data Anonymization Center, an der FHNW verankert und mit Murat Sariyar (BFH) geführt, mit UZH, BFH und ZHAW als Partnern. Forschung, Kurse, Software und Beratung für Unternehmen und Behörden.

swissanon.com