Datenschutz ist kein Grund, auf KI zu verzichten. Er ist eine Anforderung an den Aufbau.

Warum Angst mehr kostet als Technik

In vielen Erstgesprächen mit Geschäftsführern läuft es gleich ab. Erst Interesse an Automatisierung mit KI. Dann die Frage: “Dürfen wir das überhaupt?” Dann Stillstand. Nicht, weil jemand geprüft und Nein gesagt hätte. Sondern weil niemand prüft und deshalb niemand Ja sagt.

Dieser Stillstand kostet. Nicht als Bußgeld, sondern als Arbeit, die weiter von Hand gemacht wird, während Wettbewerber sie längst automatisiert haben. Die Datenschutz-Grundverordnung, kurz DSGVO, verbietet den Einsatz von KI nicht. Sie verlangt, dass du weißt, welche Daten wohin fließen, auf welcher Grundlage und wie lange sie gespeichert werden. Das ist keine juristische Frage allein. Es ist zuerst eine Frage, wie du die Technik aufbaust. Wer da auf alten Systemen sitzt, hat es schwerer, weil dort niemand mehr weiß, welche Daten wo liegen.

Eine Einschränkung vorweg: Dieser Artikel ersetzt keine Rechtsberatung. Was du hier liest, ist der technische Teil. Die Bewertung, ob dein konkreter Ablauf zulässig ist, gehört zu deinem Datenschutzbeauftragten. Er tut sich aber leichter, wenn die Technik so gebaut ist wie unten beschrieben.

Was sich seit 2022 geändert hat

2022. Jede KI-Anbindung war ein Einzelfall. Die Anbieter hatten keine Verträge zur Auftragsverarbeitung, die ein deutscher Datenschutzbeauftragter unterschreiben wollte. Ob Eingaben zum Training genutzt werden, stand nirgends klar. Wer KI einsetzen wollte, tat es meist über das Chatfenster für Verbraucher und damit ohne jede Kontrolle.

2026. Die großen Anbieter bieten für die Schnittstelle, also den Zugang für Software statt für Menschen am Bildschirm, Standardverträge zur Auftragsverarbeitung an. Die Bedingungen legen fest, dass Eingaben nicht zum Training genutzt werden. Werkzeuge, die Namen und Adressen vor dem Versand durch Platzhalter ersetzen, gibt es als freie Software. Rechenzentren in Deutschland sind nach ISO 27001 zertifiziert und preislich mit den großen US-Anbietern vergleichbar. Die Bausteine für einen rechtssicheren Aufbau existieren. Sie müssen nur zusammengesetzt werden.

Drei Bausteine, die eine Prüfung tragen

In Projekten sehen wir immer wieder dieselben drei Bausteine, mit denen eine Datenschutzprüfung durchkommt. Keiner davon ist neu. Zusammen machen sie aus einem Bauchgefühl eine belegbare Architektur.

Die Schnittstelle statt des Chatfensters

Der häufigste Denkfehler ist, ChatGPT im Browser mit dem Zugang für Unternehmen zu verwechseln. Im Chatfenster für Verbraucher können Eingaben zum Training genutzt werden, sofern der Nutzer das nicht abschaltet. Über die Schnittstelle gilt das nicht. OpenAI legt fest, dass Daten über die Schnittstelle nicht zum Training genutzt werden. Sie werden standardmäßig bis zu 30 Tage zur Missbrauchskontrolle aufbewahrt und dann gelöscht. Für bestimmte Anwendungsfälle lässt sich auf Antrag vereinbaren, dass gar nichts gespeichert wird. Bei anderen Anbietern gelten ähnliche Regeln. Lies sie nach, bevor du unterschreibst.

Rechtlich wird der Anbieter über die Schnittstelle zum Auftragsverarbeiter mit Vertrag. Die Übertragung ist verschlüsselt. Damit ist der erste Punkt jeder Prüfung beantwortet: Wer bekommt die Daten, auf welcher Grundlage und wie lange behält er sie.

Server in Deutschland

Alles, was um das Modell herum läuft, betreiben wir auf Servern bei Hetzner in Deutschland. Die Rechenzentren sind nach ISO/IEC 27001:2022 zertifiziert. Dort liegen die Datenbank, die Protokolle, die Ablaufsteuerung und der Filter aus dem nächsten Abschnitt. Das Modell selbst läuft in den meisten Projekten weiter beim Anbieter, weil die großen Modelle dort besser und günstiger sind.

Ehrlich dazu: Der Server in Deutschland löst nicht alles. Solange die Anfrage an ein Modell in den USA geht, ist das eine Datenübermittlung in ein Drittland mit allem, was dazugehört. Für Abläufe mit besonders sensiblen Daten, etwa Gesundheitsdaten, betreiben wir deshalb kleinere offene Modelle direkt auf dem eigenen Server. Sie sind weniger leistungsfähig, aber die Daten verlassen das Haus nicht.

Platzhalter statt Namen

Bei Abläufen mit personenbezogenen Daten, etwa im Bewerbermanagement, bei der Rechnungsverarbeitung oder in der Kundenpflege, laufen die Daten vor dem Versand an das Modell durch einen Filter auf dem eigenen Server. Aus “Herr Müller, geboren am 12.05.1980, Musterstraße 4” wird “Person A, geboren am Datum B, Adresse C”. Das Modell arbeitet mit dem Muster, nicht mit der Identität. Die Zuordnung zurück zum echten Namen passiert erst wieder auf dem eigenen Server, wenn die Antwort da ist.

Auch hier eine Grenze: Der Filter erkennt Namen, Adressen, Geburtsdaten, Kontonummern und ähnliche Muster zuverlässig. Freitext ist schwieriger. Wenn in einer E-Mail steht “der Geschäftsführer des Bäckerei-Betriebs in der Hauptstraße”, ist die Person unter Umständen erkennbar, obwohl kein Name fällt. Ein Filter senkt das Risiko deutlich. Er bringt es nicht auf null. Wer dir das verspricht, hat es nicht getestet.

Frage der Prüfung	Ohne Aufbau	Mit den drei Bausteinen
Wer bekommt die Daten?	Unklar, oft das Chatfenster	Anbieter über Schnittstelle mit Vertrag
Training mit unseren Daten?	Möglich	Vertraglich ausgeschlossen
Wo liegen Datenbank und Protokolle?	Beim jeweiligen Werkzeug	Auf eigenen Servern in Deutschland
Sieht das Modell Namen?	Ja	Nur Platzhalter, mit bekannten Grenzen
Wer kann nachvollziehen, was passiert ist?	Niemand	Jede Anfrage im Protokoll

Was sich einmal prüfen lässt statt jedes Mal

Der Ökonom Ronald Coase hat beschrieben, dass jede Transaktion Aufwand kostet, der auf keiner Rechnung steht. Eine Datenschutzprüfung ist so ein Aufwand. Wenn jeder neue Anwendungsfall seinen eigenen Weg zum Modell bekommt, muss jeder einzeln geprüft werden. Bei drei Anwendungsfällen im Jahr geht das. Bei dreißig nicht mehr. Dann bleibt entweder die Prüfung oder die Automatisierung auf der Strecke.

Wenn dagegen alle Abläufe über denselben Weg laufen, mit derselben Schnittstelle, demselben Server und demselben Filter, wird diese Grundlage einmal geprüft. Ein neuer Anwendungsfall braucht dann nur noch die Frage: Welche Daten kommen dazu und passt das zur geprüften Grundlage? Das ist meist eine Seite Text statt eines Projekts. Warum die reinen Rechenkosten dabei eine immer kleinere Rolle spielen, steht im Artikel zur kognitiven Deflation.

Das ist der Unterschied zwischen einem Unternehmen, das für jeden neuen Ablauf einen Anwalt braucht und einem, das seinen Datenschutzbeauftragten einmal im Quartal für eine Stunde sieht.

Was du diese Woche prüfen kannst

1. Frag in deinem Unternehmen, wer heute KI nutzt und über welchen Weg. Wenn die Antwort “ChatGPT im Browser” lautet, hast du das Datenschutzproblem bereits, nur ohne Vertrag und ohne Protokoll.
2. Lass dir von deinem Datenschutzbeauftragten sagen, welche Fragen er für eine Freigabe beantwortet haben will. Meist sind es die fünf aus der Tabelle oben.
3. Prüfe, ob eure Abläufe mit Kundendaten heute ohne Namen auskommen würden. Bei den meisten Aufgaben, etwa beim Sortieren, Zusammenfassen oder Zuordnen, braucht das Modell die Identität nicht.

Wenn du danach wissen willst, wie so ein Aufbau bei euch aussehen würde, schreib uns. Wer ohne zusätzliche Köpfe wachsen will, findet im Artikel zu Umsatz je Kopf den zweiten Teil des Arguments.