Fragen & AntwortenWie lassen sich sensible Daten mit KI verarbeiten?

Nicht mit einem Verbot und nicht mit Vertrauen in den Anbieter, sondern mit einer Regel, die vor der Technik kommt.

Geöffnete Tresortür mit einem Dokument hinter einem Schutzschild, Sinnbild für die Verarbeitung sensibler Daten

Kurzantwort

Sensible Daten lassen sich mit KI verarbeiten, wenn drei Dinge feststehen: welche Daten in welche Klasse gehören, welcher Betriebsweg für jede Klasse zulässig ist und wer im System was sehen darf. Für vertrauliche und personenbezogene Daten heißt das in der Regel lokaler Betrieb auf eigener Hardware oder eine europäische Umgebung mit Auftragsverarbeitung. Das Verbot funktioniert nicht, die Regel schon.

Wann ist das sinnvoll?

Immer dann, wenn der eigentliche Nutzen der KI in den sensiblen Daten liegt: Kundenkorrespondenz, Verträge, Personalvorgänge, Konstruktionsdaten. Genau dort sparen Zusammenfassung, Klassifikation und Entwurf am meisten Zeit. Und genau dort scheitern Cloud-Lösungen an Datenschutz und Vertrauen. Die Frage ist also nicht ob, sondern wie.

Wann ist es nicht sinnvoll?

Wenn die Verarbeitung keinen klaren Zweck hat. Die DSGVO verlangt Zweckbindung, und ein System, das „mal schauen“ soll, was in den Personaldaten steckt, hat keine Rechtsgrundlage. Nicht sinnvoll ist es auch, sensible Daten in einen Cloud-Dienst zu geben, nur weil er bequem ist, ohne Auftragsverarbeitung und ohne Regel.

Voraussetzungen

Datenklassifikation. Vier Klassen von öffentlich bis streng vertraulich, mit dem zulässigen Betriebsweg je Klasse.
Betriebsweg. Lokal auf eigener Hardware für Vertrauliches, europäische Umgebung mit Auftragsverarbeitung für Mittleres, Anbieter-Cloud nur für Unkritisches.
Rechtekonzept. Anmeldung über das Verzeichnis, Rollen, getrennte Wissensbasen. Die KI zeigt nur, was der Nutzer sehen darf.
Dokumentation. Verarbeitungsverzeichnis, Zweck, Rechtsgrundlage, Löschfristen. Das gehört zur Einführung, nicht in die Nachbereitung.

Möglichkeiten

Mit einem lokalen Sprachmodell lassen sich Kundenanfragen zusammenfassen, Antwortentwürfe erstellen, Verträge auf Fristen und Klauseln prüfen, Personalunterlagen strukturieren. Alles im eigenen Netz, ohne Übermittlung an Dritte. Für Auswertungen ohne Personenbezug kann Anonymisierung den Weg in eine gemietete Umgebung öffnen. Und für Prozesse mit Freigabestufen lässt sich festlegen, dass die KI nur vorbereitet und ein Mensch entscheidet.

Vorteile

Die wertvollsten Anwendungsfälle werden möglich, statt am Datenschutz zu scheitern.
Datenschutzbeauftragter und Betriebsrat tragen die Lösung mit, weil die Regel dokumentiert ist.
Schatten-KI mit privaten Konten verliert ihren Grund.
Kundenaudits und Nachweise werden einfacher, weil keine Übermittlung stattfindet.

Grenzen und Risiken

Lokal heißt nicht automatisch sicher. Ohne Rechtekonzept sieht jeder alles, auch über die KI. Ein Sprachmodell kann Inhalte aus einer Wissensbasis in Antworten für andere Nutzer tragen, wenn die Trennung fehlt. Und Protokolle der KI-Nutzung sind selbst personenbezogene Daten, die geregelt werden müssen. Der EU AI Act verlangt zudem, dass Mitarbeiter wissen, wann sie mit KI arbeiten.

Beispiel

Der Kundenservice eines Versorgers wollte Antworten auf Kundenmails vorbereiten lassen. Die Mails enthielten Namen, Adressen und Vertragsdaten. Ein Cloud-Dienst kam für den Datenschutzbeauftragten nicht in Frage. Nach einer Datenklassifikation wurde ein lokales Modell mit einer Wissensbasis aus Textbausteinen und Tarifinformationen eingerichtet. Die KI erstellte Entwürfe, Mitarbeiter prüften und sendeten. Kein Datentransfer, kein Auftragsverarbeitungsvertrag, eine dokumentierte Regel. Der Datenschutzbeauftragte gab frei.

Häufige Fragen

Dürfen personenbezogene Daten in ein Sprachmodell?

Ja, wenn Rechtsgrundlage, Zweckbindung und Betriebsweg stimmen. Lokaler Betrieb vermeidet die Übermittlung an Dritte und damit die schwierigsten Fragen. Bei Cloud-Diensten braucht es Auftragsverarbeitung und geeignete Garantien.

Hilft Anonymisierung?

Für manche Fälle ja, etwa bei Auswertungen. Für Kundenkorrespondenz oder Personalvorgänge funktioniert sie selten, weil der Zusammenhang gebraucht wird. Dann ist lokaler Betrieb der bessere Weg.

Was ist eine Datenklassifikation?

Eine Einteilung aller Informationen in vier Klassen, von öffentlich bis streng vertraulich, mit einer Regel je Klasse, welcher Betriebsweg zulässig ist. In wenigen Stunden erarbeitet, mit Fachbereich, IT und Datenschutz am Tisch.

Was verlangt der EU AI Act für interne KI?

Interne Assistenzsysteme fallen meist in die niedrigste Risikoklasse. Pflichten zu Transparenz und Kompetenz gelten trotzdem. Berührt das System Personalentscheidungen oder Sicherheit, sieht das anders aus und gehört vorab geprüft.

Muss der Betriebsrat eingebunden werden?

Wenn das System das Verhalten oder die Leistung von Mitarbeitern erfassen könnte, ja. Eine frühe Einbindung mit einem klaren Rechtekonzept verhindert spätere Konflikte.

Fazit

Sensible Daten und KI schließen sich nicht aus. Sie brauchen eine Regel vor der Technik: Datenklasse, Betriebsweg, Rechte, Dokumentation. Wer diese vier Punkte klärt, kann die wertvollsten Anwendungsfälle umsetzen, und zwar so, dass Datenschutz und Betriebsrat mittragen.

Passende Jufinity-Lösung

Lokale KI für Unternehmen

Sprachmodelle auf eigener Hardware, DSGVO-konform und ohne Anbieterbindung. Optionen, Vergleich mit der Cloud und der Weg zum Pilot.

Zur Lösung: Lokale KI