Welche KI ist DSGVO-konform? Vergleich für Unternehmen 2026

Welche KI ist DSGVO-konform? Eine allgemeingültige Liste gibt es dafür nicht. ChatGPT, Microsoft Copilot, Google Gemini oder Claude können in einer passenden Unternehmensversion eine gute technische und vertragliche Grundlage bieten. Ob der konkrete Einsatz die DSGVO erfüllt, hängt zusätzlich vom Zweck, den verarbeiteten Daten, der Rechtsgrundlage, den Verträgen, der Konfiguration und den Abläufen im Unternehmen ab.

Für vertrauliche oder personenbezogene Unternehmensdaten sind private Gratis- und Einzelkonten meist die falsche Ausgangsbasis. Prüfe stattdessen Business-, Enterprise- oder API-Angebote mit Auftragsverarbeitungsvertrag, klaren Löschregeln, geeigneten Administrationsfunktionen und einer nachvollziehbaren Verarbeitungskette. Bei besonders hohen Anforderungen kann ein unternehmenseigenes System wie AI Cowork auf einer eigenen Instanz deutlich mehr Kontrolle über Wissen, Rollen, Datenflüsse und Freigaben ermöglichen.

Was bedeutet „DSGVO-konforme KI“ überhaupt?

Die DSGVO zertifiziert weder einzelne Sprachmodelle noch komplette Anbieter pauschal. Sie regelt die Verarbeitung personenbezogener Daten. Ein KI-System kann deshalb für die Formulierung allgemeiner Marketingtexte unkritisch eingesetzt werden und im nächsten Prozess erhebliche Datenschutzfragen auslösen, sobald Kundendaten, Personalakten, Gesundheitsinformationen oder Gesprächsaufzeichnungen verarbeitet werden.

Die zentrale Frage lautet daher: Wie verarbeitet dein Unternehmen mit diesem System welche personenbezogenen Daten für welchen Zweck? Daraus ergeben sich unter anderem Anforderungen an Rechtsgrundlage, Transparenz, Datenminimierung, Aufbewahrung, Sicherheit, Betroffenenrechte und mögliche Übermittlungen in Drittländer.

Die DSGVO verlangt in Artikel 5 außerdem Rechenschaftspflicht. Das Unternehmen muss seine Entscheidungen und Schutzmaßnahmen belegen können. Ein Hinweis des Herstellers auf „GDPR compliance“ ist dafür ein wichtiger Baustein, ersetzt aber keine eigene Dokumentation.

Fünf Ebenen entscheiden über die Datenschutzkonformität

1. Einsatzfall: Eine Übersetzung ohne Personenbezug hat ein anderes Risiko als ein System zur Bewerberauswahl.
2. Produktversion: Consumer-, Business-, Enterprise- und API-Produkte desselben Anbieters können unterschiedliche Verträge, Trainingsregeln und Administrationsfunktionen haben.
3. Konfiguration: Datenaufbewahrung, Modelltraining, Konnektoren, Websuche, Plugins, Freigaben und Zugriffsrechte beeinflussen den tatsächlichen Datenfluss.
4. Architektur: Direktnutzung im Browser, API-Integration, eigene Wissensdatenbank und Self-Hosting führen zu unterschiedlichen Empfängern und Verantwortlichkeiten.
5. Organisation: Richtlinien, Schulung, Löschkonzept, Kontrolle und ein verlässlicher Freigabeprozess bleiben Aufgaben des einsetzenden Unternehmens.

Diese Ebenen erklären, warum die Frage „Welche KI ist datenschutzkonform?“ keine belastbare Ein-Wort-Antwort hat. Der Produktname allein beschreibt nur einen Teil der Verarbeitung.

DSGVO und EU AI Act: Zwei Regelwerke mit unterschiedlichen Aufgaben

Die DSGVO greift, wenn personenbezogene Daten verarbeitet werden. Der EU AI Act betrachtet Risiken von KI-Systemen und legt Pflichten für Anbieter und Betreiber fest. Beide Regelwerke gelten parallel. Ein datensparsamer Chatbot kann Anforderungen des AI Acts auslösen, während ein einfaches KI-Tool ohne hohe AI-Act-Risikoklasse trotzdem umfangreiche Datenschutzpflichten haben kann.

Der EU AI Act trat am 1. August 2024 in Kraft und ist seit 2. August 2026 weitgehend anwendbar. Verbote bestimmter KI-Praktiken galten bereits ab Februar 2025; Pflichten für General-Purpose-AI-Modelle folgten im August 2025. Seit August 2026 gelten unter anderem neue Transparenzregeln und die zuständigen Behörden besitzen Durchsetzungsbefugnisse.

Nach dem im Juli 2026 in Kraft getretenen AI Omnibus beginnen die Regeln für Hochrisiko-Anwendungsfälle nach Anhang III am 2. Dezember 2027. Für Hochrisiko-KI, die Bestandteil bestimmter regulierter Produkte ist, gilt der 2. August 2028. Unternehmen sollten die spätere Frist für einzelne Hochrisiko-Pflichten als Vorbereitungszeit nutzen, denn Dokumentation, Datenqualität, Protokollierung, menschliche Aufsicht und Risikomanagement lassen sich selten kurzfristig ergänzen.

Was 2026 bereits praktisch relevant ist

• Menschen müssen in den erfassten Fällen erkennen können, dass sie mit einem KI-System interagieren.
• Bestimmte KI-generierte oder manipulierte Inhalte müssen als solche erkennbar beziehungsweise gekennzeichnet sein.
• Unternehmen müssen prüfen, ob ihr System verbotene, transparente, allgemeine oder künftig hochriskante Funktionen erfüllt.
• Bei personenbezogenen Daten gelten weiterhin sämtliche einschlägigen DSGVO-Pflichten.
• Fachliche Kontrolle, klare Zuständigkeiten und dokumentierte Regeln werden für produktive KI-Prozesse wichtiger.

Vergleich: Welche KI ist für Unternehmen datenschutzrechtlich geeignet?

Die folgende Tabelle bewertet keine Marke pauschal als rechtskonform. Sie zeigt, welche Produktvarianten eine brauchbare Ausgangsbasis bieten und welche Punkte vor dem Einsatz offenbleiben.

Das wichtigste Ergebnis: Bei allen Cloud-Anbietern ist die konkrete Vertrags- und Produktvariante entscheidend. Bei eigenen Systemen steigt die technische Kontrolle, gleichzeitig übernimmt das Unternehmen mehr Verantwortung. Die beste Wahl verbindet angemessene Kontrolle mit einem Betrieb, den das Unternehmen dauerhaft beherrschen kann.

Eine konkrete Plattformauswahl vertieft der Langdock-Vergleich zu Hosting und Governance. Die Eignung hängt dabei weiterhin von Vertrag, Konfiguration und tatsächlicher Verarbeitung ab.

ChatGPT und DSGVO: Business-Angebote getrennt bewerten

OpenAI erklärt für ChatGPT Business, Enterprise, Edu, Healthcare, Teachers und die API-Plattform, dass Ein- und Ausgaben standardmäßig nicht zum Training oder zur Verbesserung der Modelle verwendet werden. Für Geschäftskunden stehen außerdem ein Data Processing Addendum, Verschlüsselung, Administrationsfunktionen und – je nach Produkt und Berechtigung – Aufbewahrungs- sowie regionale Verarbeitungsoptionen zur Verfügung.

Diese Merkmale schaffen eine bessere Grundlage als ein privates ChatGPT-Konto. Sie beantworten aber noch nicht, ob dein Anwendungsfall zulässig ist. Prüfe mindestens:

• Welche ChatGPT-Edition beziehungsweise welcher API-Vertrag wird tatsächlich genutzt?
• Ist ein Auftragsverarbeitungsvertrag wirksam abgeschlossen?
• Welche Daten speichert OpenAI wie lange, und welche Aufbewahrungsoptionen stehen in deinem Tarif bereit?
• Welche Region wird für Speicherung und Verarbeitung verwendet?
• Welche GPTs, Apps, Konnektoren oder externen Aktionen dürfen Daten empfangen?
• Wer besitzt Zugriff auf Workspace, Projekte, API-Schlüssel und Protokolle?
• Welche Inhalte dürfen Mitarbeiter eingeben?

Bei der API bestimmt zudem deine Anwendung, welche Daten vor dem Modellaufruf gesammelt, zwischengespeichert und protokolliert werden. Ein geeigneter API-Vertrag löst daher nur den Anbieteranteil. Datenbank, Hosting, Observability, Fehlerlogs und angebundene Systeme gehören ebenfalls in die Prüfung.

Microsoft 365 Copilot: Starke Einbindung, hohe Bedeutung der Berechtigungen

Microsoft ordnet Microsoft 365 Copilot in seine Datenschutz-, Sicherheits- und Compliance-Zusagen für kommerzielle Microsoft-365-Kunden ein. Laut Microsoft werden Prompts, Antworten und über Microsoft Graph abgerufene Organisationsdaten nicht zum Training der zugrunde liegenden Foundation Models verwendet. Für Nutzer in der EU bestehen Zusagen im Rahmen der EU Data Boundary.

Copilot respektiert die vorhandenen Zugriffsrechte im Microsoft-365-Tenant. Das ist nützlich und macht die Qualität der bestehenden Rechteverwaltung besonders wichtig. Kann ein Mitarbeiter bereits auf zu viele SharePoint-Seiten, Teams-Bereiche oder Dateien zugreifen, kann Copilot diese Informationen unter Umständen leichter auffindbar machen. Vor einem breiten Rollout sollten Unternehmen deshalb veraltete Freigaben, externe Gäste, öffentlich geteilte Links und gewachsene Gruppenrechte prüfen.

Zusätzliche Agenten und Erweiterungen brauchen eine eigene Bewertung. Microsoft weist darauf hin, dass für Drittanbieter-Agenten separate Bedingungen gelten können. Auch einzelne Modelloptionen können besondere Datenflussfragen auslösen. Admins sollten zugelassene Agenten, Websuche, Konnektoren und Modellvarianten bewusst steuern.

Google Gemini: Workspace-Schutz hängt an Edition und Konto

Bei Google muss klar zwischen der Gemini-App unter Consumer-Bedingungen und Gemini in einer qualifizierenden Google-Workspace-Edition unterschieden werden. Google erklärt für Workspace-Geschäftskunden, dass Interaktionen innerhalb der Organisation bleiben und Inhalte ohne Erlaubnis weder menschlich geprüft noch für das Training generativer Modelle außerhalb der Domain verwendet werden. Bestehende Workspace-Kontrollen wie Datenregionen und Data Loss Prevention können auf die KI-Nutzung wirken.

Nutzer ohne passende Workspace-Edition können anderen Bedingungen unterliegen. Google weist in diesem Fall darauf hin, dass Chats gegebenenfalls durch Menschen geprüft und zur Verbesserung von Produkten und Machine-Learning-Technologien verwendet werden. Ein Firmenname in der E-Mail-Adresse genügt deshalb nicht als Nachweis für Unternehmensschutz. Entscheidend sind die gebuchte Edition, die Admin-Konfiguration und die für den jeweiligen Dienst geltenden Vertragsbedingungen.

Auch bei Workspace gilt: Gemini kann Inhalte verwenden, auf die der aktuelle Nutzer bereits Zugriff hat. Eine saubere Drive-Struktur, begrenzte Freigaben, organisatorische Einheiten und kontrollierte Erweiterungen gehören zur Einführung.

Claude und DSGVO: Kommerzielle Produkte bieten eine andere Grundlage

Anthropic unterscheidet ebenfalls zwischen Consumer- und kommerziellen Produkten. Für Claude for Work – Team oder Enterprise – und die API beschreibt Anthropic den Kunden als Verantwortlichen und Anthropic als Auftragsverarbeiter. Nach Angaben des Anbieters werden Daten aus kommerziellen Produkten standardmäßig nicht für das Modelltraining verwendet; eine Nutzung kann bei freiwilliger Teilnahme an einem entsprechenden Partnerprogramm möglich werden.

Für den Unternehmenseinsatz sind dennoch Aufbewahrungsdauer, Löschmöglichkeiten, DPA, Identitätsmanagement, Audit-Funktionen, Konnektoren und Datenregion zu prüfen. Ein Claude-Pro-Einzelkonto ist vertraglich nicht mit Claude for Work gleichzusetzen. Diese Unterscheidung sollte in internen KI-Richtlinien ausdrücklich genannt werden.

Sind europäische oder lokal betriebene KI-Modelle automatisch besser?

Ein Anbieter mit Sitz in der EU kann Übermittlungen in Drittländer reduzieren und die Vertragsprüfung vereinfachen. Der Firmensitz allein beantwortet jedoch keine Fragen zu Unterauftragsverarbeitern, Telemetrie, Supportzugriffen, Modelltraining oder Löschung. Ebenso kann ein US-Anbieter geeignete Verträge, Garantien und regionale Optionen anbieten, die für einen konkreten Einsatzfall tragfähig sind.

Self-Hosting erlaubt, Infrastruktur und Datenbanken gezielt auszuwählen. Bei vollständig lokalem Betrieb müssen Prompts und Dokumente die eigene Umgebung nicht verlassen, sofern keine externen Modelle, Telemetrie- oder Zusatzdienste eingebunden sind. In der Praxis greifen viele vermeintlich lokale Anwendungen trotzdem auf Cloud-Modelle, externe Embeddings, Websuche, OCR, Monitoring oder Update-Dienste zu. Eine Architekturzeichnung ist hier aussagekräftiger als das Label „On-Premise“.

Zum Eigenbetrieb gehören außerdem:

• Absicherung, Updates und Schwachstellenmanagement,
• Identitäts- und Berechtigungsmanagement,
• verschlüsselte Übertragung und Speicherung,
• Backups, Wiederherstellung und Löschkonzepte,
• Protokollierung ohne unnötige Inhaltsdaten,
• Bewertung von Trainingsdaten, Modelllizenz und Modellrisiken,
• Kontrolle der Ausgaben und fachliche Freigaben.

Lokale Modelle bieten damit viel Gestaltungsspielraum. Datenschutzkonformität entsteht erst durch die konkrete Umsetzung.

Zwölf Kriterien für die Auswahl einer DSGVO-konformen KI

1. Zweck und Datenkategorien festlegen

Beschreibe den Prozess so konkret wie möglich: Wer verwendet die KI? Welche Eingaben erhält sie? Welche Ergebnisse entstehen? Werden Kunden, Mitarbeiter, Bewerber oder andere Personen betroffen? Besondere Kategorien personenbezogener Daten nach Artikel 9 DSGVO – etwa Gesundheitsdaten – erfordern erhöhte Aufmerksamkeit.

2. Rechtsgrundlage bestimmen

Für jede Verarbeitung personenbezogener Daten braucht es eine Rechtsgrundlage nach Artikel 6 DSGVO; bei besonderen Kategorien kommen zusätzliche Voraussetzungen hinzu. Einwilligung, Vertragserfüllung und berechtigtes Interesse sind nicht frei austauschbar. Die Wahl muss zum Zweck und zur Beziehung mit den betroffenen Personen passen.

3. Rollen und Verträge klären

Prüfe, ob der KI-Anbieter als Auftragsverarbeiter, eigener Verantwortlicher oder in einer anderen Rolle handelt. Bei einer Auftragsverarbeitung verlangt Artikel 28 einen passenden Vertrag und ausreichende Garantien. Subprozessoren und zusätzliche Dienste gehören in dieselbe Betrachtung.

4. Modelltraining und Weiterverwendung verstehen

Finde heraus, ob Prompts, Dateien, Antworten oder Feedback zum Training, zur Produktverbesserung, für Sicherheitsanalysen oder menschliche Prüfungen genutzt werden. Achte auf Standardeinstellungen und mögliche Opt-ins. „Kein Training“ bedeutet nicht zwangsläufig „keine Speicherung“.

5. Speicher- und Löschfristen dokumentieren

Chats, API-Logs, Anhänge, Vektordatenbanken, Backups und Sicherheitsprotokolle können unterschiedliche Fristen haben. Lege fest, wie lange welche Daten benötigt werden und wie Löschung technisch umgesetzt wird. Prüfe auch, was nach dem Entfernen eines Benutzerkontos geschieht.

6. Datenflüsse und Drittlandtransfers prüfen

EU-Hosting ist hilfreich, deckt aber möglicherweise nur gespeicherte Inhalte ab. Inferenz, Support, Telemetrie oder Unterauftragsverarbeiter können weitere Regionen berühren. Dokumentiere Empfänger, Standorte und geeignete Garantien für internationale Übermittlungen.

7. Datenminimierung technisch umsetzen

Reduziere Eingaben auf den notwendigen Umfang. Kundennummern können häufig genügen, während Name, Adresse und komplette Historie entfallen. Verwende Pseudonymisierung oder Anonymisierung, wenn sie fachlich möglich sind. Der Europäische Datenschutzausschuss betont, dass die Anonymität eines KI-Modells im Einzelfall zu bewerten ist; eine bloße Behauptung des Herstellers reicht nicht.

8. Zugriffe und Berechtigungen begrenzen

Nutze Single Sign-on, Multi-Faktor-Authentifizierung, Rollen, getrennte Projekte und das Prinzip der geringsten Rechte. Eine KI darf nur auf Wissensquellen, Postfächer und Systeme zugreifen, die der jeweilige Nutzer für seine Aufgabe benötigt. Kritische Administratorrechte sollten nachvollziehbar vergeben und regelmäßig überprüft werden.

9. Technische und organisatorische Maßnahmen festlegen

Artikel 32 DSGVO verlangt ein dem Risiko angemessenes Schutzniveau. Dazu können Verschlüsselung, Pseudonymisierung, Verfügbarkeit, Wiederherstellung, regelmäßige Tests und ein geregelter Umgang mit Sicherheitsvorfällen gehören. Die Datenschutzkonferenz veröffentlichte 2025 eine Orientierungshilfe zu technischen und organisatorischen Maßnahmen bei KI-Systemen.

10. Transparenz und Betroffenenrechte ermöglichen

Informationspflichten müssen verständlich erklären, welche Daten zu welchem Zweck verarbeitet werden. Prozesse für Auskunft, Berichtigung, Löschung, Einschränkung und Widerspruch sollten auch KI-bezogene Datenbestände erfassen. Dazu gehören je nach Architektur Chatverläufe, Wissensspeicher, Protokolle und abgeleitete Informationen.

11. Menschliche Kontrolle definieren

Automatisierte Empfehlungen können Fehler, veraltete Informationen oder Verzerrungen enthalten. Lege fest, welche Ergebnisse ein Mensch prüft, welche Aktionen eine Freigabe brauchen und wie Entscheidungen korrigiert werden. Artikel 22 DSGVO setzt für ausschließlich automatisierte Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung besondere Grenzen.

12. Dokumentation und laufende Kontrolle organisieren

Führe ein Verzeichnis der KI-Systeme und ihrer Zwecke. Dokumentiere Verantwortliche, Datenkategorien, Verträge, Empfänger, Löschfristen, Berechtigungen, Risiken, Tests und Änderungen. Neue Modelle, Konnektoren oder Funktionen können die Bewertung verändern. Ein jährlicher Haken reicht bei schnell entwickelten KI-Diensten selten aus.

Wann ist eine Datenschutz-Folgenabschätzung notwendig?

Eine Datenschutz-Folgenabschätzung, kurz DSFA, ist nach Artikel 35 DSGVO erforderlich, wenn eine Verarbeitung voraussichtlich ein hohes Risiko für die Rechte und Freiheiten natürlicher Personen mit sich bringt. Sie ist damit nicht automatisch für jedes KI-Projekt vorgeschrieben.

Eine vertiefte Prüfung ist besonders naheliegend bei:

• systematischer und umfassender Bewertung persönlicher Aspekte,
• Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung,
• umfangreicher Verarbeitung besonderer Kategorien personenbezogener Daten,
• Überwachung von Mitarbeitern, Kunden oder öffentlich zugänglichen Bereichen,
• neuartiger Technik in Kombination mit großer Reichweite, sensiblen Daten oder verletzlichen Personengruppen,
• Verknüpfung mehrerer Datenquellen, die für Betroffene schwer vorhersehbar ist.

Die DSFA beschreibt Verarbeitung und Zweck, bewertet Notwendigkeit sowie Verhältnismäßigkeit und untersucht Risiken samt Gegenmaßnahmen. Sie sollte vor dem produktiven Start abgeschlossen und bei wesentlichen Änderungen aktualisiert werden. Datenschutzbeauftragte und gegebenenfalls spezialisierte Rechtsberatung gehören frühzeitig in den Prozess.

Besonders sensible KI-Anwendungen

Personal und Recruiting

Bewerbungsunterlagen, Leistungsdaten und Bewertungen betreffen Menschen unmittelbar. Vermeide unkontrollierte Rankings und rein automatisierte Auswahlentscheidungen. Prüfe Bias, Rechtsgrundlage, Transparenz, Aufbewahrung und menschliche Entscheidungskompetenz besonders sorgfältig. Zusätzlich kann der AI Act solche Anwendungen als hochriskant einordnen.

Gesundheit und soziale Bereiche

Gesundheitsdaten gehören zu den besonderen Kategorien nach Artikel 9 DSGVO. Neben Datenschutz sind Berufsgeheimnisse, medizinprodukterechtliche Fragen und fachliche Sicherheitsanforderungen möglich. Eine allgemeine Business-Lizenz ist für solche Prozesse kein ausreichender Prüfmaßstab.

Recht, Steuern und Finanzen

Mandats-, Steuer- und Finanzdaten sind häufig vertraulich und können gesetzlichen Geheimhaltungs- oder Aufbewahrungspflichten unterliegen. Prüfe Anbieterzugriffe, Protokolle, Datenregion, berufliche Pflichten und die fachliche Kontrolle jeder Ausgabe. Für Kreditwürdigkeits- oder Versicherungsentscheidungen kommen weitere Anforderungen hinzu.

Sprachaufzeichnungen und Meetings

Eine Transkription verarbeitet Stimmen, Aussagen und oft sensible Gesprächsinhalte. Kläre Information beziehungsweise Einwilligung, Teilnehmerkreis, Speicherfristen und Zugriffe vor der Aufnahme. Eine automatische Zusammenfassung sollte nur den Personen zugänglich sein, die auch den zugrunde liegenden Inhalt sehen dürfen.

RAG und Unternehmenswissen datenschutzgerecht planen

Retrieval-Augmented Generation, kurz RAG, verbindet ein Sprachmodell mit freigegebenen Dokumenten oder Datenbanken. Das Modell erhält für eine Anfrage passende Ausschnitte und kann dadurch präzisere Antworten auf Basis des Unternehmenswissens erstellen.

RAG reduziert nicht automatisch das Datenschutzrisiko. Dokumente werden häufig in Abschnitte zerlegt, in Vektoren umgewandelt, indexiert und bei späteren Anfragen abgerufen. Unternehmen sollten daher prüfen:

• Welche Dokumente dürfen in den Wissensbestand?
• Bleiben bestehende Zugriffsrechte beim Abruf erhalten?
• Werden personenbezogene Inhalte vor der Indexierung entfernt oder begrenzt?
• Wo liegen Dokumente, Vektoren, Metadaten und Backups?
• Welcher Embedding- und Modellanbieter erhält Inhalte?
• Wie werden Berichtigung, Aktualisierung und Löschung in allen Ebenen umgesetzt?
• Welche Quellen zeigt das System für die fachliche Kontrolle an?

Die deutsche Datenschutzkonferenz hat 2025 eine eigene Orientierungshilfe zu generativen KI-Systemen mit RAG veröffentlicht. Für größere Wissensplattformen lohnt sich diese Prüfung bereits vor der ersten Datenübernahme.

Warum AI Cowork mehr Kontrolle als einzelne KI-Konten ermöglicht

Einzelne Business-Konten lösen häufig nur einen kleinen Teil des Unternehmensproblems. Mitarbeiter arbeiten in getrennten Chats, laden Dateien mehrfach hoch und entwickeln eigene Prompt-Sammlungen. Wissen, Berechtigungen und Qualität werden dadurch schwer einheitlich steuerbar.

AI Cowork wird als unternehmenseigenes KI-System auf einer eigenen, getrennten Instanz aufgebaut. Virtuelle KI-Mitarbeiter erhalten definierte Fähigkeiten und greifen nur auf freigegebene Wissensquellen, Postfächer oder Bestandssysteme zu. Rollen begrenzen sichtbare Funktionen und Daten. Kritische Änderungen können als Vorschlag vorbereitet und vor der Ausführung freigegeben werden.

Bei der Implementierung wird festgelegt, wo Daten gespeichert und verarbeitet werden, welche Modellanbieter für den jeweiligen Zweck eingesetzt werden und welche Informationen ein virtueller Mitarbeiter sehen darf. Die eigene Instanz erleichtert eine kontrollierte Architektur. Die datenschutzrechtliche Zulässigkeit bleibt auch hier vom konkreten Prozess, den Daten und den organisatorischen Maßnahmen des Unternehmens abhängig.

Dieser Ansatz eignet sich besonders für mittelständische Unternehmen, die E-Mail-Bearbeitung, Angebote, Aufgaben, Meeting-Protokolle oder CRM- und ERP-Datenpflege in einem gemeinsamen System organisieren möchten. Statt jedes Team mit einem weiteren allgemeinen Chatkonto auszustatten, entsteht eine Arbeitsumgebung mit Unternehmenswissen und nachvollziehbaren Zuständigkeiten.

Einführung in acht Schritten

1. KI-Inventar erstellen: Erfasse bereits genutzte Tools, private Konten, Browser-Erweiterungen, APIs und integrierte Funktionen.
2. Prozess priorisieren: Wähle einen klar abgegrenzten Anwendungsfall mit messbarem Nutzen und überschaubarem Risiko.
3. Daten klassifizieren: Ordne öffentliche, interne, vertrauliche, personenbezogene und besonders sensible Informationen.
4. Anbieter und Architektur prüfen: Vergleiche Vertrag, Aufbewahrung, Training, Regionen, Unterauftragsverarbeiter, Rollen und Schnittstellen.
5. Rechtliche Grundlage dokumentieren: Kläre Zweck, Rechtsgrundlage, Informationspflichten, Auftragsverarbeitung und gegebenenfalls DSFA.
6. Schutzmaßnahmen konfigurieren: Richte SSO, MFA, Rollen, Datenminimierung, Protokollierung, Löschung und Freigaben ein.
7. Mit realistischen Fällen testen: Prüfe fachliche Fehler, Prompt Injection, übermäßige Datenzugriffe, Rechtewechsel und Ausfälle.
8. Betrieb und Kontrolle festlegen: Benenne Verantwortliche, schule Nutzer und plane regelmäßige Überprüfungen bei Produktänderungen.

Beginne mit einem Prozess, bei dem ein Mensch das Ergebnis vor der Verwendung kontrolliert. So lassen sich Nutzen, Qualität und Datenschutz anhand realer Arbeit bewerten, bevor weitere Datenquellen oder Aktionen freigeschaltet werden.

Eine praxistaugliche KI-Richtlinie für Mitarbeiter

Viele Datenschutzprobleme entstehen durch Shadow AI: Mitarbeiter nutzen hilfreiche Tools, bevor das Unternehmen Editionen, Datenklassen und erlaubte Zwecke geklärt hat. Ein pauschales Verbot verlagert die Nutzung häufig in unsichtbare Kanäle. Eine kurze, verständliche Richtlinie schafft bessere Orientierung.

Sie sollte mindestens festlegen:

• welche KI-Tools und Konten freigegeben sind,
• welche Datenkategorien eingegeben werden dürfen,
• welche Anwendungen ausgeschlossen oder gesondert freizugeben sind,
• wie Ergebnisse fachlich geprüft und gekennzeichnet werden,
• wie mit Kundendaten, Personaldaten und vertraulichen Dokumenten umzugehen ist,
• wer neue Tools, Plugins, GPTs, Agenten oder Konnektoren genehmigt,
• an wen sich Mitarbeiter bei Fehlern oder Datenschutzvorfällen wenden.

Ergänze die Richtlinie durch kurze Schulungen mit Beispielen aus dem Arbeitsalltag. Mitarbeiter müssen erkennen können, warum ein anonymisierter Textentwurf anders zu behandeln ist als eine komplette Kundenakte.

Fazit: Die passende KI wird durch ihren kontrollierten Einsatz datenschutzkonform

ChatGPT Business oder Enterprise, Microsoft 365 Copilot, Gemini in Google Workspace und Claude for Work können für Unternehmen geeignete Grundlagen bieten. Ihre Consumer-Versionen, Vertragsbedingungen und Schutzfunktionen unterscheiden sich teils erheblich. Prüfe deshalb immer die tatsächlich verwendete Edition.

Für Standardaufgaben innerhalb eines bereits gut verwalteten Microsoft- oder Google-Ökosystems kann der jeweilige Copilot beziehungsweise Gemini sinnvoll sein. API-Produkte von OpenAI oder Anthropic bieten Flexibilität für eigene Anwendungen. Lokale Modelle und unternehmenseigene Systeme ermöglichen eine gezieltere Architektur, verlangen jedoch verlässliche technische und organisatorische Verantwortung.

Wenn mehrere Abteilungen, Firmenwissen, E-Mails, Dokumente und kontrollierte Aktionen zusammenkommen, lohnt sich eine integrierte Lösung. AI Cowork zeigt, wie virtuelle KI-Mitarbeiter auf einer eigenen Instanz mit Rollen, freigegebenem Wissen und Freigabeschritten arbeiten. In einer Demo prüfen wir gemeinsam einen konkreten Prozess und klären, welche Daten, Modelle und Schutzmaßnahmen dafür sinnvoll sind.

AI Cowork ansehen und kostenlose Demo anfragen oder direkt ein unverbindliches Erstgespräch vereinbaren.

Häufige Fragen zu DSGVO-konformer KI

Quellen und weiterführende Informationen

• EUR-Lex: Datenschutz-Grundverordnung (Verordnung (EU) 2016/679)
• Europäischer Datenschutzausschuss: Opinion 28/2024 zu Datenschutzaspekten von KI-Modellen
• Datenschutzkonferenz: Orientierungshilfen zu KI, Datenschutz, TOMs und RAG
• Europäische Kommission: AI Act und aktueller Zeitplan
• Europäische Kommission: AI Omnibus tritt in Kraft
• OpenAI: Datenschutz, Sicherheit und Compliance für Geschäftsdaten
• Microsoft: Datenschutz und Sicherheit für Microsoft 365 Copilot
• Google Workspace: Sicherheit, Compliance und Datenschutz für generative KI
• Google Workspace: Gemini FAQ für Unternehmen
• Anthropic: Rolle als Auftragsverarbeiter bei kommerziellen Claude-Produkten

Hinweis: Dieser Beitrag bietet eine allgemeine Orientierung und ersetzt keine individuelle Rechtsberatung. Datenschutzrechtliche Bewertungen hängen vom jeweiligen Unternehmen, Einsatzfall und technischen Aufbau ab.

Über den Autor

Peter Krause

KI-Berater, Buchautor & Gründer

Über Peter Krause LinkedIn KI-Buch