Ich höre diesen Satz inzwischen mindestens einmal pro Woche. Manchmal von einem Unternehmer, der sich ernsthaft Gedanken macht. Öfter von jemandem, der froh ist, einen Grund gefunden zu haben, sich mit dem Thema KI nicht auseinandersetzen zu müssen. „Wir können das bei uns nicht einsetzen. DSGVO.“ Punkt. Ende der Diskussion.
Und ich verstehe den Reflex. Die DSGVO ist komplex, die Strafen sind real, und die Ratschläge, die man von verschiedenen Seiten bekommt, widersprechen sich so gründlich, dass man am liebsten gar nichts macht. Auf der einen Seite der Anwalt, der sagt: Bloß nichts anfassen. Auf der anderen Seite der KI-Enthusiast (manchmal bin das ich), der sagt: Läuft doch alles, entspann dich. Irgendwo dazwischen sitzt du, mit deinem Betrieb, deinen Mitarbeitern, deinen Kundendaten, und weißt nicht, wem du glauben sollst.
Die Wahrheit liegt nicht in der Mitte. Sie ist komplizierter als das. Aber sie ist auch nicht so düster, wie die lautesten Stimmen in dieser Debatte suggerieren.
Zwei Lager, ein tiefer Graben
Es gibt in der DSGVO-KI-Diskussion zwei Gruppen, die aneinander vorbeireden, weil sie grundlegend verschiedene Probleme lösen wollen.
Die erste Gruppe sind Juristen und Datenschutzbeauftragte. Ihr Job ist es, Risiken zu identifizieren und zu minimieren. Das ist wichtig und richtig. Das Problem: Wenn Risikovermeidung das einzige Ziel ist, dann ist die sicherste Empfehlung immer „nichts tun“. Kein Tool, keine Daten, kein Problem. Das mag rechtlich korrekt sein, betriebswirtschaftlich ist es eine Katastrophe.
Die zweite Gruppe sind Unternehmer, die im Wettbewerb stehen. Sie sehen, wie Mitbewerber mit KI-Unterstützung schneller, günstiger und effizienter werden. Sie wissen, dass sie nicht ewig warten können. Also nutzen sie Tools, oft ohne genau zu wissen, was datenschutzrechtlich passiert, und schlafen trotzdem halbwegs gut.
Beide Gruppen haben recht, zumindest teilweise. Und genau das macht die Diskussion so frustrierend: Es gibt keine einfache Antwort, die für jeden Anwendungsfall und jeden Betrieb passt. Aber es gibt einen Weg, die Frage strukturierter anzugehen, als es die meisten tun.
Was die DSGVO wirklich verbietet, und was nicht
Hier liegt das erste, größte Missverständnis. Die DSGVO ist kein KI-Verbot. Sie ist auch kein Cloud-Verbot. Sie ist ein Regelwerk für den Umgang mit personenbezogenen Daten. Und der entscheidende Begriff ist genau dieser: personenbezogene Daten.
Personenbezogen ist eine Information dann, wenn sie sich auf eine identifizierbare natürliche Person bezieht. Name, Adresse, E-Mail, IP-Adresse, Kundennummer, Gesundheitsdaten, der ganze bekannte Kanon. Was nicht darunter fällt: anonymisierte Informationen, allgemeine Texte, interne Prozessdokumentation ohne Personenbezug, Produktbeschreibungen, Marktanalysen.
Das klingt banal, ist es aber nicht. Denn ein großer Teil dessen, womit EPU und KMU KI täglich nutzen könnten und wollen, berührt gar keine personenbezogenen Daten. Du kannst Claude oder ChatGPT bitten, einen Angebotsentwurf zu formulieren, ohne auch nur einen Kundennamen zu erwähnen. Du kannst ein KI-Tool nutzen, um eine Produktbeschreibung zu optimieren. Du kannst Prozesse dokumentieren, Brainstormings strukturieren, Präsentationen aufbauen, alles ohne einen einzigen Datensatz zu übermitteln, der unter die DSGVO fällt.
Das Problem beginnt genau dann, wenn Personendaten ins Spiel kommen. Und dann wird es schnell ungemütlich.
Die drei echten Probleme
Problem 1: Deine Kundendaten landen auf US-Servern
Das ist der Kernkonflikt, und er ist real. Wenn du einem KI-Tool eine E-Mail eines Kunden gibst, um eine Antwort formulieren zu lassen, dann verlässt dieser Text deinen Kontrollbereich. Er landet auf Servern von OpenAI, Anthropic, Google oder einem anderen Anbieter, fast ausnahmslos in den USA.
Das Schrems-II-Urteil des EuGH hat 2020 festgestellt, dass US-amerikanische Behörden unter bestimmten Umständen Zugriff auf Daten verlangen können, die auf US-Servern liegen, auch wenn diese Daten von europäischen Unternehmen stammen. Das EU-US Data Privacy Framework, das 2023 in Kraft getreten ist, soll dieses Problem lösen. Ob es das wirklich tut, darüber streiten Juristen bis heute. Max Schrems hat bereits angekündigt, auch dieses Framework anzufechten.
Praktisch bedeutet das: Wenn du Kundendaten in ein KI-Tool eingibst, ohne einen Data Processing Agreement (DPA) mit dem Anbieter abgeschlossen zu haben, und ohne sicherzustellen, dass dieser Anbieter unter dem EU-US Data Privacy Framework zertifiziert ist, bewegst du dich in einer rechtlichen Grauzone. Keine schöne Situation.
Problem 2: Wird dein Input zum Trainingsmaterial?
Die zweite große Frage: Nutzen die KI-Anbieter das, was du eingibst, um ihre Modelle weiterzutrainieren? Die Antwort ist differenzierter als oft dargestellt.
OpenAI etwa nutzt Eingaben aus der kostenlosen ChatGPT-Version standardmäßig für das Training, sofern du das nicht aktiv deaktivierst. Bei den API-Versionen und den Business-Abos ist das anders geregelt. Anthropic, der Hersteller von Claude, schreibt in seiner Datenschutzrichtlinie, dass Konversationsdaten nicht standardmäßig für das Training verwendet werden, außer du stimmst dem explizit zu. Google hat ähnliche Differenzierungen zwischen Workspace-Accounts und privaten Konten.
Das Problem ist nicht, dass diese Regelungen nicht existieren. Das Problem ist, dass die wenigsten Nutzer sie kennen, gelesen oder aktiv konfiguriert haben. Wenn du nicht weißt, unter welchen Bedingungen du einen Dienst nutzt, kannst du die DSGVO-Konformität nicht sicherstellen. Das ist keine Frage des Tools, das ist eine Frage der eigenen Sorgfaltspflicht.
Problem 3: Die Blackbox-Verarbeitung
Die DSGVO verlangt in Artikel 5 unter anderem Transparenz und Zweckbindung. Betroffene Personen haben ein Recht darauf zu wissen, was mit ihren Daten passiert. Das ist mit klassischen Softwareanwendungen noch halbwegs handhabbar. Mit generativen KI-Modellen wird es philosophisch: Niemand kann mit absoluter Sicherheit sagen, was mit einem Input innerhalb eines Large Language Models passiert, welche Informationen wo gespeichert, verknüpft oder later abgerufen werden.
Das ist kein hypothetisches Problem. Es ist ein strukturelles. Und es macht pauschale Aussagen wie „das ist DSGVO-konform“ oder „das ist DSGVO-widrig“ eigentlich unmöglich, weil die Antwort von einer Vielzahl von Faktoren abhängt: Welcher Anbieter, welches Produkt, welche Konfiguration, welche Datenkategorie, welcher Verwendungszweck.
Was trotzdem geht, und zwar sofort
Ich bin KI-Berater für EPU und KMU in der DACH-Region, und ich erlebe täglich, wie Betriebe zwischen zwei gleich schlechten Optionen wählen: entweder alles blockieren oder blindlings nutzen. Es gibt eine dritte Option, und sie ist praktikabler als die meisten denken.
Die „kein Personenbezug“ Regel als erstes Filter
Bevor du irgendein KI-Tool für eine Aufgabe nutzt, stelle dir eine einzige Frage: Enthält das, was ich eingebe, Informationen, die sich auf eine identifizierbare Person beziehen? Wenn nein, dann ist das DSGVO-Problem für diese konkrete Aufgabe deutlich kleiner. Nicht null, aber deutlich kleiner. Textentwürfe, Recherchen, Prozessdokumentationen, Brainstormings, Übersetzungen ohne Personendaten: All das ist mit vertretbarem Risiko möglich.
DPA abschließen, bevor du Personendaten einsetzt
Wenn du Personendaten verarbeitest, brauchst du mit dem KI-Anbieter einen Auftragsverarbeitungsvertrag (Data Processing Agreement). Microsoft bietet das für seine Copilot-Produkte an, die in den Microsoft 365 Diensten integriert sind. Anthropic bietet DPAs für Claude-API-Nutzer an. Google Workspace hat entsprechende Regelungen für Business-Accounts. Diese Verträge sind nicht perfekt, aber sie sind ein wesentlicher Schritt in Richtung Compliance.
Ohne DPA darfst du technisch gesehen keine personenbezogenen Daten an externe KI-Dienste übergeben. Punkt. Das ist unbequem, aber so steht es im Gesetz.
Lokale Modelle als Ausweg für sensible Daten
Für Anwendungsfälle, bei denen es keine Möglichkeit gibt, Personenbezug zu vermeiden, gibt es eine zunehmend realistische Alternative: Lokale KI-Modelle, die auf deiner eigenen Infrastruktur laufen. Tools wie Ollama ermöglichen es inzwischen auch technisch weniger versierten Nutzern, leistungsstarke Open-Source-Modelle wie Llama oder Mistral auf einem eigenen Server zu betreiben. Die Qualität dieser Modelle hat sich in den letzten zwei Jahren so dramatisch verbessert, dass sie für viele Geschäftsanwendungen vollkommen ausreichen.
Der Nachteil ist klar: Aufwand, Kosten, technische Komplexität. Für einen EPU ohne IT-Affinität ist das keine reale Option. Für einen KMU mit einem IT-affinen Mitarbeiter oder einem externen Dienstleister kann es der entscheidende Schritt sein, um KI auch für sensible Prozesse nutzbar zu machen.
Was ich selbst mache, ganz konkret
Ich bin kein Anwalt und gebe keine Rechtsberatung. Aber ich kann beschreiben, wie ich in meinem eigenen Betrieb vorgehe, als EPU mit Kundenkontakt und realen Personendaten.
Ich nutze Claude und Gemini täglich für Textentwürfe, Recherchen, Konzepte und Content-Produktion. Dabei gebe ich grundsätzlich keine echten Kundennamen, keine E-Mail-Adressen, keine konkreten Auftragsdaten ein. Wenn ich ein Angebot formulieren lasse, dann mit Pseudonymen oder abstrakten Beschreibungen („mein Kunde ist ein Handwerksbetrieb mit 15 Mitarbeitern in Salzburg“), nicht mit dem echten Firmennamen und der Adresse.
Für meine Kundenkommunikation, also dort, wo echte Personen und echte Daten ins Spiel kommen, nutze ich KI als Stilberater, nicht als Datenverarbeiter. Ich schreibe den Text, ich lasse ihn auf Ton, Klarheit und Struktur prüfen, ohne die ursprüngliche E-Mail des Kunden hineinzukopieren. Intelligente Autoresponder setze ich auch ein. Die laufen auf meinem Server, in der EU, ohne Datenspeicherung. Textanalyse. Vernünftige Antwort. Lokales LLM als Datenverarbeiter. Da lernt kein LLM, keine Daten gehen über den großen Teich oder ins Reich der Mitte.
Das ist pragmatisch. Das ist nicht perfekt. Aber es ist ein bewusster Umgang mit dem Thema, der deutlich besser ist als entweder blind alles einzugeben oder KI überhaupt nicht zu nutzen.
Shadow AI: Das eigentliche Problem
Hier muss ich kurz unbequem werden. Das größte DSGVO-Risiko im Zusammenhang mit KI ist in den meisten Betrieben nicht die bewusste Entscheidung des Chefs. Es ist das, was Mitarbeiter ohne Wissen der Führung tun.
Shadow AI, also die nicht autorisierte Nutzung von KI-Tools durch Mitarbeitende, ist in österreichischen und deutschen Unternehmen weit verbreitet. Studien schätzen, dass ein erheblicher Anteil der Mitarbeitenden, die KI nutzen, dies ohne offizielle Freigabe tut. Sie kopieren Kundendaten in ChatGPT, weil es schneller geht. Sie laden Dokumente hoch, um Zusammenfassungen zu erstellen. Sie nutzen kostenlose Tools auf privaten Accounts, wo kein DPA existiert und keine Unternehmenskonfiguration greift.
Das ist kein Vorwurf an diese Mitarbeitenden. Sie wollen effizienter arbeiten, das ist gut. Das Problem ist das fehlende Framework. Unternehmen, die KI nicht aktiv und transparent für ihre Mitarbeitenden gestalten, geben die Kontrolle ab, ohne es zu merken. Die DSGVO-Verantwortung bleibt trotzdem beim Unternehmen.
Die beste Reaktion auf Shadow AI ist nicht Verbote. Es ist Aufklärung, klare Richtlinien und das Bereitstellen von genehmigten, konfigurierten Alternativen. Wer seinen Mitarbeitenden sagt „KI dürft ihr nicht nutzen“, schiebt das Problem in den Untergrund. Wer sagt „KI dürft ihr so nutzen“, hat eine Chance auf Kontrolle.
Die EU AI Act-Schicht kommt noch dazu
Wer gedacht hat, die DSGVO allein sei schon kompliziert genug, dem sei gesagt: Der EU AI Act, der seit August 2024 in Kraft ist und dessen Kernanforderungen ab 2025 und 2026 stufenweise wirksam werden, fügt eine weitere Regulierungsebene hinzu. Er klassifiziert KI-Systeme nach Risikogruppen und stellt für Hochrisiko-Anwendungen erhebliche Anforderungen an Transparenz, Dokumentation und menschliche Aufsicht.
Für die meisten EPU und KMU, die KI für interne Prozesse und Content nutzen, sind die unmittelbaren Auswirkungen des AI Acts überschaubar. Aber wer KI-basierte Systeme einsetzt, die Entscheidungen über Menschen beeinflussen, zum Beispiel im HR-Bereich, in der Kreditvergabe oder im Kundenscoring, der sollte das Thema schon heute ernst nehmen.
Was du jetzt konkret tun kannst
Ich werde diesen Artikel nicht mit einer Liste von zehn To-Dos abschließen, die du eh nicht alle umsetzt. Stattdessen: drei Punkte, die wirklich einen Unterschied machen.
Erstens: Führe in deinem Betrieb eine ehrliche Bestandsaufnahme durch. Welche KI-Tools werden genutzt, von wem, für welche Zwecke, mit welchen Daten? Wenn du diese Frage nicht beantworten kannst, ist das dein erstes Problem.
Zweitens: Unterscheide konsequent zwischen Aufgaben ohne Personenbezug (sofort und mit vertretbarem Risiko nutzbar) und Aufgaben mit Personenbezug (DPA erforderlich, Konfiguration prüfen, im Zweifel lokale Alternativen erwägen).
Drittens: Hör auf, DSGVO als Ausrede zu nutzen. Ich sage das direkt, weil ich weiß, dass es manchmal genau das ist. Die DSGVO ist eine echte Herausforderung, keine Frage. Aber sie ist lösbar, zumindest für einen Großteil der Anwendungsfälle, die EPU und KMU wirklich interessieren. Wer das Thema ernst nimmt, einen pragmatischen Rahmen schafft und im Zweifel juristischen Rat einholt, kann KI nutzen. Vorsichtig, bewusst, mit klaren Grenzen, aber nutzen.
Die Alternative ist, zuzusehen, wie die Konkurrenz das tut.
