mail@crispycontent.de
Zuletzt aktualisiert am 11. August 2026 um 12:40 Uhr.
Eine DSGVO-konforme KI-Tool-Kette ist eine dokumentierte Abfolge von KI-Werkzeugen, bei der jeder Datenfluss zwischen den Systemen rechtlich abgesichert und nachweisbar ist. Die Herausforderung liegt in der Verkettung: Wo ein Werkzeug endet und das nächste beginnt, verschwimmen Verantwortlichkeiten, vervielfachen sich Speicherorte und entstehen Drittland-Transfers, die niemand geplant hat. Wer diese Kette beherrschen will, braucht ein System aus Kartierung, Verträgen, technischen Maßnahmen und laufender Dokumentation. Dieser Artikel liefert die Methode dafür – vom Datenfluss-Diagramm bis zur Audit-Fähigkeit unter dem EU AI Act.
Warum verkettete KI-Tools ein eigenes Datenschutzproblem erzeugen
Ein einzelnes KI-Tool lässt sich datenschutzrechtlich bewerten. Drei, fünf oder acht Tools in einer Kette – etwa ein Transkriptionsdienst, der in ein Sprachmodell speist, dessen Ausgabe ein CRM-System befüllt – erzeugen ein multiplikatives Risiko. Jede Schnittstelle ist ein potenzieller Abfluss personenbezogener Daten. Jede Schnittstelle hat einen eigenen Verantwortlichen, einen eigenen Speicherort, eine eigene Rechtsgrundlage.
Wer eine KI-Tool-Kette DSGVO-konform aufbauen will, stößt auf das eigentliche Risiko: Werkzeuge, die niemand freigegeben hat und über die trotzdem Daten fließen. Schatten-KI ist kein Kavaliersdelikt – sie reißt eine offene Lücke in den Datenschutz, genau dort, wo Verantwortlichkeit über mehrere Tools hinweg verschwimmt. Wie sich aus dieser Gemengelage ein tragfähiges Fundament aus Audit, klaren Richtlinien und sicheren Integrationen bauen lässt, zeigt KI-Governance und Compliance bei Crispy Content.
Die DSGVO-Grundprinzipien – Zweckbindung, Datenminimierung, Speicherbegrenzung, Integrität und Vertraulichkeit – gelten über die gesamte Kette. Art. 5 DSGVO kennt keine Ausnahme für „das war nur eine API-Weiterleitung". Wer personenbezogene Daten durch drei Systeme schickt, braucht für jeden Schritt eine Rechtsgrundlage nach Art. 6 DSGVO. Die Verantwortlichkeit nach Art. 26 DSGVO (gemeinsame Verantwortliche) oder Art. 28 DSGVO (Auftragsverarbeitung) muss für jede Verbindung geklärt sein – bevor der erste Datensatz fließt.
Datenflüsse kartieren: Vom Diagramm zur Schwachstelle
Bevor eine einzige Schutzmaßnahme greift, muss klar sein, welche Daten wohin fließen. In der Praxis scheitern die meisten Unternehmen genau hier, weil sie Tool-Entscheidungen treffen, ohne den Datenfluss vorher zu zeichnen.
Datenfluss-Diagramm als Pflichtübung
Ein Datenfluss-Diagramm für eine KI-Tool-Kette erfasst mindestens: Eingabedaten (Typ, Personenbezug), jedes beteiligte System, jeden Speicherort, jeden Drittland-Transfer und jede Schnittstelle zwischen den Systemen. Drittland-Transfers entstehen schneller als erwartet – ein europäisches Frontend, das eine US-API aufruft, reicht. Die Datenschutzkonferenz (DSK) hat in ihrer Orientierungshilfe von Mai 2024 klargestellt, dass bereits die Übermittlung von Prompts mit Personenbezug an einen US-Anbieter einen Transfer nach Art. 44 ff. DSGVO darstellt.
Schwachstellen systematisch identifizieren
Typische Schwachstellen in KI-Tool-Ketten:
- Unverschlüsselte Zwischenspeicher: Daten, die zwischen zwei APIs kurzzeitig im Klartext liegen.
- Logging mit Personenbezug: Systeme, die Eingaben zu Debug-Zwecken speichern, ohne Löschkonzept.
- Implizite Drittland-Transfers: CDN-Knoten, Sub-Prozessoren oder Backup-Standorte außerhalb der EU.
- Fehlende Zweckbindung: Daten, die für Zweck A erhoben und in Tool B für Zweck C weiterverarbeitet werden.
| Prüfpunkt | Frage | Risiko bei „Nein" |
|---|---|---|
| Personenbezug identifiziert | Ist für jede Schnittstelle dokumentiert, ob personenbezogene Daten fließen? | Verstoß gegen Art. 30 DSGVO (Verarbeitungsverzeichnis) |
| Drittland-Transfer geprüft | Ist für jeden Anbieter der Hosting-Standort inklusive Sub-Prozessoren bekannt? | Verstoß gegen Art. 44 ff. DSGVO |
| Löschkonzept vorhanden | Gibt es für jeden Speicherort eine definierte Löschfrist? | Verstoß gegen Art. 5 Abs. 1 lit. e DSGVO |
Anbieter und Verträge: Auftragsverarbeitung in der Kette
Ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO ist für jedes Tool in der Kette Pflicht, sobald ein externer Anbieter personenbezogene Daten im Auftrag verarbeitet. Bei KI-Tools ist das der Regelfall: Wer einen Cloud-basierten Transkriptionsdienst nutzt, lässt verarbeiten. Wer ein Sprachmodell über eine API aufruft und dabei Kundendaten übergibt, lässt verarbeiten.
Was der AVV mit KI-Anbietern abdecken muss
Der AVV muss über die Standardklauseln hinaus regeln: Trainingsausschluss (der Anbieter darf Eingabedaten nicht für Modelltraining verwenden), Speicherdauer der Prompts und Ausgaben, Standort der Verarbeitung inklusive aller Sub-Prozessoren und das Recht auf Audit. OpenAI bietet seit 2024 einen AVV für die Enterprise-API an, der den Trainingsausschluss explizit enthält. Für die kostenlose ChatGPT-Version gilt das nicht – ein Unterschied, der in der Praxis regelmäßig übersehen wird.
Hosting-Standort und Sub-Prozessoren
Die Prüfung endet nicht beim Hauptanbieter. Ein KI-Tool mit EU-Hosting kann Sub-Prozessoren in den USA einsetzen – für Monitoring, Logging oder Modell-Inferenz. Die Sub-Prozessor-Liste jedes Anbieters muss geprüft und im AVV referenziert werden. Änderungen an der Sub-Prozessor-Liste erfordern ein Widerspruchsrecht des Auftraggebers.
| Vertragselement | Anforderung Art. 28 DSGVO | Typische Lücke bei KI-Anbietern |
|---|---|---|
| Trainingsausschluss | Zweckbindung nach Art. 28 Abs. 3 lit. a | Fehlt in Standard-Nutzungsbedingungen |
| Sub-Prozessor-Transparenz | Art. 28 Abs. 2 (Genehmigung) | Liste nur auf Anfrage, kein Widerspruchsrecht |
| Löschung nach Vertragsende | Art. 28 Abs. 3 lit. g | Unklare Fristen, „within reasonable time" |
Technische Schutzmaßnahmen entlang der Kette
Verträge allein schaffen Rechtsgrundlagen, technische Maßnahmen schaffen Tatsachen. Erst beides zusammen ergibt wirksamen Schutz.
Datenminimierung als Architekturprinzip
Datenminimierung nach Art. 5 Abs. 1 lit. c DSGVO bedeutet in einer KI-Tool-Kette: Nur die Daten an das nächste Tool weitergeben, die für den konkreten Verarbeitungszweck erforderlich sind. Ein Sprachmodell, das eine E-Mail zusammenfassen soll, braucht nicht den vollständigen E-Mail-Header mit IP-Adressen und Absender-Metadaten. Vorfilterung vor der API-Übergabe ist eine DSGVO-Pflicht.
Anonymisierung, Pseudonymisierung, Verschlüsselung
- Pseudonymisierung: Personenbezogene Identifier durch Tokens ersetzen, bevor Daten an ein KI-Tool übergeben werden. Die Zuordnungstabelle bleibt intern.
- Anonymisierung: Wo möglich, Daten so aggregieren, dass kein Personenbezug mehr herstellbar ist. Anonymisierte Daten fallen nicht unter die DSGVO.
- Verschlüsselung in Transit: TLS 1.3 für jede API-Verbindung zwischen den Tools.
- Verschlüsselung at Rest: AES-256 für gespeicherte Zwischen- und Endergebnisse.
Zugriffskontrolle und Löschkonzepte
Jedes Tool in der Kette braucht ein rollenbasiertes Zugriffskonzept (RBAC). Nicht jeder Mitarbeitende, der das Frontend nutzt, braucht Zugriff auf die Rohdaten im Backend. Löschkonzepte müssen pro Speicherort definiert sein – mit konkreten Fristen in Tagen, nicht in vagen Formulierungen.
Sprachmodelle DSGVO-konform einsetzen
Sprachmodelle (LLMs) sind der kritischste Punkt jeder KI-Tool-Kette. Sie verarbeiten Freitext – und Freitext enthält fast immer personenbezogene Daten: Namen, E-Mail-Adressen, Gesundheitsinformationen, Vertragsdaten.
Cloud-Modelle vs. lokale Modelle
| Kriterium | Cloud-LLM (z. B. GPT-4 via API) | Lokales LLM (z. B. Llama 3 on-premise) |
|---|---|---|
| Datenkontrolle | Abhängig vom AVV und Anbieter-Policies | Vollständig beim Unternehmen |
| Drittland-Transfer | Möglich, je nach Anbieter-Infrastruktur | Kein Transfer |
| Trainingsrisiko | Ausschluss vertraglich sichern | Kein Risiko (eigene Infrastruktur) |
| Betriebsaufwand | Gering (Managed Service) | Hoch (Hardware, Updates, Monitoring) |
| Leistungsfähigkeit | State of the Art | Abhängig von Modellgröße und Hardware |
EU-Hosting-Optionen existieren inzwischen für die großen Anbieter: Microsoft Azure bietet EU-Datenresidenz für Azure OpenAI Service, Google Cloud bietet Vertex AI mit EU-Regionen, und Open-Source-Modelle lassen sich auf europäischen Cloud-Anbietern betreiben. Die Wahl zwischen Cloud und lokal ist eine Risikoabwägung mit konkreten Zahlen: Betriebskosten, Latenz, Datenschutz-Aufwand.
Eingabedaten filtern, Ausgaben prüfen
Vor jeder Übergabe an ein Sprachmodell steht ein Eingabefilter, der personenbezogene Daten erkennt und maskiert (Named Entity Recognition für Personen, Adressen, Telefonnummern). Nach jeder Ausgabe folgt eine Ausgabeprüfung, die verhindert, dass das Modell personenbezogene Daten aus seinem Kontext-Fenster in die Antwort einbettet. Beides ist automatisierbar – und beides ist bei personenbezogenen Daten in der Kette verpflichtend.
Technische Schutzmaßnahmen und saubere Verträge greifen erst dann wirklich, wenn die Teams wissen, was sie tun – und warum. Kompetenz im Umgang mit Datenflüssen, Sprachmodellen und dem EU AI Act entsteht aus einem stufenbasierten Aufbau vom ersten Verständnis bis zur Rolle des Power-Users. Wie ein solches Curriculum mit Zertifizierungs-Sprints und Rollen-Workshops aussieht, beschreibt die KI-Academy mit Zertifizierung von Crispy Content.
Dokumentation und Nachweis: Wer nicht protokolliert, kann nicht beweisen
Die DSGVO verlangt nicht nur Compliance – sie verlangt den Nachweis der Compliance (Art. 5 Abs. 2, Rechenschaftspflicht). Für eine KI-Tool-Kette bedeutet das: Jede Entscheidung und jede Risikoabwägung muss dokumentiert sein.
Verarbeitungsverzeichnis nach Art. 30 DSGVO
Das Verarbeitungsverzeichnis muss jede Verarbeitungstätigkeit in der Kette einzeln erfassen: Zweck, Kategorien betroffener Personen, Kategorien personenbezogener Daten, Empfänger, Drittland-Transfers, Löschfristen. Bei einer Kette aus fünf Tools sind das mindestens fünf Einträge – plus die Schnittstellen dazwischen.
Datenschutz-Folgenabschätzung für KI-Systeme
Eine Datenschutz-Folgenabschätzung (DSFA) nach Art. 35 DSGVO ist Pflicht, wenn eine Verarbeitung voraussichtlich ein hohes Risiko für die Rechte und Freiheiten natürlicher Personen zur Folge hat. Bei KI-Tool-Ketten, die personenbezogene Daten systematisch verarbeiten, ist dieses Kriterium regelmäßig erfüllt. Die DSK-Positivliste nennt explizit den Einsatz von KI zur Verarbeitung personenbezogener Daten als DSFA-pflichtigen Vorgang. Der EU AI Act ergänzt ab August 2026 für Betreiber von Hochrisiko-KI eine Grundrechte-Folgenabschätzung nach Art. 27 KI-VO – ein zusätzliches Instrument, das neben der DSFA steht.
Protokollierung und Audit-Fähigkeit
Jede Datenübergabe zwischen Tools sollte protokolliert werden: Zeitstempel, Datentyp, Ziel-System, Rechtsgrundlage. Diese Protokolle sind die Grundlage für interne Audits und für die Zusammenarbeit mit Aufsichtsbehörden. Audit-Fähigkeit bedeutet: Ein externer Prüfer kann anhand der Dokumentation nachvollziehen, welche Daten wann wohin geflossen sind – ohne das operative Team befragen zu müssen.
EU AI Act und DSGVO: Zwei Regelwerke, eine Kette
Der EU AI Act (Verordnung (EU) 2024/1689) ist seit dem 1. August 2024 in Kraft. Die Vollanwendung gilt seit dem 2. August 2026. Er ergänzt die DSGVO um KI-spezifische Pflichten. Für eine DSGVO-konforme KI-Tool-Kette bedeutet das: Zwei Regelwerke müssen parallel erfüllt werden.
Risikoklassen und Pflichten
Der EU AI Act teilt KI-Systeme in vier Risikoklassen ein: minimal (keine Pflichten), begrenzt (Transparenzpflichten nach Art. 50), hoch (voller Pflichtenkatalog nach Art. 8–15) und inakzeptabel (verboten nach Art. 5). Die Einordnung entscheidet über den gesamten Compliance-Aufwand. Ein Chatbot für Kundenservice fällt unter „begrenzt" – ein KI-System für Bewerber-Screening unter „hoch" (Anhang III Nr. 4).
Zeitliche Fristen
| Stichtag | Pflicht | Status August 2026 |
|---|---|---|
| 2. Februar 2025 | KI-Kompetenz (Art. 4), verbotene Praktiken (Art. 5) | In Kraft |
| 2. August 2025 | GPAI-Pflichten, Aufsicht, Bußgelder | In Kraft |
| 2. August 2026 | Vollanwendung, Hochrisiko-KI Anhang III | In Kraft |
| 2. August 2027 | Hochrisiko-KI in Anhang-I-Produkten | Kommend |
Die KI-Kompetenz-Pflicht aus Art. 4 gilt seit Februar 2025 für alle Mitarbeitenden, die KI-Systeme bedienen – auch im Marketing, HR oder Vertrieb. Wer keine Schulungsnachweise dokumentiert hat, ist bereits in der Pflichtverletzung. Die Bußgelder sind nach Verstoßart gestaffelt: Bis zu 35 Mio. Euro oder 7 % des weltweiten Jahresumsatzes für Verstöße gegen verbotene Praktiken (Art. 5), bis zu 15 Mio. Euro oder 3 % für Verstöße gegen andere Pflichten des AI Act.
Datenschutz von Anfang an: Checkliste für die Tool-Auswahl
Datenschutz nachträglich in eine bestehende KI-Tool-Kette einzubauen kostet ein Vielfaches dessen, was eine saubere Planung von Beginn an kostet. Privacy by Design (Art. 25 DSGVO) ist eine Rechtspflicht.
Die Zusammenarbeit mit dem Datenschutzbeauftragten beginnt nicht bei der Freigabe, sondern bei der Evaluierung. Jedes neue Tool in der Kette durchläuft eine Prüfung: AVV vorhanden? Hosting-Standort EU? Sub-Prozessoren dokumentiert? Trainingsausschluss vertraglich gesichert? Löschkonzept definiert? DSFA erforderlich? Erst wenn alle Fragen beantwortet sind, geht das Tool in den Betrieb.
Laufende Überprüfung gehört zum Pflichtprogramm. Anbieter ändern ihre Sub-Prozessor-Listen, verschieben Hosting-Standorte, passen Nutzungsbedingungen an. Ein jährlicher Review reicht nicht – quartalsweise Prüfung der Anbieter-Dokumentation ist das Minimum. Bei Unsicherheit gilt: Beratung holen, bevor der Datenfluss startet. Die Kosten einer Datenschutzverletzung – global durchschnittlich 4,88 Mio. USD laut IBM Cost of a Data Breach Report 2024 – übersteigen jedes Beratungshonorar um Größenordnungen.
Wer eine KI-Tool-Kette mit dokumentierten Datenflüssen, geprüften Verträgen und technischen Schutzmaßnahmen betreibt, kann gegenüber Aufsichtsbehörden und Kunden für seine Verarbeitung geradestehen. Die Methode besteht aus Kartierung, Verträgen, Technik, Dokumentation und laufender Prüfung – und sie lässt sich ab heute umsetzen.
Quellen
- IHK München (2024): Datenschutz & Künstliche Intelligenz (KI) – darauf müssen Unternehmen achten. URL: https://www.ihk-muenchen.de/ratgeber/recht/datenschutz/ki/ (Zugriff am 10.08.2026).
- Europäische Kommission (2024): AI Act – Regulatory Framework for AI. URL: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai (Zugriff am 10.08.2026).
- EU Artificial Intelligence Act (2024): Implementation Timeline. URL: https://artificialintelligenceact.eu/implementation-timeline/ (Zugriff am 10.08.2026).
- Gesellschaft für Datenschutz (2024): ChatGPT und Auftragsverarbeitung. URL: https://gesellschaft-datenschutz.de/chatgpt-und-auftragsverarbeitung/ (Zugriff am 10.08.2026).
Gerrit Grunert
Gerrit Grunert ist Gründer und CEO von Crispy Content®. 2019 veröffentlichter er das bei Springer Gabler erschienene Standard-Werk "Methodisches Content Marketing" sowie die Online-Kurs-Serie "Making Content". Privat ist Gerrit ein leidenschaftlicher Gitarren-Sammler, liest gern Bücher von Stefan Zweig und hört Musik von vorgestern.
.png)
.jpg){kind=tracking}
.jpg)
-1.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
