Sechs Ansätze für bessere Datenkontrolle.
Wer KI im Unternehmen einführt, hat genug Fragen auf dem Tisch: Welche Prozesse würden davon profitieren? Welches Modell passt? Wie nimmt man das Team mit? Das sind alles berechtigte Fragen – und Datensicherheit ist Teil dieses Gesprächs.
Laut dem Cisco Data and Privacy Benchmark Study 2026 erkennen 70 Prozent der Unternehmen weltweit das Risiko, dass vertrauliche Unternehmensdaten unkontrolliert in KI-Systeme fließen. Die eigentliche Frage stellt sich überall dort, wo Unternehmen KI einsetzen: Was passiert mit den Daten, die ich in diese Systeme eingebe? Und wissen wir das überhaupt?
Welche Daten stehen auf dem Spiel?
Es gibt zwei Arten von Daten, die hier relevant sind – jede aus unterschiedlichen Gründen.
Personenbezogene Daten umfassen Informationen, die mit identifizierbaren Personen verknüpft werden können: Namen, E-Mail-Adressen, Telefonnummern, aber auch Gehaltszahlen, Krankentage und Kundendatensätze. Wer eine HR-Anfrage in ChatGPT eingibt und dabei Mitarbeiterdaten enthält, hat diese Daten an einen Dritten weitergegeben – mit allen rechtlichen Konsequenzen, die das mit sich bringt.
Proprietäres Wissen ist die zweite Art, und sie wird oft übersehen. Strategische Pläne, Finanzmodelle, Kundenlisten, interne Prozessdokumentation, unveröffentlichte Produktideen. Diese Daten sind nicht zwingend personenbezogen – aber sie sind vertraulich. Und sie landen in den Systemen der KI-Anbieter, genau wie alles andere. Es ist kein Zufall, dass die oben zitierte Cisco-Studie festgestellt hat, dass 77 Prozent der Unternehmen den Schutz geistigen Eigentums bei KI-Datensätzen als eine ihrer größten Governance-Herausforderungen identifizieren.
Beide Arten haben eines gemeinsam: Sie verlassen das Unternehmen in dem Moment, in dem sie in ein KI-System eingegeben werden.
Warum KI das Risiko verändert
Dieses Problem begann nicht mit KI. Unternehmensdaten sind seit Langem zu Dritten geflossen – das ist eine bewusste Entscheidung, auf Basis von Verträgen und Garantien. Man vertraut Anbietern – und das ist legitim.
Mit KI stehen die Einsätze höher. KI-Systeme sind darauf ausgelegt, riesige Datenmengen zu verarbeiten, was bedeutet, dass das, was zuvor unstrukturiert und praktisch unzugänglich war, plötzlich analysiert werden kann. Und die Frage, wer auf diese Daten zugreifen kann, geht über die Beziehung zwischen einem Unternehmen und seinem Anbieter hinaus. Regierungen können Unternehmen zur Herausgabe von Daten zwingen. Wo auch immer Daten gespeichert werden – beim Anbieter selbst oder bei einem Zwischendienst – entstehen neue Angriffsflächen. Und der Anbieter selbst: Nutzungsbedingungen können sich ändern, Mitarbeiter haben Zugriff, und ob Daten für das Training verwendet werden, ist oft nicht klar definiert.
Was genau mit Ihren Eingaben passiert – ob sie in irgendeiner Form für das Training verwendet werden, wie lange sie gespeichert werden, wer Zugriff hat – ist selten dokumentiert und noch seltener kommuniziert. Die Cisco-Studie macht das konkret: 90 Prozent der Unternehmen haben ihre Datenschutzprogramme aufgrund von KI erweitert – aber nur 12 Prozent beschreiben ihre KI-Governance als wirklich ausgereift. Bewusstsein und Handeln liegen weit auseinander.
Das ist der Unterschied. Nicht ob Daten zu Dritten fließen – das tun sie schon immer. Sondern was dort mit ihnen passiert und wie bewusst Unternehmen diese Entscheidung treffen.
Ist DSGVO-Konformität genug?
Wer sich mit diesem Thema beschäftigt, stolpert schnell über einen Begriff, der als Antwort verwendet wird: DSGVO-konform. Die Datenschutz-Grundverordnung ist ein rechtlicher Rahmen – sie regelt, wie personenbezogene Daten behandelt werden müssen. Sie beantwortet nicht, ob Unternehmensdaten das Gebäude verlassen, wer darauf zugreifen kann oder was im schlimmsten Fall damit passiert. Das ist keine Kritik an der DSGVO – sie ist wichtig und bedeutsam. Aber sie ist kein Ersatz für eine bewusste Entscheidung darüber, welchen Systemen man welche Daten anvertraut.
Die gleiche Cisco-Studie ist hier aufschlussreich: 81 Prozent der Unternehmen vertrauen darauf, dass ihre KI-Anbieter transparent in Bezug auf Datenpraktiken sind – aber nur 55 Prozent haben das tatsächlich vertraglich gesichert. Vertrauen ohne vertragliche Grundlage ist fragil. Und was laut der Studie tatsächlich Vertrauen aufbaut, ist nicht Compliance: 46 Prozent der Unternehmen nennen klare Kommunikation darüber, was mit Daten passiert, als wirksamste Maßnahme – weit vor „Einhaltung von Datenschutzgesetzen nachweisen" mit 18 Prozent.
Sechs Ansätze für bessere Datenkontrolle
Es gibt keine perfekte Lösung. Aber es gibt fundiertere Entscheidungen – und sie liegen auf einem Spektrum von „einfach und pragmatisch" bis „maximale Kontrolle."
Das richtige Maß an Kontrolle hängt vom Anwendungsfall, den betroffenen Daten und der Risikobereitschaft Ihres Unternehmens ab. Die Pyramide zeigt Ihre Optionen.
1. Sensibilisierung und Kompetenzaufbau
Der einfachste, aber oft unterschätzte Ansatz: Mitarbeiter verstehen, was sie tun, wenn sie Daten in ein KI-System eingeben. Welche Arten von Informationen sind sensibel? Was sollte nie in ChatGPT eingegeben werden? Das ist keine einmalige Mitteilung – es ist ein fortlaufender Prozess. Und seit Februar 2025 ist es auch eine gesetzliche Verpflichtung: Artikel 4 des EU AI Acts verpflichtet alle Organisationen, die KI nutzen, sicherzustellen, dass ihre Mitarbeiter ausreichende KI-Kompetenz besitzen.
2. Datenschutzkonforme Unternehmenskonten
Statt persönlicher Accounts nutzen Mitarbeiter Unternehmenskonten bei Anbietern, die vertraglich zusichern, dass Daten nicht für das Training verwendet werden – etwa Claude Teams, ChatGPT Enterprise oder Microsoft 365 Copilot mit einem Enterprise Agreement. Das schafft klarere Bedingungen als der unkontrollierte Mix aus privaten Accounts und Unternehmensgeräten.
Eine wichtige Unterscheidung: Diese Ebene bedeutet DSGVO-konform per Vertrag – aber Daten werden standardmäßig noch auf Infrastruktur außerhalb der EU verarbeitet.
3. Unternehmenskonto mit EU-Datenspeicherung
Ein wichtiger Zwischenschritt: Viele der großen Anbieter ermöglichen es, Daten ausschließlich auf europäischer Infrastruktur zu verarbeiten – entweder direkt konfigurierbar oder über europäische Cloud-Infrastruktur zugänglich. Ein bekanntes Beispiel ist Azure ChatGPT (Azure OpenAI Service): Unternehmen nutzen dieselben GPT-Modelle wie bei OpenAI direkt – aber über Microsofts EU-Server, mit Microsoft-Vertrag und ohne Nutzung der Daten für Training. Das erfordert eine bewusste Konfigurationsentscheidung und ist nicht immer der Standard. Für Unternehmen, die bereits in etablierten Cloud-Umgebungen operieren, ist das oft der pragmatischste Weg zu echter EU-Datenspeicherung. Ein Vorbehalt bleibt: Alle großen KI-Anbieter sind US-amerikanische Unternehmen und unterliegen dem CLOUD Act, der unter bestimmten Umständen US-Behörden den Zugriff auf Daten erlaubt – auch wenn diese physisch in der EU gespeichert sind. Ob das für Ihr Risikoprofil relevant ist, muss jede Organisation für sich selbst einschätzen.
4. Europäischer Anbieter oder Plattform
Europäische Anbieter unterliegen europäischem Recht und haben keine Verpflichtungen gegenüber US-Behörden. Mistral AI (Paris) entwickelt eigene Modelle auf europäischen Servern, Aleph Alpha (Heidelberg) spezialisiert sich auf datensouveräne KI für regulierte Branchen und den öffentlichen Sektor.
Langdock (Berlin) und meinGPT (München) sind europäische Plattformen, die auch Modelle von US-Anbietern mit EU-seitigem Inferencing anbieten. Das funktioniert, weil Anthropic, OpenAI und Google ihre Modelle über EU-Infrastrukturen bereitstellen – etwa Google Cloud Vertex AI (Frankfurt) oder AWS Bedrock (Frankfurt, Irland). Langdock kennzeichnet für jedes Modell transparent die Hosting-Region. meinGPT bietet ein abgestuftes System: von rein europäischen Anbietern (Stufe 1) bis zu global operierenden Modellen (Stufe 3/4). Nicht alle Modellversionen sind in EU-Regionen sofort verfügbar – neue Releases erscheinen dort oft später als global.
Der Vorbehalt bleibt: Auch bei EU-Inferencing sind die Basismodelle von OpenAI, Anthropic und Google US-amerikanische Produkte – und damit grundsätzlich dem CLOUD Act unterworfen. Wer das vollständig ausschließen will, kommt an europäisch-nativen Modellen wie Mistral nicht vorbei.
5. Eigenes Setup auf eigener Infrastruktur
Hier wird es technisch anspruchsvoller, aber auch deutlich kontrollierbarer: ein dediziertes KI-System auf dedizierten Servern, auf die nur das Unternehmen zugreifen kann. Anfragen an Sprachmodelle laufen über API-Verbindungen mit eigenen Verträgen, ohne einen Drittanbieter dazwischen. Was ein- und ausgeht, liegt vollständig unter eigener Kontrolle. Dass 86 Prozent der Unternehmen lokal gespeicherte Daten als sicherer betrachten, ist nicht überraschend – die Frage ist, ob die Umsetzung dem tatsächlich folgt.
6. Vollständig lokales Modell
Das Maximum an Kontrolle: ein Sprachmodell, das vollständig lokal läuft – auf eigener Hardware, ohne Internetverbindung, ohne externe API-Aufrufe. Keine Daten verlassen das Gebäude. Die Leistung ist derzeit im Vergleich zu den großen Cloud-Modellen eingeschränkter, aber für spezifische Anwendungsfälle völlig geeignet. Und die Modelle werden immer besser.
Die richtige Frage stellen
Die sechs Ansätze schließen sich nicht gegenseitig aus. Viele Unternehmen werden bei einem hybriden Modell landen – und das macht Sinn: Für einfache, wenig sensible Aufgaben reicht ein datenschutzkonformes Unternehmenskonto. Für kritische Unternehmensdaten ist ein dediziertes Setup oder ein europäischer Anbieter sinnvoller. Und für maximale Kontrolle betreibt man das Modell vollständig lokal.
Da ist auch die Frage der Resilienz: Welche Abhängigkeiten bauen Sie auf? Was passiert, wenn ein Anbieter die Preise erhöht, seine Bedingungen ändert oder den Dienst einstellt? Unternehmen, die diese Fragen bewusst beantworten, haben eine KI-Strategie. Die, die es nicht tun, haben eine Abhängigkeit.
Und hinter all dem steckt die Frage, die zuerst kommen sollte, vor jedem Gespräch über Tools, Anbieter oder Compliance-Strukturen: Was schicken wir da eigentlich raus – und wissen wir das?
Diese Frage zu stellen ist keine Bremse für die KI-Einführung. Es ist der Unterschied zwischen einer Entscheidung, die man getroffen hat, und einer, die einfach passiert ist.