Was gespeichert wird
Name, Rolle, Projekte, Vorlieben, Arbeitskontext, wiederkehrende Themen oder sensible Hinweise.
Memory
Memory-Funktionen machen KI nützlicher, erhöhen aber das Datenschutzrisiko. Gespeicherte Fakten können personenbezogen, falsch, veraltet oder für andere Kontexte ungeeignet sein.
Name, Rolle, Projekte, Vorlieben, Arbeitskontext, wiederkehrende Themen oder sensible Hinweise.
Eine spätere Antwort kann alte Informationen wiederverwenden, obwohl der aktuelle Zweck anders ist.
Memory regelmäßig öffnen, falsche Einträge löschen, sensible Themen im temporären Chat bearbeiten.
Memory in Arbeitskonten zentral konfigurieren und verbotene Datenklassen klar benennen.
Umsetzung
Gute KI-Datenschutzseiten müssen nicht nur warnen. Sie müssen zeigen, welche Entscheidung heute getroffen werden kann, welche Nachweise fehlen und wann ein Projekt gestoppt werden sollte.
Beschreiben Sie den konkreten KI-Einsatz in einem Satz: Wer nutzt welches Tool, mit welchen Daten, für welchen Zweck und mit welcher Wirkung auf Personen?
Entfernen Sie Namen, Kundennummern, Gesundheitsdaten, Bewerbungsdetails, Schülerdaten und interne Geheimnisse, sofern sie für das Ergebnis nicht zwingend nötig sind.
Prüfen Sie Training, Speicherung, Region, Unterauftragnehmer, AVV/DPA, Löschfristen, Rollen, Protokolle und Export. Marketingaussagen reichen nicht.
Bei HR, Schule, Gesundheit, Scoring, Überwachung, Kindern oder besonderer Datenkategorie: Datenschutzbeauftragte einbinden und DSFA-Frage dokumentieren.
Entscheidungsmatrix
Viele Organisationen scheitern nicht an der juristischen Theorie, sondern an schwammigen Alltagsregeln. Die folgende Matrix übersetzt Datenschutzanforderungen in Entscheidungen, die Teams wirklich nutzen können.
| Signal | Freigabe möglich | Nur begrenzt | Stoppsignal |
|---|---|---|---|
| Datenart | Öffentliche oder synthetische Inhalte ohne Personenbezug. | Interne Texte mit geringem Personenbezug, wenn Tool und Vertrag geprüft sind. | Gesundheitsdaten, Kinder, HR-Entscheidungen, Scoring, Geheimnisse oder Mandantendaten. |
| Training | Vertragliche No-Training-Zusage oder klare deaktivierte Trainingsnutzung. | Opt-out nur als Nutzereinstellung; regelmäßige Kontrolle nötig. | Unklare Modellverbesserung, keine Angaben zu Feedback, Dateien oder Logs. |
| Kontrolle | SSO, Rollen, Auditlog, Löschung, Export, Workspace-Policies. | Einzelkonten mit dokumentierter Anleitung und Datenklassenregeln. | Private Accounts für Kunden-, Patienten-, Schüler- oder Bewerbungsdaten. |
| Betroffenenwirkung | Reine Textentwürfe ohne automatische Entscheidung. | Vorschläge mit menschlicher Prüfung und klarer Kennzeichnung. | Automatisierte Ablehnung, Ranking, Überwachung oder Profilbildung ohne Prüfung. |
Beispiele
„Du darfst öffentliche Produkttexte, anonymisierte Beispiele und interne Entwürfe ohne Personenbezug in freigegebene KI-Tools eingeben.“
„Kundendaten, Vertragsauszüge, Supportfälle und HR-Dokumente dürfen nur in Tools mit AVV, No-Training-Zusage, Rollen und Löschkonzept verarbeitet werden.“
„Gesundheitsdaten, Passwörter, private Nachrichten, Bewerbungsbewertungen, Kinder- oder Schülerdaten und Geschäftsgeheimnisse gehören nicht in öffentliche KI-Konten.“
„Wenn KI eine Entscheidung über Menschen vorbereitet, muss der Zweck, die Datenquelle, die menschliche Prüfung und die Rechtsgrundlage dokumentiert werden.“