KI und Datenschutz: Wann Cloud reicht – und wann es on-premises sein muss
Kaum eine Frage bekomme ich in KI-Projekten häufiger gestellt: „Dürfen wir das überhaupt – mit unseren Daten?” Die gute Nachricht: DSGVO-konformer KI-Einsatz ist Alltag, kein Kunststück. Die Antwort hängt aber davon ab, welche Daten verarbeitet werden und wo.
Die entscheidende Frage: Welche Daten?
Bevor über Anbieter diskutiert wird, gehört die Datenfrage auf den Tisch. Grob vereinfacht gibt es drei Stufen. Unkritisch sind öffentliche Informationen und allgemeine interne Texte ohne Personenbezug – hier ist praktisch jede seriöse KI-Umgebung nutzbar. Sensibel sind interne Geschäftsdaten und Dokumente mit gelegentlichem Personenbezug – hier braucht es einen Anbieter mit Auftragsverarbeitungsvertrag (AVV), EU-Datenverarbeitung oder EU-Standardvertragsklauseln und der Zusicherung, dass nicht auf den eigenen Daten trainiert wird. Hochsensibel sind besondere Kategorien personenbezogener Daten, Gesundheitsdaten, Mandanten- und Patientendaten oder zentrale Geschäftsgeheimnisse – hier lohnt der Blick auf Anonymisierung und On-Premises-Betrieb.
Was Cloud-Anbieter heute leisten
Die Enterprise-Angebote der großen KI-Anbieter haben in den letzten Jahren aufgeholt: AVV, kein Training auf Kundendaten, teilweise EU-Datenresidenz und Zertifizierungen wie ISO 27001 oder SOC 2 gehören zum Standard. Für die Mehrheit der Anwendungsfälle im Mittelstand – Textarbeit, Recherche, Auswertung interner Dokumente – ist eine sauber konfigurierte Enterprise-Cloud-Lösung der pragmatische Weg: schnell verfügbar, immer auf dem neuesten Modellstand, ohne eigene Infrastruktur.
Wann on-premises die richtige Antwort ist
Eigener Betrieb – lokale Modelle auf eigener Hardware oder im eigenen Rechenzentrum – spielt seine Stärken in drei Situationen aus: wenn hochsensible Daten der Kern des Anwendungsfalls sind (nicht die Ausnahme), wenn regulatorische Vorgaben oder Kundenverträge die Datenweitergabe faktisch ausschließen, oder wenn KI tief in interne Systeme integriert wird und Datenflüsse vollständig kontrollierbar bleiben müssen. Der Preis: Investition in Hardware, Betriebsverantwortung und meist ein Kompromiss bei der Modellqualität. Dieser Abstand ist kleiner geworden – offene Modelle sind für viele Aufgaben mehr als gut genug – aber er existiert.
Der oft übersehene Mittelweg: Anonymisierung
Zwischen „alles in die Cloud” und „alles selbst betreiben” liegt ein unterschätzter dritter Weg: Daten werden vor der KI-Verarbeitung anonymisiert oder pseudonymisiert – Namen, Kundennummern und Identifikatoren werden maskiert, das Sprachmodell arbeitet mit unkritischen Platzhaltern, die Ergebnisse werden lokal wieder zugeordnet. So lassen sich auch sensible Prozesse mit leistungsfähigen Cloud-Modellen automatisieren, ohne dass personenbezogene Daten das Haus verlassen. Genau solche Architekturen bauen wir bei manyos für Kunden in regulierten Branchen.
Entscheidungshilfe in einem Satz
Klassifizieren Sie Ihre Daten, nehmen Sie für Sensibles einen Enterprise-Vertrag mit EU-Garantien, prüfen Sie Anonymisierung, bevor Sie in eigene Hardware investieren – und reservieren Sie On-Premises für die Fälle, in denen es wirklich keinen anderen Weg gibt. Datenschutz ist beim KI-Einsatz kein Bremsklotz, sondern ein Architekturkriterium.
Über den Autor: Robert Hannemann ist Experte für KI-Strategie und KI-Einführung im Mittelstand, Autor von „Alles wird anders" und Gründer der manyos technology GmbH. Kontakt: [email protected]