Was ist DSGVO-konforme KI? On-Premise & souveräne Sprachmodelle für Unternehmen (2026)

Definition: DSGVO-konforme KI bedeutet, dass die konkrete Verarbeitung personenbezogener Daten die anwendbaren Datenschutzanforderungen erfüllt. Dazu gehören insbesondere Rechtsgrundlage, Zweckbindung, Datenminimierung, Sicherheit, Transparenz und Betroffenenrechte sowie gegebenenfalls Auftragsverarbeitung und Drittlandregeln. On-Premise oder EU-Hosting allein genügen nicht.

Ein interner KI-Assistent muss mehr können, als Dokumente zusammenzufassen: Er darf personenbezogene Inhalte nur im freigegebenen Umfang verarbeiten. Dieser Leitfaden beantwortet: Welche KI ist DSGVO-konform? – und wie verhindere ich Datenabfluss technisch? Bewertet werden eigener Betrieb, EU-Cloud und externe Dienste. Stand: 8. September 2026.

Was ist DSGVO-konforme KI? Anforderungen vor der Betriebsform

DSGVO-Konformität ist keine Rangfolge von Hosting-Modellen. Entscheidend ist die konkrete Verarbeitung: Zweck, Rechtsgrundlage, Datenumfang, Rollen, Sicherheit, Transparenz, Betroffenenrechte und gegebenenfalls Drittlandübermittlung. Die Betriebsform beeinflusst, wie Sie diese Anforderungen nachweisen.

1. Externer KI-Dienst: Prüfen Sie den konkreten Vertrag, die Rolle des Anbieters, Speicher- und Inferenzorte, Unterauftragnehmer, Trainingsnutzung und Löschfristen. Ein Unternehmensvertrag oder eine EU-Region allein erteilt keine Datenschutzfreigabe.
2. EU-Cloud: Ein Standort im EWR kann die Datenflusskontrolle erleichtern. Prüfen Sie zusätzlich Fernzugriff, Support, Backups, Unterauftragnehmer und gegebenenfalls Übermittlungen nach Kapitel V DSGVO.
3. Sovereign Cloud: Lassen Sie sich die zugesagte Kontrolle konkret belegen – etwa Betreiber, Rechtsräume, Schlüsselverwaltung, Administrationszugriffe und Ausstiegsmöglichkeiten. „Souverän“ ist kein eigenes DSGVO-Konformitätssiegel.

Nicht jedes Modell passt zu jedem Schutzbedarf. Die wichtigsten on-premise einsetzbaren Modelle im Überblick:

Für die technische Umsetzung finden Sie hier lokale KI für Unternehmen von ADVISORI – zur Planung von Modellauswahl, Integration und kontrolliertem Betrieb. Ob eine konkrete Verarbeitung freigegeben werden kann, hängt von Ihren Daten, Prozessen und Nachweisen ab.

Ist ChatGPT DSGVO-konform? (und Copilot, Gemini, DeepSeek)

• ChatGPT: konkrete Business-/API-Bedingungen, Rollen und Kontrollen prüfen. EU Data Residency und Zero Data Retention haben produkt- und funktionsabhängige Voraussetzungen. Sie sind keine pauschale Datenschutzfreigabe; auch die eigenen Anwendungen und Protokolle müssen geprüft werden.
• Microsoft Copilot: konkrete Microsoft-365-/Copilot-Variante, Verträge, Datenquellen und Administratoreinstellungen prüfen. Flex Routing kann bei Aktivierung Inferenz außerhalb der EU Data Boundary zulassen; die Einstellung und der Übermittlungsweg sind zu dokumentieren.
• Google Gemini: konkreten Workspace-/Cloud-Dienst, Vertrag, unterstützte Regionen, Erweiterungen und tatsächlich genutzte Funktionen prüfen. Keine markenweite Konformitätszusage.
• DeepSeek und andere Modellanbieter: Unterscheiden Sie einen gehosteten Chat-/API-Dienst von heruntergeladenen Modellgewichten im eigenen Betrieb. Für den Dienst gelten dessen konkrete Verträge und Datenflüsse; lokal sind Modelllizenz, Herkunft, technische Sicherheit und der eigene Verarbeitungszweck zu prüfen. Der Markenname trägt kein pauschales Konformitätsurteil.

Prüfregel: Erst den Anwendungsfall und die personenbezogenen Daten bestimmen, dann Rechtsgrundlage, Rollen, Verträge, tatsächliche Datenflüsse und wirksame Schutzmaßnahmen nachweisen. Erst daraus folgt die Freigabe für den abgegrenzten Einsatz.

Drittlandzugriff und KI: Was Unternehmen prüfen müssen

Der CLOUD Act (2018)

Der CLOUD Act kann bei erfassten Anbietern Herausgabepflichten auch für im Ausland gespeicherte Daten betreffen. Daraus folgt weder ein uneingeschränkter Behördenzugriff noch ein pauschales DSGVO-Verbot aller US-Dienste. Prüfen Sie die rechtliche Exposition des konkreten Vertragspartners und die tatsächlichen Zugriffsmöglichkeiten; eine EU-Adresse des Rechenzentrums genügt dafür nicht.

Speicherung, Inferenz und Drittlandübermittlung getrennt prüfen

Speicherort, Ort der Modellberechnung und administrativer Zugriff sind unterschiedliche Datenflüsse. Dokumentieren Sie zusätzlich Protokolle, Backups, Support und eingebundene Dienste. Liegt eine Drittlandübermittlung vor, ist neben der Rechtsgrundlage der Verarbeitung ein zulässiger Mechanismus nach Kapitel V DSGVO erforderlich. EU-Hosting und Zero Data Retention sind keine allgemeinen gesetzlichen Muss-Vorgaben für jede KI-Nutzung.

Training auf Nutzerdaten

Die Verwendung von Eingaben für Training ist dienst-, vertrags- und einstellungsabhängig. Die OpenAI-API verwendet übermittelte Daten laut aktueller Dokumentation standardmäßig nicht zum Modelltraining, sofern Sie nicht ausdrücklich Datenfreigabe aktivieren. Missbrauchsprotokolle und gespeicherter Anwendungszustand sind davon getrennt zu prüfen. Für jedes Produkt müssen Zweck, Konfiguration und Löschregeln dokumentiert werden.

Was macht eine KI DSGVO-konform? (Checkliste)

• Rollen und Verträge: Auftragsverarbeitung nach Artikel 28 vereinbaren, soweit ein Anbieter tatsächlich als Auftragsverarbeiter eingesetzt wird. Ein AVV ersetzt weder die eigene Rechtsgrundlage noch die Prüfung weiterer Empfänger.
• Datenflüsse: Inferenz, Speicherung, Fernzugriff und Unterauftragnehmer erfassen. Übermittlungen außerhalb des EWR nach Kapitel V prüfen; ein bestimmter Hosting-Ort allein beweist keine Konformität.
• Speicherbegrenzung: Fristen und Löschung für Dokumente, Prompts, Antworten, Vektordaten, Caches, Protokolle und Backups zweckbezogen festlegen und testen.
• Zweckbindung und Datenminimierung: Nur erforderliche Daten verarbeiten; Training oder andere Weiterverwendung gesondert bewerten und nicht stillschweigend zulassen.
• Risiko und Rechte: DSFA-Schwelle nach Artikel 35 prüfen; Auskunft, Berichtigung, Löschung und Widerspruch praktisch ermöglichen. Für besondere Datenkategorien zusätzlich Artikel 9 beachten.

On-Premise vs. EU-Cloud vs. Sovereign Cloud

Kriterium · On-Premise · EU-Cloud · Sovereign Cloud

• Datenhoheit — eigene technische Kontrolle · vertraglich und technisch geteilte Kontrolle · zugesagte Kontrollmerkmale einzeln nachweisen
• Rechtliche Zugriffsexposition — bei allen drei Betriebsformen anhand von Betreiber, Unterauftragnehmern, Fernwartung und Schlüsselhoheit prüfen; „kein Risiko“ ist keine belastbare Pauschalaussage.
• Anschaffungskosten — hoch (Hardware) · niedrig · mittel
• Einführungszeit — bei allen drei Betriebsformen abhängig von Integration, Berechtigungen, Freigaben, Lasttests und Betriebsübergabe; ein verfügbarer Server ist noch kein freigegebenes System.
• Skalierung — begrenzt · hoch · hoch

Was ist On-Premise-KI / ein lokales LLM?

On-Premise-KI bezeichnet den Betrieb der KI-Komponenten auf eigener Infrastruktur. Ein lokales Sprachmodell kann die Übertragung von Prompts an einen externen Modelldienst vermeiden. Ob tatsächlich Daten das Netz verlassen, hängt auch von OCR, Embeddings, Telemetrie, Updates, Backups, Support und externen Werkzeugen ab. Eigener Betrieb ermöglicht Kontrolle, verlangt aber weiterhin Datenschutzprüfung, Zugriffsschutz, Wartung und verantwortliche Betreiber.

Welche LLMs kann man on-premise betreiben?

• Lokal nutzbare Modellfamilien sind beispielsweise Mistral, Llama, Qwen und Gemma, soweit die konkrete Version als Modellgewichte verfügbar ist und ihre Lizenz den vorgesehenen Einsatz erlaubt. Open Weight ist nicht gleichbedeutend mit einer uneingeschränkten Open-Source-Lizenz.
• Modelle europäischer Entwickler, etwa aus OpenGPT-X oder von Aleph Alpha und Mistral, können Teil einer lokal kontrollierten Architektur sein. Herkunft, Lizenz und Betriebsmodell sind getrennt zu prüfen. Ein europäischer Ursprung ersetzt weder den fachlichen Test noch die Datenschutzbewertung.

Was kostet ein lokales LLM? (Hardware-Realität)

• Vergleichen Sie die Gesamtkosten über denselben Zeitraum: Hardware oder Miete, Energie, Lizenzen, Integration, Betrieb, Ausfallsicherheit, Datenschutzarbeit und spätere Ablösung. Einzelne günstige Serverangebote erlauben keine belastbare Aussage über produktiven Betrieb.
• Der reine Speicherbedarf der Modellgewichte ist nur eine Untergrenze. Beispiel: 8 Milliarden Parameter bei 4 Bit ergeben rechnerisch etwa 4 GB für Gewichte; Laufzeit, Quantisierungsdaten, Kontext/KV-Cache und parallele Anfragen benötigen zusätzlichen Speicher. Dimensionieren Sie mit repräsentativen Dokumenten und der erwarteten Gleichzeitigkeit.
• Eine Amortisation lässt sich erst aus Auslastung, vergleichbarer Antwortqualität, Betriebskosten und einer konkreten Cloud-Alternative berechnen. Pauschale Einsparungsquoten oder feste Break-even-Monate sind keine belastbare Kalkulation.

Lohnt sich On-Premise-KI für den Mittelstand? (Entscheidungs-Framework)

• Hoher Schutzbedarf: Prüfen Sie, ob externe Verarbeitung organisatorisch und rechtlich zulässig ist. Vergleichen Sie anschließend eine vollständig kontrollierte lokale Verarbeitung mit nachweisbar geeigneten Cloud-Optionen.
• Begrenztes Volumen und kleines Betriebsteam: Prüfen Sie einen betreuten Dienst auf Vertragsumfang, Zugriffsrechte, Datenflüsse und Exit; geringe Nutzung kann eigenen GPU-Betrieb wirtschaftlich unattraktiv machen.
• Öffentliche oder wenig sensible Inhalte: Auch hier können Kontodaten, Nutzungsprotokolle oder Ausgaben personenbezogen sein. Wählen Sie nach freigegebenem Datenumfang, Qualität und Gesamtkosten.
• Gemischt → schutzklassen-basiertes Routing (siehe LLM-Router).

ADVISORI: Betriebsmodell und Datenschutz gemeinsam planen

Bei der Planung eines betreuten Betriebs müssen Betreiber und Verantwortlichkeiten ebenso feststehen wie Inferenz, Speicherung und Support. Prüfen Sie ein Angebot von Yorizon oder anderer europäischer KI-Infrastruktur anhand des konkreten Vertrages und der tatsächlichen Datenflüsse. Ein Synthara LLM-Broker muss Routingregeln, Ausweichpfade und externe Werkzeuge überprüfbar durchsetzen. Eine Produktbezeichnung belegt das nicht. Den strategischen Rahmen erläutert: Digitale Souveränität bei KI.

Schrems II, das Data Privacy Framework und Art. 48 DSGVO: der rechtliche Kern

Das Schrems-II-Urteil (C-311/18) erklärte den früheren Privacy Shield für ungültig. Der Angemessenheitsbeschluss zum EU-US Data Privacy Framework von Juli 2023 ist davon zu unterscheiden und wird von der Kommission weiterhin als Übermittlungsinstrument geführt. Prüfen Sie für eine konkrete Übermittlung den aktiven Zertifizierungsstatus des Empfängers und den erfassten Daten-/Leistungsumfang. Ohne passende Abdeckung kommen andere Instrumente, etwa Standardvertragsklauseln mit der erforderlichen Prüfung, in Betracht. Der Mechanismus ersetzt nicht die übrigen DSGVO-Pflichten.

Artikel 48 DSGVO macht eine ausländische Behördenanordnung nicht selbst zur Rechtsgrundlage. Nach den finalen EDSA-Leitlinien 02/2024 sind die Anerkennung beziehungsweise Vollstreckbarkeit der Anordnung und die Zulässigkeit einer Datenübermittlung getrennt zu prüfen. Eine Offenlegung erfordert eine Rechtsgrundlage nach Artikel 6 und einen zulässigen Weg nach Kapitel V. Ein internationales Abkommen kann relevant sein; die Leitlinie behandelt auch andere mögliche Grundlagen und eng auszulegende Ausnahmen.

Welche On-Premise-LLMs eignen sich? (Vergleich)

Nicht jedes Modell passt zu jedem Schutzbedarf. Die wichtigsten on-premise einsetzbaren Modelle im Überblick:

Modell · Herkunft · Lizenz · Besonderheit

• Teuken-7B — genaue Modellversion, Lizenz und lokal verfügbare Gewichte prüfen; Eignung am Anwendungsfall testen.
• Aleph Alpha (Pharia) — genaue Modellversion, Lizenz und lokal verfügbare Gewichte prüfen; Eignung am Anwendungsfall testen.
• Mistral / Mixtral — genaue Modellversion, Lizenz und lokal verfügbare Gewichte prüfen; Eignung am Anwendungsfall testen.
• Llama 3 (bis 70B) — genaue Modellversion, Lizenz und lokal verfügbare Gewichte prüfen; Eignung am Anwendungsfall testen.
• Qwen3 / Gemma 3 — genaue Modellversion, Lizenz und lokal verfügbare Gewichte prüfen; Eignung am Anwendungsfall testen.

Wählen Sie kein Modell allein nach seinem Herkunftsland. Halten Sie konkrete Version, Lizenz, Bezugsquelle und Betriebsarchitektur fest; testen Sie Qualität, unerwünschte Ausgaben und Datenschutzfunktionen an Ihrem deutschen Anwendungsfall. Für einen Dokumentenassistenten sind Zugriffsschutz und nachvollziehbare Quellen mindestens so entscheidend wie ein allgemeiner Modellvergleich.

DSGVO-KI-Checkliste: 12 Punkte vor dem Go-live

1. Rollen und Auftragsverarbeitung: Verantwortlichen und Empfänger bestimmen, erforderliche AVV und Unterauftragnehmerregelungen dokumentieren.
2. Rechtsgrundlage: Artikel 6 je Verarbeitungszweck prüfen; bei besonderen Datenkategorien zusätzlich eine Voraussetzung aus Artikel 9 Absatz 2.
3. Verarbeitungsorte: Inferenz, Speicherung, Backups, Support und weitere Empfänger im Datenflussplan erfassen.
4. Löschkonzept: Für jede Datenablage Frist, Verantwortlichen, technische Umsetzung und Nachweis festlegen.
5. Trainingsnutzung: Eigenes Training, Anbietertraining und reine Inferenz unterscheiden; unerlaubte Weiterverwendung ausschließen.
6. Minimierung: Quellen, Suchtreffer, Prompts und Antwortumfang auf den dokumentierten Zweck begrenzen.
7. DSFA: Erforderlichkeit nach Artikel 35 und einschlägigen Aufsichtslisten bewerten; gegebenenfalls vor der Verarbeitung durchführen.
8. Betroffenenrechte: Verfahren und Tests für Auskunft, Berichtigung, Löschung, Einschränkung und Widerspruch vorsehen.
9. Drittlandübermittlung: Konkreten Empfänger und Übermittlungsweg nach Kapitel V prüfen und Nachweise aktuell halten.
10. Zugriffsrisiken: Administratoren, Fernwartung, Unterauftragnehmer und rechtliche Herausgabepflichten beurteilen.
11. Berechtigungen: Identität und Quellenrechte pro Anfrage durchsetzen; ein allmächtiges Index-Servicekonto darf keine Nutzerrechte ersetzen.
12. Sicherheit und Nachweis: Artikel-32-Maßnahmen testen und angemessen protokollieren. Vollständige Prompts ohne Zweck und Frist zu speichern ist kein automatischer Compliance-Vorteil.

Was ein lokales LLM nicht kann (die Grenzen)

On-Premise ist kein Allheilmittel. Drei ehrliche Einschränkungen:

• Qualität: Kleine Modelle können für eng definierte Aufgaben ausreichen, müssen dies aber im konkreten Test zeigen. Modellgröße oder europäische Herkunft belegen keine Eignung für Ihren Fachprozess.
• Betriebsaufwand: Hardware, Updates, Monitoring und Skalierung liegen bei Ihnen – das verlangt MLOps-Kompetenz.
• Datenschutz: Lokaler Betrieb entfernt nicht automatisch sämtliche externen Datenflüsse. Rechtsgrundlage, Risikoanalyse, Betroffenenrechte, Löschung und technische Sicherheit bleiben erforderlich.

Genau hier setzt ein schutzklassen-basiertes Routing kann erlaubte Ziele begrenzen. Es braucht aber getestete Regeln, Sperren bei Fehlern und kontrollierte Ausweichpfade; die Klassifizierung sensibler Daten darf nicht ungeprüft dem Modell überlassen werden.

Häufige Fragen (FAQ)

Welche KI ist DSGVO-konform?

Keine KI ist allein aufgrund ihres Namens oder Hosting-Orts DSGVO-konform. Bewerten Sie den konkreten Zweck, Rechtsgrundlagen, Rollen und Verträge, Datenflüsse, Schutzmaßnahmen, Transparenz, Betroffenenrechte und gegebenenfalls Drittlandübermittlungen. On-Premise kann Kontrolle erleichtern, ersetzt diese Prüfung aber nicht.

Ist ChatGPT DSGVO-konform?

Das lässt sich nicht pauschal für eine Marke oder einen Tarif beantworten. Prüfen Sie den konkreten Dienst, Vertrag und Anwendungsfall. Unternehmensangebote und API können zusätzliche Kontrollen bieten; EU-Datenresidenz oder Zero Data Retention allein sind jedoch weder eine vollständige Freigabe noch allgemeine DSGVO-Pflichten. Eine Verbraucherfreigabe für private Nutzung ersetzt keine Unternehmensprüfung.

Was ist On-Premise-KI?

On-Premise-KI läuft auf eigener Infrastruktur. Damit personenbezogene Daten im vorgesehenen Bereich bleiben, müssen auch Dokumentenverarbeitung, Embeddings, Telemetrie, Backups und Support passend konfiguriert sein. Lokaler Betrieb allein macht die Verarbeitung nicht DSGVO-konform.

Warum sind US-KI-Anbieter ein DSGVO-Problem?

Bei internationalen Anbietern sind mögliche Behördenzugriffe, Unterauftragnehmer und tatsächliche Übermittlungen zu prüfen. Der CLOUD Act ist dabei ein relevanter Rechtsrahmen, aber keine pauschale Verbotsnorm für US-KI. Kapitel V und Artikel 48 DSGVO müssen für die konkrete Konstellation bewertet werden.

Welche LLMs kann man on-premise betreiben?

Lokal verfügbar sind bestimmte Versionen aus Modellfamilien wie Mistral, Llama, Qwen oder Gemma sowie europäische Angebote etwa aus OpenGPT-X. Prüfen Sie für jedes konkrete Modell die verfügbaren Gewichte, Lizenz, Hardwareanforderungen und Eignung. Ein gehosteter Markenservice ist nicht mit heruntergeladenen Gewichten gleichzusetzen.

Was kostet ein lokales LLM?

Rechnen Sie mit vollständigen Betriebskosten statt nur dem Serverpreis. Maßgeblich sind Modell, Kontext, gleichzeitige Nutzung, Verfügbarkeit, Integration und eigener Personalaufwand. Die Beispielrechnung unten zeigt die Methode; sie ist kein ADVISORI-Angebot und keine aktuelle Marktpreisangabe.

Reicht EU-Hosting allein für DSGVO-Konformität?

Nein. EU-Hosting beschreibt zunächst einen Standort. Konformität verlangt zusätzlich eine zulässige Verarbeitung, passende Rollen und Verträge, wirksame Sicherheitsmaßnahmen sowie Rechte- und Löschprozesse. Prüfen Sie externe Zugriffe und Übermittlungen. Auch On-Premise oder „Sovereign Cloud“ schließen diese Risiken nicht automatisch aus.

Quellen

Primärquellen und Prüfstand: DSGVO, Orientierungshilfe der Datenschutzkonferenz zu KI und Datenschutz, EDSA-Stellungnahme 28/2024, finale EDSA-Leitlinien 02/2024 sowie aktuelle technische Anbieterdokumentation. Direkte Links und die praktische Freigabevorlage finden Sie im folgenden Abschnitt. Stand: 8. September 2026.

Weiterführende Artikel

• Digitale Souveränität bei KI: der Leitfaden
• Herstellerunabhängiger LLM-Router
• AI Vendor Lock-in vermeiden
• EU AI Act Hochrisiko-Pflichten 2026

Freigabevorlage: interner KI-Assistent für Dokumente

Dokumentieren Sie einen konkreten Pilotfall: beispielsweise Fragen zu freigegebenen Arbeitsanweisungen. Personalakten, Gesundheitsdaten oder automatisierte Personalentscheidungen gehören nicht stillschweigend zum selben Freigabeumfang. Erfassen Sie Zweck, Nutzergruppe, Quellen, Datenkategorien, Rechtsgrundlage, Verantwortlichen und ausgeschlossene Anwendungen.

Datenflussplan: Quelle → Import/OCR → Dokumentabschnitte und Embeddings → Suchindex → berechtigte Treffer → Prompt → Modell → Antwort. Ergänzen Sie Caches, Protokolle, Backups, Support und Werkzeuge. Lokale Inferenz genügt nicht, wenn OCR oder Embeddings Dokumente an einen externen Dienst senden.

Berechtigungstest: Zwei Testkonten haben unterschiedliche Quellenrechte. Konto A darf ein Dokument lesen, Konto B nicht. Prüfen Sie direkte Fragen, Zusammenfassungen und indirekte Nachfragen. Konto B darf den geschützten Inhalt weder als Suchtreffer noch in der Antwort erhalten. Wiederholen Sie den Test nach Rechteentzug und nach Neuindexierung. Ein Systemprompt allein ist keine Zugriffskontrolle.

Löschtest: Entfernen Sie ein synthetisches Testdokument nach dem vorgesehenen Verfahren. Prüfen Sie Quellsystem, Index, gespeicherte Abschnitte, Caches und Chatverlauf sowie die geregelte Behandlung von Backups. Nach Ablauf der definierten Frist darf der gelöschte Inhalt nicht erneut als Quelle dienen. Dokumentieren Sie verbleibende rechtlich begründete Aufbewahrung separat.

Abflusstest: Sperren Sie nicht freigegebene externe Ziele und beobachten Sie die tatsächlichen Verbindungen. Prüfen Sie ausdrücklich Fehlerfälle, Modellwechsel, Suchwerkzeuge und Ausweichrouten. Personenbezogene Daten dürfen bei Ausfall des lokalen Modells nicht unbemerkt an einen Cloud-Endpunkt weitergereicht werden.

Abnahmeprotokoll: Halten Sie Sollverhalten, beobachtetes Ergebnis, Nachweis, offenen Mangel und Verantwortlichen je Test fest. IT/Betrieb, Fachbereich und Datenschutzfunktion prüfen ihre jeweiligen Teile. Die Freigabe gilt für den dokumentierten Umfang; neue Quellen, Werkzeuge, Modellversionen oder Verarbeitungszwecke lösen eine erneute Bewertung aus.

RAG, Pseudonymisierung und Modellgewichte richtig einordnen

RAG ergänzt den Prompt um gefundene Dokumentabschnitte und erfordert dafür kein Nachtraining des Basismodells. Personenbezogene Inhalte können dennoch in Dokumenten, Suchindex, Embeddings, Prompts und Ausgaben liegen. RAG ist deshalb keine Datenschutz-Ausnahme. Auch ein vortrainiertes Modell ist nicht allein wegen seines Dateiformats oder lokalen Betriebs nachweislich anonym; die EDSA-Stellungnahme 28/2024 verlangt eine fallbezogene Bewertung.

Pseudonymisierung kann Risiken verringern, macht Daten aber nicht automatisch anonym. Eine Zuordnungstabelle, indirekte Merkmale oder seltene Sachverhalte können einen Personenbezug erhalten. Prüfen Sie Erkennungsfehler und Wiedererkennbarkeit; eine Namensersetzung allein hebt DSGVO-Pflichten nicht auf.

Beispielrechnung: Kosten vergleichbar machen

Reines Rechenbeispiel, keine Marktpreise: 24.000 € Hardware über 36 Monate ergeben rund 667 € monatlich. Dazu kommen angenommene 120 € Energie, 16 Betriebsstunden zu je 95 € (= 1.520 €) sowie 400 € für Software und Sicherung. Summe: rund 2.707 € pro Monat. Einmalige Integration und weitere Ausfallvorsorge sind in diesem Beispiel noch nicht enthalten.

Vergleichen Sie damit eine Cloud-Variante bei derselben Antwortqualität, Last, Verfügbarkeit und denselben Datenschutzanforderungen. Verwenden Sie Kosten je erfolgreich bearbeiteter Fachaufgabe statt nur je Token. Ein lokales System kann wirtschaftlich sinnvoll sein; die Rechnung muss Ihre Auslastung und Ihr Betriebsteam abbilden.

Welche Unterlagen braucht ADVISORI für die Anfrage?

Beschreiben Sie zuerst Anwendungsfall, Datenarten, Quellsysteme, Nutzerzahl und Gleichzeitigkeit, gewünschtes Betriebsmodell und vorhandene Betriebskapazität. Benennen Sie die offenen Entscheidungen. Daraus lassen sich Umfang und Arbeitsergebnisse einer technischen Bestandsaufnahme, Architekturplanung oder Pilotumsetzung festlegen – etwa Datenflussplan, Variantenvergleich, Berechtigungskonzept und Abnahmeplan.

Datenschutzrechtliche Bewertung und erforderliche Freigaben sind mit den dafür zuständigen Stellen abzustimmen. Technische Tests und Beratungsunterlagen sind Nachweise für diese Bewertung, keine pauschale DSGVO-Zertifizierung.

Primärquellen und technischer Prüfstand

DSGVO / GDPR

DSK: Künstliche Intelligenz und Datenschutz

EDPB Opinion 28/2024: AI models

EDPB Guidelines 02/2024: Article 48

European Commission: EU-US data transfers

OpenAI API: Data controls

Microsoft: Flex Routing